(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111668038.2 (22)申请日 2021.12.3 0 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 宋鲁凯　白广忱　张红　李雪芹　 樊晨辉　 (74)专利代理 机构 北京科迪生专利代理有限责 任公司 1 1251 代理人 江亚平　邓治平 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 20/00(2019.01) G06K 9/62(2022.01) G06F 119/02(2020.01)G06F 119/04(2020.01) (54)发明名称 一种基于多目标代理模型的静叶调节机构 系统可靠性分析方法 (57)摘要 本发明公开了一种基于多目标代理模型的 静叶调节机构系统可靠性分析方法， 应用于可靠 性评估领域。 本方法首先基于协同抽样策略为所 有失效模式构建一个多目标代理模 型， 然后通过 复合学习准则添加新的样本点自适应更新多目 标代理模型， 直至多目标代理模 型达到足够的精 度， 最后利用更新的多目标代理模 型计算系统失 效概率。 本发 明所提出的协同抽样策略和复合学 习准则既考虑了失 效相关性， 又通过自适应截断 区域减少了候选样本数量， 具有较高的计算精度 和计算效率。 权利要求书3页 说明书7页 附图1页 CN 114282309 A 2022.04.05 CN 114282309 A 1.一种基于多目标代理模型的静叶调节机构系统可靠性分析 方法， 其特 征在于， 包括： 步骤S1、 根据VSV机构多构件失效的系统功能函数， 确定随机变量及分布类型； 步骤S2、 对每个随机变量在( μ ±σ )范围内利用拉丁超立方抽样生成少量样本N1×n， 并 对样本点进行刚柔耦合动力学协同仿真， 分别得到摇臂两个构件的疲劳寿命响应值； 步骤S3、 将上述 步骤S2所述的样本点及其相应的响应值记为初始样本集 为T0； 步骤S4、 以随机变量作为输入变量， 两个构件的高循环疲劳寿命作为输出响应， 考虑各 构件失效响应之间的相关性， 构建各构件的协同多目标初始 代理模型； 步骤S5、 对每个随机变量进行蒙特卡洛随机抽样， 生成N ×n个随机样本池， 所述N个随 机样本作为对应随机变量的总候选样本； 步骤S6、 为减少候选样本的数量， 采用自适应截断系统LSF可能区域的方法为每一个失 效构件分别确定自适应截断区域， 并合成总候选区域， 将该区域定义 为系统截断区域； 步骤S7、 将步骤S6所确定的总截断区域中的M CS样本作为代理模型 更新的候选样本； 步骤S8、 采用复合学习函数更新多目标Kri ging模型。 具体为利用步骤S4的初始多目标 Kriging模型计算两个构件中最小性能函数所对应的最小U学习 函数值； 若最小U学习 函数 值小于2， 则将 该最小学习函数对应的样本点x*作为最佳样本； 进一步计算最佳样本点下两 个构件的刚柔耦合协同仿真疲劳寿命； 并将最佳样本及其疲劳寿命响应值加入到初始训练 样本集中， 记为T1＝{T0， x*}； 步骤S9、 基于样本集T1， 更新步骤S4的协同多目标初 始代理模型； 然后返回步骤S6， 继续 更新截断区域， 判断对系统失效贡献较大的构件， 利用复合学习函数更新协同多目标 Kriging模型， 直至最小化 性能函数满足U函数停止准则； 步骤S10、 利用步骤S9所得到的最终更新的代理模型进行系统可靠性评估， 计算系统失 效概率和变异系数， 一般认为系统失效概率估计的变异系数在5％左右 为可接受， 如果变异 系数过高， 则增加N以扩大MCS样本池， 回到步骤S5， 执行相应的更新过程， 直到再次满足停 止条件。 2.根据权利要求1所述的一种基于多目标代理模型的静叶调节机构系统可靠性分析方 法， 其特征在于， 所述步骤S4中， 代理模型采用Kriging代理模型， 协同多目标Kriging模型 具体表示 为： 其中， x1,x2,…,xm为输入变量， g1,g2,…,gp为P个组件性能函数， Wij(i＝1,2,...,p； j＝ 1,2,...,m)为模型参数； 对每一个组件性能函数gi， 其Krigi ng模型具体表示 为： gi(x)＝fT(x)·βi+zi(x) 其中， x＝[x1,x2,…,xm]表示输入变量； m为输入参数的维数； fT(x)＝[f1(x),f2(x),…, fm(x)]为回归基函数； βi＝[βi1, βi2,…, βim]为回归系数； i＝1,2,...,p为p个组件； zi(x)为 局部随机偏差， 服从高斯分布(0, σ2)。权　利　要　求　书 1/3 页 2 CN 114282309 A 23.根据权利要求1所述的一种基于多目标代理模型的静叶调节机构系统可靠性分析方 法， 其特征在于， 所述 步骤S8具体为： 步骤S81、 根据步骤S4构造 的初始多 目标Kriging模型， 计算候选样本点集合中所有候 选样本的预测值 选择多个构件失效中具有较小预测值的性能函数计算标准差： 其中， 是预测点 和候选样本点(x1,x2,…,xn)之间的相 关向量； F是单位列向量； 是回归基函数； 是回归系数； gi为函数真实响应值； 为所有候选样本的预测值； i＝1,2,...,p 为p个组件； Ri()是高斯相关函数， 表示候选样本点集合中任意两个候选样本点的相关性， 其计算公式 为： 其中， n是设计变量的维数； 分别为变量xi和xj的第k个元素； θk是相关参数θ 的 第k个元素； 所述标准差 计算公式为： 其中， 为代理模型 在点 的预测方差； ui、 σi均为中间变量， F是单位列向 量； 是预测点 和候选样本点(x1,x2,…,xn)之间的相关向量； Ri表示候选样本点 集合中任意两个候选样本点的相关性； 步骤S82、 根据步骤S81得到的两个构件中最小性能函数的预测值 和标准差 计算每一个随机变量对应的候选样本点的学习函数， 其中， s是最小化的性能函数 的索引， 为最小化的性能函数 所对应的标准差； 为两个组件中候选样本点的最小化性能函数的预测值； 表示与最小化的性能函数所对应的组件的标准差； 为最小化性能函数所有候 选样本的预测值； Us为最小化的性能函数 所对应的候选样本点的学习函数值； Ui为最 小学习函数值； 步骤S83、 根据步骤S82得到 的U， 找出最小U学习函数值， 若最小U学习函数值小于2， 则 将该最小学习函数对应的候选样本点x*作为随机变量的最佳样本点； 并利用刚柔耦合协同权　利　要　求　书 2/3 页 3 CN 114282309 A 3