本发明涉及一种机械疲劳强度优化设计，特别是关于一种传动轴疲劳强度优化方法、系统、存储介质及计算设备。
背景技术：
1、随着有限元技术的飞速发展，大量的计算机辅助软件软件被广泛应用于结构优化设计中。然而，传动轴疲劳强度优化设计的难点主要在于其有限元分析过程复杂，一次结构有限元静力分析都会耗费较长的时间，而进行疲劳强度分析时需要进行大样本量的结构分析，往往需要数十次乃至数百次的迭代计算才能得出优化方案。应用近似模型来拟合复杂高精度的数值模拟计算模型，构建近似的目标函数或约束函数来表征结构的性能响应，进而采用进化算法对其进行优化求解，可有效降低优化设计的计算成本和时间。
2、已有多种方法被提出用于解决传动轴的疲劳强度优化设计问题，主要包括有限元拓扑法和代理模型法。前者是在已定的设计区域和约束条件下，寻找材料的最优分布或载荷的最佳传递路径，从而得到满足各项性能且质量较轻的结构，其表现形式有均匀化方法、变密度法和变厚度法等。后者多采用doe试验方法对机械结构的关键设计变量进行采样，在对设计变量进行灵敏度分析筛选后建立符合精度要求的近似模型，利用相关算法对机械结构多个目标进行优化求解，使结构的综合性能达到最优。目前常用的代理模型包括响应面模型、径向基模型、kriging模型等。
3、有限元拓扑结构优化方法虽然通过材料去除实现了结构的轻量化，但是为了获得解析的数学模型作为适应度函数，在具体操作过程中需要依赖已有的设计经验进行反复多次的仿真实验和模型修正，不但建模时间长、优化效率低，而且拓扑结构边界不够清晰，优化过程的灵敏度计算也比较复杂，因此缺乏普适性和可靠性。近年来，研究人员广泛应用代理模型近似模型来拟合复杂高精度的数值模拟计算模型，构建近似的目标函数或约束函数来表征结构的性能响应。然而，现有近似模型的精度较低，泛化能力较差，求解效率还存在着很大的改进空间。
技术实现思路
1、针对上述问题，本发明的目的是提供一种传动轴疲劳强度优化方法、系统、存储介质及计算设备，其克服了现有的疲劳强度优化设计难以处理高成本低效率的困难现状，在保证疲劳强度优化设计精度的前提下，降低计算成本，提高计算效率，实现传动轴的高效疲劳强度优化设计。
2、为实现上述目的，第一方面，本发明采取的技术方案为：一种传动轴疲劳强度优化方法，其包括：基于建立的传动轴的参数化模型，采用熵权topsis法计算关键结构参数对传动轴输出响应的贡献度，以贡献度最高的结构参数作为传动轴疲劳强度优化设计的设计变量，建立传动轴疲劳强度优化设计的数学模型，以计算获得传动轴模型的性能响应值，性能响应值包括应力、应变和寿命；基于选取的设计变量和对应的性能响应值构建初始的kriging代理模型，并基于bayesian后验特性设置控制函数，将其引入经典期望加点策略，以建立bayesian期望改进控制的kriging代理模型；以传动轴寿命最大为目标，基于bayesian期望改进控制的kriging代理模型对传动轴疲劳强度进行优化设计，并采用遗传算法进行全局搜索，求解满足约束条件下传动轴的最优结构参数和疲劳寿命。
3、进一步，采用熵权topsis法计算关键结构参数对传动轴输出响应的贡献度，以贡献度最高的结构参数作为传动轴疲劳强度优化设计的设计变量，包括：
4、结合边界约束条件和载荷，根据传动轴的材料特性，对传动轴初始简化模型进行有限元分析，得到应力分布云图和变形云图结果；
5、通过有限元分析选择能提高结构强度和使用寿命的参数，并通过熵权topsis法计算参数对各个响应指标的单一贡献度，根据各评价指标单一贡献度的结果作进一步计算，得到各响应指标的综合贡献度，综合贡献度最高的结构参数作为设计变量。
6、进一步，建立传动轴疲劳强度优化设计的数学模型，包括：
7、将选择的设计变量作为输入参数，并将传动轴的质量和有限元分析后得到的性能响应作为约束条件；
8、基于正应变的临界面多轴疲劳损伤模型求解传动轴的疲劳寿命，将计算得到的疲劳寿命最大值作为优化目标，建立数学模型。
9、进一步，计算获得传动轴模型的性能响应值，包括：
10、采用拉丁超立方抽样方法在设计变量的范围内抽取样本点建立设计空间；
11、根据将抽取的样本点数据依次输入数学模型中，通过有限元分析和数值计算获得传动轴模型的性能响应值。
12、进一步，建立bayesian期望改进控制的kriging代理模型，包括：
13、判定初始的kriging代理模型的准确定是否满足设定要求，满足则输出最优设计变量及对应的最优响应值，反之则基于bayesian后验特性设置控制函数，将其引入经典期望加点策略，得到bayesian期望改进控制的kriging代理模型。
14、进一步，以传动轴寿命最大为目标，基于bayesian期望改进控制的kriging代理模型对传动轴疲劳强度进行优化设计，包括：
15、以bayesian期望改进策略作为优化加点准则，指导新的样本点加入并求解新样本点对应的响应值；
16、获取当前代理模型的bayesian期望改变最大值，判断其值是否满足精度条件；若满足，则优化终止，当前代理模型的最优解为设计空间的最优解；若不满足，则计算需要再新加入样本点。
17、进一步，采用遗传算法进行全局搜索，求解满足约束条件下传动轴的最优结构参数和疲劳寿命，包括：
18、以代理模型为适应度函数，利用遗传算法在给定设计空间上寻求最优解；
19、设定终止条件，若满足终止条件，则优化过程结束，输出优化过后的传动轴尺寸参数，并通过数值模拟方法验证方法的准确性，若不满足，通过进化操作更新参数再次进行寻优，直至满足终止条件后优化过程结束。
20、第二方面，本发明采取的技术方案为：一种传动轴疲劳强度优化系统，其包括：优化设计模块，基于建立的传动轴的参数化模型，采用熵权topsis法计算关键结构参数对传动轴输出响应的贡献度，以贡献度最高的结构参数作为传动轴疲劳强度优化设计的设计变量，建立传动轴疲劳强度优化设计的数学模型，以计算获得传动轴模型的性能响应值，性能响应值包括应力、应变和寿命；代理模型构建模块，基于选取的设计变量和对应的性能响应值构建初始的kriging代理模型，并基于bayesian后验特性设置控制函数，将其引入经典期望加点策略，以建立bayesian期望改进控制的kriging代理模型；优化结果确定模块，以传动轴寿命最大为目标，基于bayesian期望改进控制的kriging代理模型对传动轴疲劳强度进行优化设计，并采用遗传算法进行全局搜索，求解满足约束条件下传动轴的最优结构参数和疲劳寿命。
21、第三方面，本发明采取的技术方案为：一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如上述方法中的任一方法。
22、第四方面，本发明采取的技术方案为：一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如上述方法中的任一方法的指令。
23、本发明由于采取以上技术方案，其具有以下优点：
24、1、本发明基于改进kriging代理模型结合遗传算法的传动轴疲劳强度仿真优化设计方法采用熵权topsis法快速求解关键结构尺寸对传动轴参数化模型输出响应的贡献度以减小输入参数维度，以实现对分析对象的快速建模，优化设计问题的有效降维。
25、2、本发明采用控制函数并引入经典期望加点策略，从而建立bayesian改进期望控制的kriging代理模型，以提高kriging代理模型的迭代速度、稳定性和计算精度。
26、3、本发明采用改进代理模型拟合设计变量与约束条件的隐式关系，以传动轴寿命尽可能大为优化目标展开低周疲劳强度优化设计，并运用遗传算法进行优化求解，可有效提高传动轴的疲劳寿命。
1.一种传动轴疲劳强度优化方法，其特征在于，包括：
2.如权利要求1所述传动轴疲劳强度优化方法，其特征在于，采用熵权topsis法计算关键结构参数对传动轴输出响应的贡献度，以贡献度最高的结构参数作为传动轴疲劳强度优化设计的设计变量，包括：
3.如权利要求1所述传动轴疲劳强度优化方法，其特征在于，建立传动轴疲劳强度优化设计的数学模型，包括：
4.如权利要求3所述传动轴疲劳强度优化方法，其特征在于，计算获得传动轴模型的性能响应值，包括：
5.如权利要求1所述传动轴疲劳强度优化方法，其特征在于，建立bayesian期望改进控制的kriging代理模型，包括：
6.如权利要求5所述传动轴疲劳强度优化方法，其特征在于，以传动轴寿命最大为目标，基于bayesian期望改进控制的kriging代理模型对传动轴疲劳强度进行优化设计，包括：
7.如权利要求1所述传动轴疲劳强度优化方法，其特征在于，采用遗传算法进行全局搜索，求解满足约束条件下传动轴的最优结构参数和疲劳寿命，包括：
8.一种传动轴疲劳强度优化系统，其特征在于，包括：
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
