数据视角下神经网络增量学习支持的涡轮盘多目标优化
来源：计算机集成制造系统杂志2021年第8期北京时间：
作者：冯国奇,崔东亮,代学武,俞胜平
单位：1.东北大学工商管理学院2.东北大学流程工业综合自动化国家重点实验室
摘要：针对航空发动机涡轮盘多目标优化计算密集、案例需求大、分析费用高的问题,提出一种基于混合样本管理的人工神经网络训练方法,以辅助多目标粒子群优化算法处理这类计算密集问题。通过均匀设计的偏差控制,设计面向混合精度数值仿真的试验表;在误差分析基础上,通过联合优化“虚拟样本噪声强度—隐含层节点数—虚拟样本量”,确定混合样本集的构造方法和神经网络拓扑结构,以提高模型的精度和泛化能力;多目标优化过程中,采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性和均匀性;通过遗忘式增量学习提高寻优目标的导向性。以某型涡轮盘的多目标优化设计为例验证该体系的有效性。实验表明,所提方法在保证涡轮盘多目标优化质量的前提下,能够显著降低设计费用。
关键词：涡轮盘,混合样本,人工神经网络,多目标粒子群优化算法,增量学习
基金资助：辽宁省自然科学基金资助项目(2020-MS-093);国家自然科学基金资助项目(61773111,U1834211,61790574);中央高校基本科研业务专项基金资助项目(N2008001)。
