Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

13.10.2016 | RESEARCH PAPER | Ausgabe 5/2017

Structural and Multidisciplinary Optimization 5/2017

A VF-SLP framework using least squares hybrid scaling for RBDO

Zeitschrift:
Structural and Multidisciplinary Optimization > Ausgabe 5/2017
Autoren:
Xiaoke Li, Haobo Qiu, Zheng Jiang, Liang Gao, Xinyu Shao

Abstract

Using computationally cheap low-fidelity (LF) model and more accurate but expensive high-fidelity (HF) model, variable fidelity (VF) model has been widely used in engineering design to replace the actual computationally expensive experiments or computer simulations. To further extend the application of VF to reliability-based design optimization (RBDO), a new framework based on sequential linear programming (SLP) is proposed in this paper. Combining the advantages of additive scaling method and multiplicative scaling method, a hybrid scaling method based on least squares (LSHS) is developed. In LSHS method, the VF model is introduced to replace the implicit performance function in RBDO by using the HF function values and gradient values at all evaluated points around the current design. With the failure probability and its gradient calculated by Monte Carlo Simulation (MCS) at current design, SLP is adopted to calculate the next design. A novel method which considers the target reliability index and the influence domain at the current design is also developed to determine the step size in every sub-optimization problem. Two numerical examples and the shape optimization problem of a curved beam are analyzed in order to demonstrate the performance of the proposed methodology. The comparison results show that the proposed method is very accurate and efficient.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit dem Kombi-Abo erhalten Sie vollen Zugriff auf über 1,8 Mio. Dokumente aus mehr als 61.000 Fachbüchern und rund 500 Fachzeitschriften aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit dem Technik-Abo erhalten Sie Zugriff auf über 1 Mio. Dokumente aus mehr als 40.000 Fachbüchern und 300 Fachzeitschriften aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 5/2017

Structural and Multidisciplinary Optimization 5/2017Zur Ausgabe

Premium Partner

in-adhesivesMKVSNeuer Inhalt

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie

Maschinelles Lernen ist die Schlüsseltechnologie für intelligente Systeme. Besonders erfolgreich ist in den letzten Jahren das Lernen tiefer Modelle aus großen Datenmengen – „Deep Learning“. Mit dem Internet der Dinge rollt die nächste, noch größere Datenwelle auf uns zu. Hier bietet die Künstliche Intelligenz besondere Chancen für die deutsche Industrie, wenn sie schnell genug in die Digitalisierung einsteigt.
Jetzt gratis downloaden!

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

Bildnachweise