买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门大学

摘要：本发明公开了一种考虑惩罚的涡轮转子叶片气动激振力优化方法，其用于在工程约束条件下使与所述涡轮转子叶片的工程参数具有函数关系的性能参数最优。本方法提供了新的采集函数，该采集函数在现有技术的基础上引入了针对采集函数的惩罚，在迭代过程中，根据约束函数对应的高斯过程模型预测值来判断是否满足约束，并在违反约束时对采集函数施加惩罚，保证新增样本点在可行区域内选取，避免陷入过度开发或过度探索的情况，阻止对不可行域进行进一步探索，可改善现有的贝叶斯优化算法的不足。

主权项：1.一种考虑惩罚的涡轮转子叶片气动激振力优化方法，用于在工程约束条件下使与所述转子叶片的工程参数具有函数关系的性能参数最优，其基于贝叶斯算法实现，所述贝叶斯优化算法基于期望提升准则并至少包括迭代实施的采样过程，其特征是：所述采样过程包括：基于工程参数样本集中所有工程参数及相应的性能参数构造目标函数和约束函数的高斯过程模型的步骤；构造采集函数的步骤；最大化采集函数以决定采样的工程参数的步骤；基于被决定采样的工程参数获得相应的性能参数的步骤和更新工程参数样本集的步骤；其中，所述工程参数为涡轮转子叶片形状参数中的特定参数；所述性能参数为涡轮转子叶片的气动激振力且优化方向为使涡轮转子叶片的气动激振力最小；每次采样过程中，所述采集函数被构造为： 其中：ytargetk＝yfeas,mink-DIk； 以上公式中：k为采样过程的迭代序号，k取值范围为大于等于1的自然数；wk为第k次迭代时的自适应权重系数； 为第k次迭代时目标函数的高斯过程模型得到的后验均值；skx为第k次迭代时的后验均方差，其为目标函数的高斯过程模型得到的后验方差开方后的值；Φx为标准正态分布的分布函数；φx为标准正态分布的密度函数；P为针对采集函数进行惩罚的值；ytargetk为第k次迭代时的性能参数自适应目标值；yfeas,mink为第k次迭代前基于所有已采样工程参数获得的性能参数中最优的性能参数值；yfeas,min0是所有样本初始点中满足约束的最优值；yn+k-1为第k-1次迭代时被决定采样的工程参数所对应的名义性能参数值；DIk为第k次迭代的期望最优性能参数提升量；μcix为第i个约束函数对应的高斯过程模型预测值；a、b、c、d为人为预设的值，且a＜b，c＞0，d＞0。

全文数据：

权利要求：

百度查询： 厦门大学 一种考虑惩罚的涡轮转子叶片气动激振力优化方法