申请/专利权人：湖南大学

申请日：2023-12-28

公开（公告）日：2024-06-28

公开（公告）号：CN117494584B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0499;G06N3/084;G06N3/094;G06N3/096;G06F18/213;G06F18/241;G06F18/27;G06F111/04;G06F111/08;G06F119/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明涉及高维可靠性设计技术领域，公开了基于神经网络对抗迁移学习的高维可靠性设计优化方法；在源域进行基于抽样的可靠性分析，获得源域MCS样本及其响应，以及源域失效概率；将源域失效概率及其随机敏感性信息和高维目标函数，送入优化器以获得目标域的分布信息，获得目标域MCS样本；根据源域MCS样本及其响应和目标域MCS样本，构建DARNN，以实现目标域MCS样本响应的预测，并根据预测结果计算目标域失效概率及其随机敏感性信息；判断是否达到优化器的收敛条件，收敛则优化设计结束并输出优化参数，不收敛则重复有关过程，直到达到优化器的收敛条件为止。该方法不需要耗时漫长的有限元计算过程，计算时间和精度较高。

主权项：1.基于神经网络对抗迁移学习的高维可靠性设计优化方法，其特征在于，包括以下步骤：S1.根据原始物理模型的参数输入以及极限面状态方程搭建基于可靠性的设计优化算法，并定义可靠性分析需要计算的可靠性；S2.在训练样本的基础上构建一个前馈神经网络，用于预测测试样本的响应；其中，将初始设计点所在的样本空间及其分布定义为源域，优化设计点所在样本空间及其分布定义为目标域，源域训练样本定义为从源域中收集的多个源域训练样本点；S3.源域随机采样；其中，假设初始设计点的均值，首先在源域根据输入变量的PDF随机采样出多个源域训练样本，通过约束函数计算出多个源域训练样本的真实响应；然后在源域根据输入变量的PDF随机采样出多个源域MCS样本用于后续在源域进行可靠性分析；S4.根据S3采样出的多个源域训练样本及其真实响应，构建标准的前馈神经网络；S5.计算源域概率约束的失效概率；采用S4中构建好的标准的前馈神经网络对源域的多个源域MCS样本的响应进行预测，并计算每一个概率约束的失效概率；S6.获取失效概率的随机敏感性信息，并确定一阶打分函数；将源域失效概率及其随机敏感性信息和预设的高维目标函数送入优化器，获得目标域的分布信息；S7.使用S6中的一阶打分函数对S6得到的目标域分布信息进行随机敏感性分析，并检查是否收敛；如果收敛则优化设计结束，提前计算优化参数；否则更新设计，根据目标域的分布产生多个目标域MCS样本，并进入下一步；S8.构建领域对抗神经网络DARNN模型，根据多个源域MCS样本及其预测响应和多个目标域MCS样本训练DARNN模型，直接预测出多个目标域MCS样本的响应并使用S1中所定义的可靠性算法进行可靠性分析，同时使用S6中的一阶打分函数进行随机敏感性分析；S9.检查是否收敛；如果收敛则优化设计结束，输出优化参数；如果不收敛则回到S7，并将上一个目标域的失效概率及其随机敏感性信息和目标函数放入优化器获得下一个目标域的分布信息，并重复上述过程，直到达到优化器的收敛条件为止；其中，在S1中，基于可靠性的设计优化RBDO，其数学公式表示为： 1；其中，是设计向量，是维随机变量构成的向量的均值；，和分别表示随机输入的随机变量和随机参数分量；是第个目标约束的失效概率；、、分别表示概率约束、设计变量、随机变量加参数的数目；可靠性分析中需要计算的可靠性定义为： 2；其中，是分布参数向量，包括随机输入变量的均值和方差；是概率度量；是失效集，；是的联合PDF，表示求期望； 在式2中被叫作指示函数，被定义为： 3；由于随机输入的均值被当作设计向量，因此在计算公式3中的失效概率时，分布参数向量用均值替换；其中，在S2中，初始设计点所在的样本空间及其分布定义为源域，优化设计点所在样本空间及其分布定义为目标域，源域训练样本定义为从源域中收集的个源域样本点，其中，、；在源域训练样本的基础上构建前馈神经网络FNN，表示为： 4；其中，表示FNN，表示激活函数，W和b表示权重和偏置；其中，在S3中，假设初始设计点的均值为，首先在源域根据输入变量的PDF随机采样出个源域训练样本，通过约束函数计算出个源域训练样本的真实响应，即： 5；其中，表示概率约束的个数；然后在源域根据输入变量的PDF随机采样出个源域MCS样本用于后续在源域进行可靠性分析。

全文数据：

权利要求：

百度查询： 湖南大学 基于神经网络对抗迁移学习的高维可靠性设计优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD