一种适用于气动优化的高效自适应全局优化方法

随着设计空间的增大和优化问题非线性程度的提高，基于代理模型的优化（SBO）过程收敛越来越慢，并且在局部勘测上呈现不足。本文发展了一种高效自适应全局优化方法，在整个样本细化迭代过程中采用变设计空间取样：即在每一步样本细化迭代过程中，利用当前设计空间中的样本建立代理模型，并且根据样本的内部特征，利用模糊聚类算法将该设计空间分割成几个子空间，然后在每个子空间内通过最大化目标函数的期望提高函数和最小化模型预测目标来增加新的样本，之后对子空间进行融合更新设计空间。6个解析测试算例的结果表明，所发展的方法相比于一般的代理模型优化方法，具有更好的鲁棒性以及全局探索和局部勘测能力，更适用于具有强非线性和多极值的优化问题。RAE2822气动优化实例表明，所发展的方法在处理工程实际问题时，仍然能够保持很好的效率、鲁棒性和自适应性。     

基于双层代理模型的无人机气动隐身综合设计

基于双层代理模型方法展开飞翼布局无人机气动隐身综合设计方法研究.DSM模型集成了插值型代理模型和回归型代理模型的优点,在同样样本的条件下,具有更高的预测精度.文中分别以Navier-Stokes方程数值求解方法和稀疏矩阵方法分析无人机气动、隐身特性,并构造了两种分析方法的DSM模型,验证了DSM模型特性.文章最后基于自适应代理模型优化设计策略,结合多目标遗传算法将DSM模型用于无人机气动隐身综合设计,使其在满足一定约束的前提下最小化全机阻力和头向雷达反射截面,取得了令人满意的设计结果,验证了文中方法的实用性.     

自适应设计空间扩展的高效代理模型气动优化设计方法

对基于Kriging模型气动优化的加点方法和设计空间的构建问题进行了研究。首先,针对高效全局优化（EGO）方法收敛缓慢的问题,提出了一种混合加点方法,该方法通过引入期望提高（EI）阈值控制EI和最小预测值（MP）加点准则,利用先全局再局部的优化思想,提高了EGO方法在确定设计空间内的收敛性。其次,针对设计空间的构建问题,对比了扩大设计变量范围和多轮优化两种不同的设计空间构建方法,分析了设计变量范围对设计空间大小和样本密度的影响,进而提出了自适应设计空间扩展的代理模型优化方法。相对于传统固定设计空间的方法,自适应设计空间扩展的方法在动态的设计空间中进行优化搜索,只在有潜力的维度扩展设计变量范围,通过构建自适应设计空间,实现了样本的高效配置。最后,通过ADODG标准翼型优化算例证实,自适应设计空间优化方法可以大幅提高气动优化设计效率。     

综合时序信息的试验优化设计及稀疏求解

考虑不同试验点的试验成本及试验时序信息,在性能指标与影响因素间的响应模型未知情况下,利用装备系统的先验信息构造模型驱动的基函数,构造相应的回归模型来刻画系统的内在关系,分析不同试验点成本及试验时序对试验方案的影响。定义了一种考虑空间权重及批序贯时序的非均匀最优设计模型,将稀疏理论引入到回归试验设计中,把不同批次试验下的回归试验设计模型参数估计问题转换为结构化稀疏重构问题,讨论了非均匀最优设计的构造定理,提出结构化稀疏参数求解算法。算例表明:利用本方法生成的试验点考虑了试验点空间权重和试验时序信息,更符合实际试验规程;采用本方法获得的响应函数得到的期望预测误差更小。     

基于粒子群算法的航空离心泵复合叶轮优化设计研究

针对航空离心泵复合叶轮三元扭曲型线的优化设计问题,基于Matlab平台采用五点四次Bezier曲线控制四条轴面流线的空间圆周角度分布,实现复合叶型的参数化设计。在此基础上,应用批处理联合仿真方法对125组优化空间样本进行数值模拟,并以效率函数为目标,基于高斯型径向基函数构建复合叶轮型线参数的性能代理模型。最后采用粒子群算法对优化设计参数进行全局寻优搜索。结果表明,代理模型的修正复相关系数为0.9269,标准差为0.1036,能够满足参数预测的性能要求,优化后整泵水力效率提高2.72%。     

一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。     

考虑螺旋桨滑流影响的机翼气动优化设计

涡桨飞机的机翼、短舱等部件在滑流作用下周围的流场特性与无滑流状态下截然不同。所以,应该在涡桨飞机的机翼气动设计过程中考虑螺旋桨滑流的影响,从而使得机翼在真实飞行时滑流作用下表现出更好的气动特性。采用基于雷诺平均Navier-Stokes方程的多重参考坐标系(MRF)方法对螺旋桨滑流进行高精度准定常数值模拟,通过自由变形(FFD)技术实现螺旋桨飞机机翼的参数化构建,应用径向基函数(RBF)插值的动网格技术进行网格自动生成,获得样本机翼在滑流影响下的气动数据后,建立目标函数和状态函数的Kriging代理模型,结合随机权重粒子群优化(PSO)算法、Kriging代理模型和对应的EI(Expected Improvement)函数加点准则进行加样本点以及代理模型重建,从而建立滑流影响下机翼气动优化设计系统。使用该系统对某型螺旋桨飞机进行了滑流影响下的优化设计,结果表明,优化后的构型机翼和短舱在巡航状态下减阻达3.98counts,升阻比提高了3.325%。因此,建立的考虑滑流影响下的机翼优化设计方法是可行的。     

基于支持向量回归代理模型的气动力优化设计

目前,气动力优化设计中通常基于经验风险最小化原则构建代理模型,预测精度的提高需要更多的训练样本,计算代价较大,同时盲目降低代理模型的训练误差难以避免过学习问题。针对上述问题,首先提出采用支持向量回归(SVR)方法基于结构风险最小化原则构建代理模型的思路,然后对测试函数和翼型阻力进行预测,最后对某型运输机机翼进行优化设计试验。结果表明:与其他代理模型对比,基于SVR的代理模型在小样本情况下具有较好的泛化能力,并且能够快速准确地预测气动特性,在飞机优化设计中,可以提高工作效率,优化结果可靠、可控。     

基于机器学习方法的压气机落后角与总压损失预测代理模型

为了提高压气机特性预测的精度，基于机器学习方法构建预测落后角与总压损失的代理模型。以一台两级压气机为研究对象，基于多个转速工况下的流场实验数据和叶片几何参数建立了基元叶型数据库。通过灵敏度分析方法筛选出对落后角和总压损失影响最大的输入参数，分别采用高斯过程回归和人工神经网络两种机器学习算法建立落后角与总压损失模型，并引入贝叶斯优化算法搜索最佳模型超参数。对于人工神经网络面临的优化问题和泛化问题，调整模型学习率和修正参数梯度以加速收敛，同时采用正则化方法增强模型泛化能力。模型训练过程采用交叉验证策略以降低过拟合风险，并将优化后的代理模型整合到通流程序中对压气机进行特性预测验证。对比表明，低转速工况代理模型的压比特性预测误差显著低于经验模型，其中人工神经网络建模改善最明显，相比经验模型预测误差降低了0.1。通过代理模型横向对比，基于人工神经网络建立的代理模型比基于高斯过程的代理模型预测精度更高且鲁棒性更强。     

损失及落后角代理模型在多级轴流压气机特性预测中的应用

为了提高轴流压气机设计能力,进而提高发动机的特性,需要掌握一种能够较好预测轴流压气机的压比、效率等特性的方法。结合运用三元流动理论和传统损失落后角模型计算出的压气机流场数据,利用正则化径向基函数神经网络取代经验公式搭建了一种新的损失及落后角模型,计算了E3十级高压压气机的特性;并分别研究了不进行正则化和进行正则化对损失及落后角预测的影响与其对压气机效率和压比特性预测的影响。结果表明,在多级压气机中,在训练样本区分转静子、区分转速、区分工况条件下,使用正则化的径向基神经网络代理模型在大部分情况下能够较好地预测损失、落后角及多级压气机整体特性,但是对沿叶高分布的损失及落后角预测能力还有待提高。     

Pressure distribution feature-oriented sampling for statistical analysis of supercritical airfoil aerodynamics

In the field of supercritical wing design, various principles and rules have been summarized through theoretical and experimental analyses. Compared with black-box relationships between geometry parameters and performances, quantitative physical laws about pressure distributions and performances are clearer and more beneficial to designers. With the advancement of computational fluid dynamics and computational intelligence, discovering new rules through statistical analysis on computers has beco...     

基于序列采样算法的轮盘减质优化

介绍了一种基于蒙特卡罗表述的空间缩减策略和局部边界线搜索的序列采样算法,该算法利用已有样本点的信息缩减原有设计空间,使得在缩减设计空间上生成的新样本点能够同时具有良好的空间填充特性和投影特性.与已有的序列采样算法的比较结果表明,该算法具有较高的采样效率和采样质量.采用此序列采样算法结合Kriging模型和遗传算法进行轮盘减质优化,优化结果减质10%.该序列采样算法为工程结构的优化提供了一条灵活有效的途径.      

混合变量系统基于MCMC的自适应重要抽样法

 系统关键故障的发生,会导致系统处于各种离散性能降级状态.针对传统的基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于连续变量系统的不足,提出考虑混合变量的基于MCMC的自适应重要抽样法,以支持系统性能可靠性的高效仿真.该方法首先将由关键故障产生的不同失效域组成失效空间,并通过初始样本点在失效空间中随机游走构造马尔可夫链模拟样本;然后综合考虑连续变量与离散变量,利用核密度估计构建混合核抽样密度函数;再根据该密度函数进行重要抽样仿真并计算系统的性能可靠性;最后对该方法的仿真效率进行理论分析.通过电液舵机(Electro-Hydrostatic Actuator,EHA)案例对方法的正确性和仿真效率进行验证.     

ABCLS method for high-reliability aerospace mechanism with truncated random uncertainties

The random variables are always truncated in aerospace engineering and the truncated distribution is more feasible and effective for the random variables due to the limited samples available.For high-reliability aerospace mechanism with truncated random variables, a method based on artificial bee colony(ABC) algorithm and line sampling(LS) is proposed.The artificial bee colony-based line sampling(ABCLS) method presents a multi-constrained optimization model to solve the potential non-convergence problem when calculating design point(is also as most probable point, MPP) of performance function with truncated variables; by implementing ABC algorithm to search for MPP in the standard normal space, the optimization efficiency and global searching ability are increased with this method dramatically.When calculating the reliability of aerospace mechanism with too small failure probability, the Monte Carlo simulation method needs too large sample size.The ABCLS method could overcome this drawback.For reliability problems with implicit functions, this paper combines the ABCLS with Kriging response surface method,therefore could alleviate computational burden of calculating the reliability of complex aerospace mechanism.A numerical example and an engineering example are carried out to verify this method and prove the applicability.     

小样本无失效寿命试验数据的轴承可靠性评估

针对小样本无失效寿命试验数据可靠性问题提出了评估模型。模型采用Bayes理论构造服从原始样本的抽样函数,结合Bootstrap法生成大量服从抽样函数的随机数作为增广样本,再通过最佳线性不变估计法分析原始样本及增广样本得到Weibull分布双参数估计值作为可靠性评估结果。通过Monte-Carlo法仿真生成服从Weibull分布的随机数,分别采用该模型、配分布曲线法及现有Bayes理论对此随机数做评估,对比发现:该模型得到的参数估计较现有Bayes理论和配分布曲线法更接近Weibull双参数真值,且形状参数和尺度参数估计值的相对误差均低于10%,验证了模型分析小样本无失效数据进行可靠性评估的可行性。借助文献实例对模型进行分析,对比得出模型能得到较现有Bayes理论和配分布曲线法更符合工程实际的评估结果;模型在小样本情况下的双侧可靠度置信区间长度低于现有Bayes理论和配分布曲线法,有效提高了小样本无失效数据可靠性评估精度。      

基于交叉熵和空间分割的全局可靠性灵敏度分析

基于失效概率的全局灵敏度分析可以度量各个基本随机变量的不确定性对失效概率的影响程度,对如何降低结构的失效概率具有指导意义。基于交叉熵方法和空间分割提出一种新全局可靠性灵敏度分析方法。该方法采用交叉熵法自适应的确定重要抽样密度函数,有效地回避了传统重要抽样中设计点位置和个数求解的困难。基于评估失效概率所使用的样本,利用空间分割方法计算各个输入随机变量的全局可靠性灵敏度指标,能够提高样本的利用率和计算效率。文中利用一个数值算例和两个工程算例验证了所提方法的计算效率和精度。     

高维小失效概率下的改进线抽样方法

 针对隐式极限状态方程的可靠性分析，提出了一种基于失效域样本模拟的高效线抽样法。该法采用马尔可夫链来快速得到失效域中的条件样本，利用这些失效域中的样本可以得到线抽样的重要方向，并且这些样本还可以作为线抽样的样本，来得到隐式极限状态方程失效概率的估计值。由于该法可以较准确地得到线抽样方法的重要方向，因此线抽样的效率可以得到提高，另外失效域的样本又可以作为线抽样的样本，从而进一步降低所提方法的计算工作量。算例表明所提算法的计算精度和效率均高于传统线抽样方法。     

Efficient particle filtering for road-constrained target tracking

The variable-structure multiple-model particle filtering approach for state estimation of road-constrained targets is addressed. The multiple models are designed to account for target maneuvers including "move-stop-move" and motion ambiguity at an intersection; the time-varying active model sets are adaptively selected based on target state and local terrain condition. The hybrid state space is partitioned into the mode subspace and the target subspace. The mode state is estimated based on random sampling; the target state as well as the relevant likelihood function associated with a mode sample sequence is approximated as Gaussian distribution, of which the conditional mean and covariance are deterministically computed using a nonlinear Kalman filter which accounts for road constraints in its update. The importance function for the sampling of the mode state approximates the optimal importance function under the same Gaussian assumption of the target state.     

A New Sampling Procedure for the Synthesis of Linear Transversal Filters

In linear transversal filters for signal processing, the impulse response of the filter is syntheszed in a sampled form by means of a tapped delay line with weighted and summed taps. The synthesis procedure consists of sampling the specified impulse response at appropriate intervals and using the sample values as the tap weights. A nonuniform sampling procedure for the synthesis of the impulse response is introduced, which can produce results more conveniently than the classical Shannon sampling procedure because of the simplicity of the transversal filter implementation. According to the new procedure, in the time domain the samples are taken at points where the instantaneous phase of the impulse response is a multiple of ir radians. The spectral distribution which ensues in the frequency domain consists of a series of spectra all having the same fractional bandwidth. The transversal filters synthesized by this sampling criterion are referred to as phase-sampled impulse response (PSIR) filters. An important application of PSI R filters is to the generation and matched filtering of a large class of AM and FM waveforms.