摘要：针对求解耗时的风电转子系统不对中载荷识别问题,提出基于改进的信赖域模型管理技术的识别算法。该算法将整个先验分布空间的不对中载荷识别问题转化为一系列信赖域上的近似优化问题,通过区域遗传智能采样技术采集样本,加强径向基函数构建代理模型,再采用遗传算法进行近似优化。通过每个信赖域上的最小目标函数和近似优化结果确定信赖度和下代域的中心、半径,进而不断地缩放、平移信赖域,来保证获得与真实模型一致的不对中载荷。通过四种方法对比表明该方法样本遗传策略,遗传落在下代信赖域空间上的样本,减少实验设计样本个数而提高效率;最小目标函数作为信赖中心调整提高了关键区域代理模型的精度而加快收敛,降低了对代理模型精度的依赖。

摘要：在模拟滑动轴承润滑特性时,现有的CFD仿真方法计算成本高、耗时长,且不适宜于油膜优化设计中的多次迭代调用。提出采用多项式结构选择技术构建风电滑动轴承润滑特性代理模型,该方法通过遗传智能布点技术遗传样本,减少CFD仿真次数;基于误差减小比率筛选对润滑特性影响大的有效项,剔除影响小的无效项,减少多项式项数来提高风电滑动轴承润滑特性多项式代理模型的效率和精度。该模型实现少而精的多项式拟合润滑参数与润滑特性的强非线性映射关系,所需采集的样本数量少于传统的径向基函数代理模型构建方法,且计算误差小于径向基函数代理模型,为复杂非线性建模提供一条新的研究思路和技术途径。

摘要：针对永磁同步电机多目标优化过程中要反复调用耗时的仿真分析且在整个设计域构建代理模型精度低的问题,提出基于信赖域模型管理技术的永磁同步电机多目标优化算法,该算法将整个设计域划分为一系列信赖域,在信赖域上构建径向基函数代理模型并采用微型多目标遗传算法近似优化,降低多目标优化中代理模型的精度要求。通过代理模型与电磁仿真模型的近似程度来调节信赖域的大小,通过缩放和平移信赖域,引导各个电机目标性能逐步逼近Pareto最优前沿面,加快收敛速度。为了进一步减少有限元仿真次数,引入遗传智能布点技术,通过样本遗传策略,遗传落在下个信赖域上的样本。通过算例验证了该算法具有较强的求解永磁同步电机多目标优化问题的能力及较高的求解效率。