کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6916105 862927 2016 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Gradient based design optimization under uncertainty via stochastic expansion methods
ترجمه فارسی عنوان
بهینه سازی طراحی مبتنی بر گرادینت تحت عدم قطعیت با استفاده از روش های گسترش تصادفی
کلمات کلیدی
بهینه سازی طراحی مبتنی بر قابلیت اطمینان، بهینه سازی طراحی قوی، گسترش هرج و مرج چندجملهای، بهینه سازی مبتنی بر گرادینت،
ترجمه چکیده
ما یک چارچوب محاسباتی برای بهینه سازی طراحی مبتنی بر قدرتمند و پایایی ارائه می دهیم که ترکیبی از روش های گسترش تصادفی، یعنی گسترش هرج و مرج چندجملهای با تحلیل حساسیت طراحی است. به خوبی شناخته شده است که لحظات آماری و شیب آنها با توجه به متغیرهای طراحی می تواند به آسانی از گسترش هرج و مرج چندجملهای بدست آید. با این حال، ارزیابی احتمال شکست در هزینه ها و توابع محدودیت ها و گرادیان آنها، نیاز به یکپارچه سازی بیش از مناطق شکست. برای ساده کردن این، یک تابع نشانگر را به انتگرال معرفی می کنیم، به این ترتیب منطقه ادغام دامنه شناخته شده متغیرهای تصادفی می شود و برای از بین بردن ویژگی غیر تمایز تابع نشانگر، برای تسهیل تحلیل حساسیت، تقریبی صاف به کار می رود. هر دو هرج و مرج نفوذی و غیر نفوذی هرج و مرج چندگانه برای رسیدن به عدم قطعیت در طراحی بهینه سازی ساختارهای الاستیک خطی استفاده می شود. راهنمای ارزیابی هزینه های محاسباتی مربوط به رویکردهای هرج و مرج چندجملهای نیز ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
We present a computational framework for robust and reliability based design optimization which combines stochastic expansion methods, namely polynomial chaos expansion, with design sensitivity analysis. It is well known that the statistical moments and their gradients with respect to design variables can be readily obtained from the polynomial chaos expansion. However, the evaluation of the failure probabilities of the cost and constraint functions and their gradients, requires integrations over failure regions. To simplify this we introduce an indicator function into the integrand, whereby the integration region becomes the known range of random variables and to alleviate the non-differentiable property of the indicator function, a smooth approximation is adopted to facilitate the sensitivity analysis. Both intrusive and non-intrusive polynomial chaos approaches for uncertainty propagation are employed in the design optimization of linear elastic structures. Guidelines to assess the computational costs associated with both polynomial chaos approaches are also presented.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Methods in Applied Mechanics and Engineering - Volume 306, 1 July 2016, Pages 47-76
نویسندگان
, , ,