针对基于近似模型的涡轮叶片设计过程中一次性建模方法未能充分利用样本点信息导致近似建模精度较低的弊端,提出了基于积分均方误差(Integral mean square error,IMSE)减小的序贯建模方法。以随机克里金模型(Stochastic Kriging,SK)作...针对基于近似模型的涡轮叶片设计过程中一次性建模方法未能充分利用样本点信息导致近似建模精度较低的弊端,提出了基于积分均方误差(Integral mean square error,IMSE)减小的序贯建模方法。以随机克里金模型(Stochastic Kriging,SK)作为近似模型考虑响应不确定性的影响,并通过添加使近似模型IMSE期望减小最大的样本点序贯更新近似模型。“克里金信任”(Kriging believer)策略被应用于序贯选取样本点优化问题的求解过程,以减小仿真成本。选用了一个数值算例和涡轮叶片力学性能预报工程算例验证所提出方法的性能,结果表明,所提出的方法与一次性建模方法相比,在相同仿真成本下能构建全局和局部精度更优的近似模型。展开更多
