基于可靠度约束的预应力混凝土结构设计的贝叶斯优化方法

《Data-Centric Engineering》:A Bayesian optimization approach for reliability-based design of prestressed concrete structures

【字体: 大 中 小 】 时间:2026年01月30日 来源:Data-Centric Engineering 3.2

编辑推荐:

  本研究提出一种面向不确定条件下结构设计的可靠性约束贝叶斯优化(reliability-constrained Bayesian optimization)框架,以应对目标函数与约束由潜在高代价数值模型隐式定义的随机优化挑战。该方法利用贝叶斯求积(Bayes–H

  
本研究提出一种面向不确定条件下结构设计的可靠性约束贝叶斯优化(reliability-constrained Bayesian optimization)框架,以应对目标函数与约束由潜在高代价数值模型隐式定义的随机优化挑战。该方法利用贝叶斯求积(Bayes–Hermite quadrature)在高斯过程(Gaussian process, GP)代理模型中进行不确定性传播,显式考虑参数不确定性。方法兼容任意概率分布,并采用基于梯度的优化最大化采集函数,策略性地选取样本点以最小化数值模型调用次数。研究人员通过一个解析测试函数与一个预应力拉杆(prestressed tie-beam)设计案例,证明了该算法相较随机搜索与传统贝叶斯优化具有更优性能,显示了其在结构优化问题中的实际适用性。
研究背景方面,结构工程中的不确定性存在于材料属性、环境条件、几何尺寸、分析模型及人为误差中。现行规范(如欧洲规范Eurocodes)采用荷载与抗力系数法,以确定性偏安全系数隐式处理概率性质,存在全局保守或局部不足、主观校准等问题。在气候目标下,安全与效率的权衡亟待重估。可靠性基设计优化(reliability-based design optimization, RBDO)显式引入概率(机会)约束,但面临非凸性、多元积分NP难、高代价数值模型评估成本高等困难。经典FORM/SORM及蒙特卡洛模拟各有局限;机器学习代理模型虽缓解计算负担,仍需求较多训练样本。可靠性约束贝叶斯优化将期望改进(Expected Improvement, EI)等采集函数扩展至概率目标与约束,但既有研究多聚焦无约束鲁棒设计,结构设计中约束优先的特性未被充分顾及,预应力混凝土设计此前无人触及。
研究人员开展的研究为:在低维情形下,构建单循环、可靠性约束贝叶斯优化框架,以高斯过程代理联合建模目标f(x,ξ)与约束gi(x,ξ),其中x为确定性设计变量,ξ为已知分布的随机环境参数;利用贝叶斯求积对ξ积分得到边际GP,给出期望目标μ?(x)与方差σ?2(x)的解析或蒙特卡洛估计;采集函数取改进版EI与可行概率(probability of feasibility, PF)乘积,ξ采样沿用加权平方误差(weighted squared error, WSE)准则;优化器采用PyTorch Adam批量模式,GP后端为GPyTorch并启用快速方差预测。案例含解析测试函数与预应力拉杆,对比随机搜索与普通贝叶斯优化。
主要关键技术方法如下:建立联合(x,ξ)空间高斯过程代理,协方差用平方指数核k(x,x′)=σf2exp(?|x?x′|2/(2?2));借助贝叶斯求积(O’Hagan 1991)将ξ积分掉,获得关于x的边际GP均值μ?(x)与协方差Σ?(x,x′);采集函数定义为改进EI(μ?(x)?μ*项配合Φ、?)与独立约束可行概率∏Φ(?μi/σi)之积,ξ新点由maxξ σ2(x,ξ)p(ξ)选定;初始样本用拉丁超立方抽样;超参由对数边缘似然最大化得到。案例研究中的预应力拉杆参数分布来自结构荷载规范典型取值,未涉及生物试剂与分子操作。
研究结果部分,按原文小节浓缩。第2节可靠性基设计优化给出核心问题:maxx ??ξf(x,ξ) s.t. P(gi(x,ξ)≤0)≥1?βi,明确ξ为不可控随机环境变量、约束独立。第3节贝叶斯优化中,3.1高斯过程给出回归后验均值μ(X*)与协方差Σ(X*)闭式;3.2 Bayes–Hermite求积证明对GP先验积分后边际仍为高斯,ξ高斯时μ?、Σ?有解析解;3.3采集函数给出EI闭式与PF乘积,并指出本文ξ积分版本区别于Groot等、Swersky等、Do等未对ξ积分的近似。第4节算法描述单循环流程:每轮用Adam优化x采集函数得xnew,用WSE选ξnew,评估贵模型,更新GP;末尾以代理期望目标最大且约束满足为推荐设计。第4章(原文Section 4结果)解析函数显示该方法以更少模型调用逼近真最优,预应力拉杆案例在指定可靠度βi下获得比随机搜索与传统BayesOpt更省材料的设计点,验证框架对非线性、隐式约束有效。
讨论与结论翻译浓缩:研究人员指出该框架将可靠性估计与优化统一于单循环,区别于双循环自适应可靠性分析(Bichon等、Moustapha & Sudret)。方法在低维(d+dim(ξ)较小)表现佳,高维或强相关约束需进一步扩展;偏安全系数校准主观性被缓解,但GP核与边缘似然优化仍影响收敛。结论为:可靠性约束贝叶斯优化可显式纳入参数不确定性、兼容非高斯ξ(蒙特卡洛求积)、以梯度采集函数减少贵模型调用,在预应力混凝土拉杆设计中实现安全约束下材料效率提升,对降低建筑碳足迹具工程意义;未来可拓展相关约束联合处理、高维批量化与不同结构数值模型迁移。全文发表于《Data-Centric Engineering》。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号