买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种基于Kriging代理模型辅助的齿轮减速器稳健优化设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115712977B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211020504.0，技术领域涉及：G06F30/20；该发明授权一种基于Kriging代理模型辅助的齿轮减速器稳健优化设计方法是由石雨葳;马义中;林成龙;周剑设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本一种基于Kriging代理模型辅助的齿轮减速器稳健优化设计方法在说明书摘要公布了：本发明提出一种基于Kriging代理模型辅助的齿轮减速器稳健优化设计方法，构建目标和约束的Kriging代理模型，获取目标和约束的预测均值及预测方差；根据可行性概率策略或最大约束期望改进准则实现样本填充；循环迭代更新样本库，直至达到最大迭代次数；在高效填充的样本空间上构建目标的基于因子效应原则的多项式响应面模型，在最小目标值参数组合的基础上用Kriging代理优化方法实现6稳健优化；对稳健参数组合用蒙特卡洛模拟结合约束Kriging模型得到目标稳健最优解及其参数组合。本发明能有效解决多项式响应面模型对样本依赖大的问题，提升模型的精度，避免在最小目标值的基础上将Kriging模型用于6稳健优化导致失败的缺陷，实现稳健优化设计。

本发明授权一种基于Kriging代理模型辅助的齿轮减速器稳健优化设计方法在权利要求书中公布了：1.一种基于Kriging代理模型辅助的齿轮减速器稳健优化设计方法，其特征在于，包括如下步骤： 步骤1，对齿轮减速器的小齿轮模数、齿宽、齿数采用最大最小拉丁超立方抽样方法进行初始试验设计，获得初始化参数样本； 步骤2，根据齿轮减速器问题信息，以齿轮减速器的总体积为优化目标，以齿轮重合度齿面接触疲劳强度σH、齿根弯曲疲劳强度σF为约束，构建齿轮减速器优化模型，进行仿真计算，得到齿轮减速器总体积的目标响应值和齿轮重合度、齿面接触疲劳强度、齿根弯曲疲劳强度的约束响应值，并将初始化参数样本和所得目标及约束的响应值保存，建立初始样本库； 步骤3，分别构建目标和约束条件的Kriging代理模型，获取目标响应和约束的预测均值及预测方差； 步骤4，判断样本库中样本是否存在可行解，若无可行解，则根据约束的预测均值及预测方差构建可行性概率策略实现样本填充，否则根据目标响应和约束的预测均值及预测方差构建最大化约束期望改进准则获取新试验样本，并利用计算机软件实现仿真计算，将新试验样本数据及其对应的仿真输出目标值及响应值置于样本库中； 步骤5，循环迭代步骤3-4更新样本库，直至达到最大迭代次数，据此得到最小目标值、对应的参数组合和高效填充的样本空间； 步骤6，在步骤5获取的高效填充的样本空间上构建目标的基于因子效应原则的多项式响应面模型，在最小目标值的参数组合基础上结合Kriging代理优化方法实现6σ稳健优化，得到目标稳健解及其稳健参数组合，具体方法为： 步骤6.1：在步骤5获取的高效填充样本空间上构建目标多项式响应面模型； 其中，yx表示齿轮减速器总体积，xi是齿轮减速器设计变量x的第i个分量，X是因子效应矩阵，具体表示为β0，βi，βij分别为常数项，一阶项以及二阶，三阶项的回归系数，β是回归系数矩阵，具体表示为ξ是误差项； 步骤6.2，依据因子效应原则中的效应稀疏原则、效应排序原则、效应遗传原则构建因子变量筛选器进行因子筛选，构建基于因子效应原则的多项式响应面模型； 变量筛选器表示为： 其中，γ1,γ2,γ3分别表示因子x1,x2,x3的变量筛选器，γ12γ1γ2,…,γ23γ2γ3分别表示因子x1x2,…,x2x3的变量筛选器，分别表示的变量筛选器，分别表示的变量筛选器；依据因子效应原则，若该因子被认定为非显著因子，则其对应的变量筛选器值为0；反之，则为1； 基于因子效应原则的多项式响应面模型表示为： yx＝XUTβ+ξ 即 其中，Uγ为变量筛选器构成的矩阵，具体表示为 步骤6.3：假设设计变量x1,x2,x3的均值为μ1,μ2,μ3，将体积的基于因子效应原则的多项式响应面模型在x＝[μ1,μ2μ3]T处进行二阶泰勒展开并取数学期望，得到体积均值μf和方差的近似表达如下： 其中，σ为x的标准差，取σ＝0.01μ； 步骤6.4，依据最小目标值对应的参数组合及其标准差重构参数区间[xLSL+6σ,xUSL-6σ]，构建齿轮减速器的6σ稳健优化模型； minF＝μfx+6σfx 其中，和是第i个约束条件Gi的均值和标准差；XLSL和XUSL分别为设计变量的下限值和上限值，σx为设计变量的标准差；BL,BR为约束条件的上、下界； 步骤6.5：结合Kriging代理优化方法对齿轮减速器的6σ稳健优化模型进行迭代寻优，得到目标稳健解及稳健参数组合； 步骤7，对获取的稳健参数组合用蒙特卡洛模拟结合约束Kriging代理模型进一步寻优，得到目标稳健最优解及对应参数组合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。