关键词：序列Kriging模型；耐撞性；粒子群优化
摘 要：为解决常规Kriging模型在设计空间拟合精度低的问题,提出了序列Kriging模型。通过预期改善函数,在优化解附近和设计空间的稀疏区域增加样本点,不断更新近似模型,从而提高近似模型在兴趣域的拟合精度和全局预测能力。通过两个数值算例分析了序列Kriging模型的全局搜索特性,从算例优化的统计结果可以看出,序列Kriging模型比常规Kriging模型的优化精度更高,稳健性更好。最后,序列Kriging模型被应用到车身轻量化设计中,采用粒子群算法所得到的优化结果表明,近似模型的精度有了很大的提高,并且在满足耐撞性约束的同时所选部件的质量降低了23.35%。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取