时序可控近似模型技术及其对非线性问题的研究

本项目旨在提出一种基于时序相关性优化问题的近似模型构造方法。它的最大特点是将研究对象的整个试验过程作为近似模型的数据源，建立时序相关数据集，通过对样本历史信息的认知，抽取敏感时间段，建立基于时序可控近似模型。这一模式的成功构建，可以最大限度体现时序相关过程的物理实质，并通过设计参数对目标函数进行有效地时序控制。在试验设计阶段，通过设计参数的耦合性分析，结合基于边界条件和最优领域的智能布点机制，拟建立基于HDMR解耦技术的智能布点方法，建立具有合理耦合项的数学模型，合理控制设计空间内的样本数量；在近似模型构造阶段，拟建立自组织近似模型构造模式，通过对近似模型的结构风险和经验风险的分析，自动选择不同的近似模型构造方法或近似模型构造组合，直至收敛；在优化阶段，针对可能出现的失稳现象，构建基于时序离散时间体系，采用显式判据，确认近似模型的作用域。三阶段环环相扣，相互作用，成为完整的闭环优化体系。

本课题提出并建立了基于时序相关性优化问题的近似模型构造方法，其最大特点是将研究对象的整个试验过程作为近似模型的数据源，建立时序相关数据集，通过对样本历史信息的认知，抽取敏感时间段，建立基于时序可控近似模型。同其他近似模型方法相比，可以体现时序相关过程的物理实质，并通过设计参数对目标函数进行有效地时序控制。在试验设计阶段，建立了基于边界条件和最优领域的智能布点机制，并建立了基于HDMR解耦技术的智能布点方法，将近似模型的项控制在合理的范围内；在近似模型构造阶段，拟建立自组织近似模型构造模式，通过对近似模型的结构风险和经验风险的分析，建立了基于概率模型的支持向量机模型构造方法；在优化阶段，采用控制参数较少的粒子群优化方法。三阶段环环相扣，相互作用，成为完整的闭环优化体系。此外，为了进一步提升算法的计算效率，本课题采用了基于GPU平台的并行计算方法，大幅度提高了正问题的求解效率。为了验证算法的有效性，本课题将该方法用于车身轻量化设计，得到了令人满意的结果。