考慮多源不確定性的多學(xué)科可靠性設(shè)計(jì)優(yōu)化

第1章 緒論
1．1 多學(xué)科可靠性設(shè)計(jì)優(yōu)化的提出
1．2 多學(xué)科可靠性設(shè)計(jì)優(yōu)化研究現(xiàn)狀
1．2．1 確定性多學(xué)科設(shè)計(jì)優(yōu)化研究
1．2．2 不確定性量化理論
1．2．3 多學(xué)科可靠性評價方法
1．2．4 單學(xué)科可靠性分析方法
1．2．5 多學(xué)科可靠性分析方法
1．2．6 多學(xué)科可靠性設(shè)計(jì)優(yōu)化
1．3 本書主要內(nèi)容
參考文獻(xiàn)
第2章 多學(xué)科可靠性設(shè)計(jì)優(yōu)化理論基礎(chǔ)
2．1 多學(xué)科設(shè)計(jì)優(yōu)化理論
2．1．1 多學(xué)科設(shè)計(jì)優(yōu)化定義
2．1．2 多學(xué)科設(shè)計(jì)優(yōu)化數(shù)學(xué)模型
2．1．3 靈敏度分析技術(shù)
2．1．4 多學(xué)科設(shè)計(jì)優(yōu)化算法
2．1．5 多學(xué)科設(shè)計(jì)優(yōu)化策略
2．1．6 多學(xué)科設(shè)計(jì)優(yōu)化中的多目標(biāo)問題
2．1．7 多學(xué)科設(shè)計(jì)優(yōu)化環(huán)境
2．2 基于可靠性的設(shè)計(jì)優(yōu)化
2．2．1 不確定設(shè)計(jì)優(yōu)化
2．2．2 RBDO數(shù)學(xué)模型
2．2．3 RBDO流程
2．2．4 RBDO求解策略
2．3 本章小結(jié)
參考文獻(xiàn)
第3章 改進(jìn)的協(xié)同優(yōu)化算法
3．1 協(xié)同優(yōu)化算法改進(jìn)綜述
3．1．1 改進(jìn)協(xié)同優(yōu)化算法的收斂性能
3．1．2 提高協(xié)同優(yōu)化算法的計(jì)算效率
3．2 基于智能優(yōu)化算法的協(xié)同優(yōu)化算法
3．2．1 面向多學(xué)科設(shè)計(jì)優(yōu)化的智能優(yōu)化算法庫
3．2．2 自適應(yīng)智能優(yōu)化算法
3．2．3 自適應(yīng)協(xié)同優(yōu)化策略
3．3 基于線性近似過濾的聯(lián)合線性近似協(xié)同優(yōu)化策略
3．3．1 協(xié)同優(yōu)化算法的迭代過程
3．3．2 聯(lián)合線性近似協(xié)同優(yōu)化
3．3．3 聯(lián)合線性近似協(xié)同優(yōu)化過程中的線性近似沖突
3．3．4 線性近似過濾策略
3．3．5 基于LAF策略的CLA-CO計(jì)算流程
3．3．6 算例驗(yàn)證
3．4 本章小結(jié)
參考文獻(xiàn)
第4章 基于近似技術(shù)的可靠性分析方法
4．1 近似技術(shù)與試驗(yàn)設(shè)計(jì)概述
4．1．1 多學(xué)科設(shè)計(jì)優(yōu)化中的近似技術(shù)
4．1．2 多學(xué)科設(shè)計(jì)優(yōu)化中的試驗(yàn)設(shè)計(jì)方法
4．1．3 基于近似技術(shù)的多學(xué)科設(shè)計(jì)優(yōu)化應(yīng)用實(shí)例
4．2 基于逆可靠性原理抽樣的響應(yīng)面法
4．2．1 逆可靠性分析的響應(yīng)面法
4．2．2 基于逆可靠性分析原理的抽樣方法
4．2．3 算例驗(yàn)證
4．3 基于樣本點(diǎn)全插值的響應(yīng)面法及其應(yīng)用
4．3．1 樣本點(diǎn)全插值法
4．3．2 應(yīng)用樣本點(diǎn)全插值的響應(yīng)面法
4．3．3 算例驗(yàn)證
4．4 本章小結(jié)
參考文獻(xiàn)
第5章 多源不確定性數(shù)學(xué)建模
5．1 不確定性來源與分類
5．2 不確定性的數(shù)學(xué)建模理論
5．2．1 隨機(jī)不確定性的數(shù)學(xué)建模
5．2．2 模糊不確定性的數(shù)學(xué)建模
5．2．3 區(qū)間不確定性的數(shù)學(xué)建模
5．2．4 基于證據(jù)理論的隨機(jī)一模糊一區(qū)間不確定性統(tǒng)一表達(dá)
5．3 不確定性在多學(xué)科系統(tǒng)中的傳播
5．3．1 單學(xué)科不確定性傳播
5．3．2 多學(xué)科系統(tǒng)中的混合不確定性傳播
5．4 本章小結(jié)
參考文獻(xiàn)
第6章 單學(xué)科統(tǒng)一可靠性分析方法
6．1 可靠性分析概述
6．1．1 可靠度概念
6．1．2 可靠度指標(biāo)
6．1．3 可靠性評價
6．2 常用的可靠性分析方法
6．2．1 蒙特卡羅仿真分析方法
6．2．2 響應(yīng)面法
6．2．3 一階可靠性分析方法
6．2．4 二階可靠性分析方法（SORM）
6．2．5 其他可靠度求解方法
6．3 基于證據(jù)理論的統(tǒng)一可靠性分析
6．3．1 基于證據(jù)理論的可靠性分析
6．3．2 基于證據(jù)理論的統(tǒng)一可靠性分析方法
6．3．3 算例
6．4 基于概率論、可能性理論、證據(jù)理論的統(tǒng)一可靠性分析
6．4．1 隨機(jī)一模糊區(qū)間混合不確定性下的可靠性分析模型構(gòu)建
6．4．2 統(tǒng)一可靠性分析的FORM-?-URA方法
6．4．3 實(shí)例驗(yàn)證
6．5 基于插值的統(tǒng)一可靠性分析
6．5．1 目標(biāo)子似真度的確定
6．5．2 逆可靠性評估模型的建立
6．5．3 逆分析的最可能失效點(diǎn)的求解
6．6 本章小結(jié)
參考文獻(xiàn)
第7章 序列化的多學(xué)科統(tǒng)一可靠性分析方法
7．1 多學(xué)科可靠性分析方法概述
7．1．1 多學(xué)科可靠性分析流程
7．1．2 多學(xué)科分析
7．1．3 基于PMA的多學(xué)科可靠性分析
7．1．4 基于卡方分布的統(tǒng)一多學(xué)科可靠性分析方法
7．1．5 基于鞍點(diǎn)近似的多學(xué)科統(tǒng)一可靠性分析方法
7．2 基于概率論的序列化多學(xué)科可靠性分析方法
7．2．1 序列化多學(xué)科可靠性分析方法原理
7．2．2 序列化多學(xué)科可靠性分析中采用的方法
7．2．3 序列化多學(xué)科可靠性分析方法的數(shù)學(xué)模型
7．2．4 序列化多學(xué)科可靠性分析流程與步驟
7．3 基于概率論和凸集模型的序列化多學(xué)科可靠性分析方法
7．3．1 MU-SMRA方法原理
7．3．2 MU-SMRA數(shù)學(xué)模型
7．3．3 MU-SMRA流程與步驟
7．3．4 實(shí)例分析與討論
7．4 基于概率論、可能性理論和證據(jù)理論的序列化多學(xué)科可靠性分析方法
7．4．1 含有三種不確定性的多學(xué)科逆可靠性分析模型
7．4．2 嵌套MDPMA求解方法
7．4．3 IS MDPMA求解方法
7．4．4 算例驗(yàn)證
7．5 本章小結(jié)
參考文獻(xiàn)
第8章 考慮多源不確定性的多學(xué)科可靠性設(shè)計(jì)優(yōu)化建模
8．1 復(fù)雜產(chǎn)品系統(tǒng)MDO建模方法概述
8．1．1 系統(tǒng)的分解
8．1．2 多學(xué)科設(shè)計(jì)優(yōu)化建模技術(shù)
8．2 隨機(jī)不確定性下的RBMDO模型
8．2．1 RBMDO數(shù)學(xué)模型
8．2．2 采用多學(xué)科可行法的RBMDO
8．2．3 采用單學(xué)科可行法的RBMDO
8．3 基于概率論和凸集模型的RBMDO數(shù)學(xué)模型
8．3．1 不確定性的數(shù)學(xué)建模流程
8．3．2 可靠性綜合評價指標(biāo)的建立
8．3．3 多源不確定性條件下的RBMDO模型
8．4 考慮隨機(jī)模糊區(qū)間混合不確定性的RBMDO建模
8．4．1 不確定性的數(shù)學(xué)建模
8．4．2 隨機(jī)一模糊一區(qū)間混合不確定性下的可靠性評價
8．4．3 隨機(jī)一模糊一區(qū)間混合不確定性下的多學(xué)科可靠性設(shè)計(jì)優(yōu)化模型
8．5 本章小結(jié)
參考文獻(xiàn)
第9章 多源不確定性條件下的多學(xué)科可靠性設(shè)計(jì)優(yōu)化
9．1 基于可靠性的多學(xué)科設(shè)計(jì)優(yōu)化
9．1．1 數(shù)學(xué)模型
9．1．2 優(yōu)化流程
9．2 序列優(yōu)化與可靠性評估策略及其應(yīng)用
9．2．1 序列優(yōu)化與可靠性評估策略
9．2．2 基于SORA和CSSO的多學(xué)科可靠性設(shè)計(jì)優(yōu)化
9．2．3 基于SORA和CO的RBMDO
9．2．4 基于SORA和BLISCO的RBMDO
9．3 混合層次多學(xué)科可靠性設(shè)計(jì)優(yōu)化策略HSORA
9．3．1 HSORA思想
9．3．2 HSORA流程
9．3．3 HSORA方法步驟
9．4 隨機(jī)不確定性條件下的HSORA
9．4．1 HSORA-RBMDO策略
9．4．2 HSORA-RBMDO步驟
9．4．3 HSORA-RBMDO中的數(shù)學(xué)模型
9．5 隨機(jī)一認(rèn)知不確定性條件下的AEMDO
9．5．1 HSORA-AEMDO策略
9．5．2 HSORA-AEMDO步驟
9．5．3 HSORA-AEMDO中的數(shù)學(xué)模型
9．5．4 算例測試
9．6 隨機(jī)一模糊一區(qū)間不確定性下的SOMUA
9．6．1 單學(xué)科的SOMUA介紹
9．6．2 并行計(jì)算的SOMUA方法
9．6．3 RFIMDO一PCSOMUA方法與流程
9．6．4 RFIMDO-PCSOMUA過程中的移動向量
9．6．5 RFIMDO-PCSOMUA中的相關(guān)數(shù)學(xué)模型
9．6．6 數(shù)值算例驗(yàn)證
9．7 工程算例驗(yàn)證
9．7．1 航空齒輪傳動系統(tǒng)算例
9．7．2 概念船設(shè)計(jì)算例
9．8 本章小結(jié)
參考文獻(xiàn)
第10章 RBMDO發(fā)展展望
10．1 R13MDO技術(shù)
10．1．1 構(gòu)建精確的RBMDO模型
10．1．2 高效的RBMDO求解技術(shù)
10．2 多學(xué)科設(shè)計(jì)優(yōu)化建模
10．2．1 傳統(tǒng)多學(xué)科設(shè)計(jì)優(yōu)化建模存在的問題
10．2．2 基于MBSE的多學(xué)科設(shè)計(jì)優(yōu)化建模
10．2．3 基于Modelica的多學(xué)科設(shè)計(jì)優(yōu)化建模方法
10．3 多學(xué)科設(shè)計(jì)優(yōu)化環(huán)境
10．3．1 多學(xué)科設(shè)計(jì)優(yōu)化策略的功能需求
10．3．2 基于web服務(wù)的多學(xué)科設(shè)計(jì)優(yōu)化框架
10．3．3 未來的多學(xué)科設(shè)計(jì)優(yōu)化環(huán)境
10．4 多學(xué)科設(shè)計(jì)優(yōu)化與先進(jìn)技術(shù)的結(jié)合
10．4．1 基于多學(xué)科設(shè)計(jì)優(yōu)化的3D打印設(shè)計(jì)技術(shù)
10．4．2 基于數(shù)據(jù)挖掘和大數(shù)據(jù)的多學(xué)科設(shè)計(jì)優(yōu)化
10．5 本章小結(jié)
參考文獻(xiàn)