کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6915423 1447398 2018 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Probabilistic optimization of engineering system with prescribed target design in a reduced parameter space
ترجمه فارسی عنوان
بهینه سازی احتمالی سیستم مهندسی با طراحی هدف مورد نظر در یک فضای پارامتر کاهش یافته
کلمات کلیدی
استنتاج بیزی، طراحی قوی، بهینه سازی احتمالی، عدم قطعیت انتشار، دینامیک ساختاری تصادفی، تجزیه و تحلیل میزان حساسیت،
ترجمه چکیده
چارچوب بهینه سازی طراحی قوی احتمالاتی با استفاده از یک چارچوب استنتاجی بیزی ارائه شده است. هدف از این مطالعه به دست آوردن توصیفگرهای احتمالی پارامترهای سیستم است که بر اساس توزیع احتمالی هدف مورد نظر کاربر از مقادیر خروجی مورد علاقه یا ارقام شایستگی یک سیستم است. شناسایی مبتنی بر معیار از یک فضای پارامتر کاهش یافته مهم، از تعداد به طور معمول تعداد زیادی از پارامترهای مدل سازی سیستم فیزیکی پاراگراف تصادفی انجام شده است. معیار میتواند بر اساس شاخصهای حساسیت، محدودیتهای طراحی یا نظر کارشناس یا ترکیبی از اینها باشد. احتمالات خلفی بر روی پارامترهای کاهش یافته یا مهم که بر توزیع هدف مورد نظر از مقادیر خروجی مورد نظر مطرح می شود، با استفاده از چارچوب استنتاج بیزی به دست می آید. طراحی مطلوب احتمالی ارائه شده در اینجا مزایای مشخص تجویز مرزهای احتمالی عملکرد توابع سیستم را در اطراف نقاط طراحی بهینه ای ارائه می دهد، به طوری که عملکرد قوی اطمینان حاصل شود. روش پیشنهادی با دو مثال عددی از جمله طراحی مطلوب یک سیستم دینامیکی ساختاری براساس توزیع هدف مورد نظر کاربر برای فرکانس رزونانس سیستم نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
بهینه سازی احتمالی سیستم مهندسی با طراحی هدف مورد نظر در یک فضای پارامتر کاهش یافته
چکیده انگلیسی
A novel probabilistic robust design optimization framework is presented using a Bayesian inference framework. The objective of the study is to obtain probabilistic descriptors of the system parameters conditioned on the user-prescribed target probability distributions of the output quantities of interest or figures of merit of a system. A criterion-based identification of a reduced important parameter space is performed from the typically high number of parameters modeling the stochastically parametrized physical system. The criterion can be based on sensitivity indices, design constraints or expert opinion or a combination of these. The posterior probabilities on the reduced or important parameters conditioned on prescribed target distributions of the output quantities of interest are derived using the Bayesian inference framework. The probabilistic optimal design proposed here offers the distinct advantage of prescribing probability bounds of the system performance functions around the optimal design points such that robust operation is ensured. The proposed method has been demonstrated with two numerical examples including the optimal design of a structural dynamic system based on user-prescribed target distribution for the resonance frequency of the system.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Methods in Applied Mechanics and Engineering - Volume 337, 1 August 2018, Pages 281-304
نویسندگان
, , ,