基于神经网络的协作优化方法在飞机总体设计中的应用

多学科设计优化技术是国内外迅速发展的一门学科,而协作优化方法是其中最常用的一种有效的分布式并行优化方法.本文探讨了基于人工神经网络响应面的协作优化设计算法,从神经网络的原理和求解方法出发,对标准的BP神经网络进行相应的改进以适用于协作优化框架,并给出了一个飞机总体方案设计的算例,应用该方法对总体参数进行优化.算例证明,神经网络方法的引入可使协同优化的计算收敛速度更快,可靠性更高,并且有较好的鲁棒性.     

基于Kriging模型的涡轮叶片多学科设计优化

引入基于Kriging模型的近似技术, 建立了一种三维涡轮叶片的多学科设计优化方法.系统介绍了Kriging近似模型, 采用松散耦合方法考虑叶片各学科之间的耦合关系, 在多学科耦合分析的基础上, 采用多学科可行方法与基于Kriging模型的多学科优化方法分别进行了优化和比较.算例表明, 同等条件下相对于前者, 后者能够在精度无明显损失的情况下更快地收敛到最优解, 使涡轮叶片的各项性能得到明显改善, 证明该优化方法是可行有效的.      

基于遗传算法的无人机多目标协作优化

为充分利用随控布局的优点,提出了集成飞行动力学与控制的无人机多学科设计优化(MDO)框架。针对任务需要选定了控制结构及对应的目标函数和约束,确定了能够处理更多目标函数和约束的鲁棒多学科设计优化方法。由于传统约束非线性规划的求解困难,提出了基于遗传算法的二级多目标协作优化方法。优化结果表明,基于遗传算法的多目标协作优化较传统协作优化更容易收敛。飞行动力学与控制的集成,给无人机在概念设计阶段提供了更大的外形设计自由度。     

分布式协同进化MDO算法及其在导弹设计中应用

 针对现有基于梯度的多学科设计优化 (MDO)算法不适用于具有离散和整数设计变量、设计空间非凸或不连通的多学科设计优化问题,以及倾向于收敛到接近初始点的局部最优点的缺点,为充分发挥进化算法的优越性,根据协同进化与 MDO在本质上的相似性,采用分布式协同进化机制进行 MDO算法研究。提出了分布式协同进化 MDO算法,并将该算法应用于导弹的气动 /发动机 /控制一体化优化设计。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

基于图形变形法的固体火箭发动机优化设计

基于图形变形法探索固体火箭发动机优化设计空间，通过可视化展示设计空间形态，能够提高固体火箭发动机优化设计效率和质量。采用试验设计方法对设计变量和约束条件重要性进行排序，简化优化模型；采用图形变形法对简化优化模型在不同试验设计点进行可视化分析；可视化选取可行设计空间中目标函数较小的点作为初始点。应用三种常规优化算法对4个不同初始点进行优化计算，计算结果表明，图形变形法优选的初始点使优化效率有不同程度的提高，优化结果具有更好的全局最优解特性；与遗传算法比较，效率提高400倍以上。     

遗传算法在雷达吸波涂层多目标优化设计中的应用

本文利用遗传算法实现了雷达吸波涂层的多目标优化设计.首先对目标函数进行合理设计,同时基于Pareto最优概念,采用非劣分层遗传算法(NSGA)进行多目标优化.对具体实例的优化结果表明,该方法利用共享函数和小生境技术,可以使优化结果均匀的收敛于Pareto域附近.同传统优化方法相比,该方法物理意义明确,对决策者来说更具科学性、针对性和实用价值.     

基于一种贝叶斯优化框架的高空螺旋桨气动优化设计

为了在可接受时长内获得高空螺旋桨气动方案的最优解，提出一种基于贝叶斯优化框架的高空螺旋桨气动外形优化设计方法。该方法以拉丁超立方抽样获取螺旋桨气动外形参数的初始样本点，建立以该参数为输入、数值模拟获取螺旋桨气动性能为输出的初代高斯过程模型；以遗传算法和三种并行加点准则构成的子优化获取新样本点，求取新样本点的气动性能，并更新样本数据和高斯过程模型。该方法可以使新样本点快速向最优解附近集中，从而提高最优解附近的模型近似精度。为验证模拟方法，加工了某高空螺旋桨进行地面试验。与模拟结果相比，试验推力平均误差2.34%、扭矩平均误差3.33%。以课题组自研的6个低雷诺数翼型为基础，使用该方法对某高空太阳能无人机螺旋桨进行优化设计，优化结果显示：螺旋桨在设计点推力提高9.24%、效率提高8.13%。研究结果表明，该方法对高空螺旋桨优化设计及相关工程应用具有较强的参考价值。     

基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

基于多层优化策略的涡轮盘叶设计研究

针对涡轮多学科优化设计,将多层优化策略中的重要原则学科自治扩展到组件自治;并结合目前的多学科优化策略BLISS(bi-level integrated system synthesis)2000和CO(collaborative optimization)以及ATC(analytical target cascading),设计出新的多学科优化框架.利用BLISS2000建立了涡轮盘叶的两层双子系统优化框架和两层三子系统的优化框架;结合BLISS2000和CO各自的优点构建了三层三子系统优化框架;从定性的分析角度排除了ATC在涡轮多学科多层优化设计上的应用.通过对比分析,三子系统的多层优化策略的优势主要体现在优化效率方面;层与层之间存在复杂的交互迭代过程导致三层系统往往比双层系统表现出差的精度和效率.      

多学科设计优化算法及其在飞行器设计中应用

多学科设计优化(MDO)算法是复杂系统设计优化的策略。对现有的各种MDO算法及其在飞机设计中应用状况进行分析、归纳和评述。内容包括:MDO问题的表述及其有关术语;MDO算法的任务;现有的MDO算法及其应用。     

大型后掠自适应风力机叶片的气动扭角设计优化

针对大型后掠式自适应叶片(STB)中显著的气动/结构耦合现象,利用优化方法探讨了直叶片转化为后掠式自适应叶片后的气动扭角补偿优化,STB叶片没有不改变原直叶片的输出功率和结构强度。优化算法采用遗传算法,以功率为约束条件,扭角分布为优化变量,优化目标为叶片根部应力最小。建立了叶片的气动模型和六自由度铁摩辛科悬臂梁结构模型,叶片的气动特性分析采用了基于动量叶素理论的数值算法,结构特性分析采用有限元法,优化算法采用遗传算法。最后在额定风速条件下,完成了2.0MW叶片的气动扭角的补偿设计优化。分析结果表明,STB叶片通过扭角补偿后,可满足功率输出的要求,并大幅降低叶片的轴向推力。     

带子星航天器总体参数多学科设计优化

针对带子星航天器总体参数多学科设计优化(MDO)问题,进行系统任务分析和学科耦合关系分析.考虑有效载荷、轨道和结构等学科设计变量和约束条件,以航天器有效接近区和整星质量的综合指标为目标,建立MDO模型和相应分析模犁.利用iSIGHT软件搭建求解平台,采用基于罚函数的协同优化(CO)算法对所建立的MDO模型进行仿真计算,...     

考虑性能及成本的固体火箭发动机多学科设计优化

为综合考虑固体火箭发动机的燃烧室、药柱、内弹道、喷管及成本等学科影响,梳理学科间耦合关系,并建立了以总冲最大、成本最小为优化目标的固体火箭发动机多学科设计优化（MDO）模型。为降低MDO问题的计算成本,提出一种基于Kriging代理模型的多目标自适应优化方法（KRG-MAOM）。优化过程中,分别对目标与约束构建Kriging模型,并采用多目标优化算法求解,在伪Pareto解中综合考虑支配关系与分布特性选取新增样本点,引导优化快速收敛。算例结果表明,KRG-MAOM算法在全局收敛性与优化效率方面具有显著优势。最后,采用KRG-MAOM算法求解该MDO问题,得到可行的Pareto解集方案,与初始方案相比,同性能情况下成本节省约3.36%;同成本情况下性能提升约10.93%,从而验证MDO模型合理性与KRG-MAOM算法有效性。     

基于MDO策略的民用航空发动机概念设计研究

以某型民用涡扇航空发动机概念设计为例,集成了总体方案（包括热力循环分析、质量评估、噪声评估、氮氧化物排放评估）、风扇（包括气动设计、强度分析）、低压涡轮（包括气动设计、强度分析）3个子系统,以设计点耗油率、整机质量、飞越状态总声功率级、进近状态总声功率级和燃烧室氮氧化物排放量为优化目标,进行了基于多目标的整机多学科设计优化（MDO）的研究。对比研究了单学科可行(IDF)、协作优化(CO)和不对称子空间优化 (ASO)3种典型的优化策略及其在整机MDO中的应用,探讨了整机 MDO的建模方法、子系统间数据传递及解耦方式。结果表明:3种策略优化效率相当,优化时间最大相差742s;CO策略与ASO策略在整机MDO应用中优化效果较好,综合评价指标分别降低了0.82%和0.86%。      

Multi-disciplinary design optimization with variable complexity modeling for a stratosphere airship

This paper proposes a hybrid architecture based on Multi-disciplinary Design Optimization(MDO) with the Variable Complexity Modeling(VCM) method, to solve the problem of general design optimization for a stratosphere airship. Firstly, MDO based on the Concurrent SubSpace Optimization(CSSO) strategy is improved for handling the subsystem coupling problem in stratosphere airship design which contains aerodynamics, structure, and energy. Secondly, the VCM method based on the surrogate model is presented for reducing the computational complexity in high-fidelity modeling without loss of accuracy. Moreover, the global-to-local optimization strategy is added to the architecture to enhance the process. Finally, the result gives a prominent stratosphere airship general solution that validates the feasibility and efficiency of the optimization architecture. Besides, a sensitivity analysis is conducted to outline the critical impact upon stratosphere airship design.     

基于近似技术的协同优化方法在机翼设计优化中的应用

将多学科设计协同优化方法与近似技术相结合,实现某机翼涉及结构和气动两个学科的设计优化。在对某机翼的协同优化设计中,采用基于均匀设计的二次响应面技术得到近似的协同优化模型,利用基于动态松弛近似的协同优化得到合理的结果。研究表明,将协同优化方法与近似技术相结合,能够有效地解决复杂工程的设计优化问题。     

Multidisciplinary Design and Optimization of Multistage Ground-launched Boost Phase Interceptor Using Hybrid Search Algorithm

This article proposes a multidisciplinary design and optimization (MDO) strategy for the conceptual design of a multistage ground-based interceptor (GBI) using hybrid optimization algorithm, which associates genetic algorithm (GA) as a global optimizer with sequential quadratic programming (SQP) as a local optimizer. The interceptor is comprised of a three-stage solid propulsion system for an exoatmospheric boost phase intercept (BPI). The interceptor's duty is to deliver a kinetic kill vehicle (KKV) to the optimal position in space to accomplish the mission of intercept. The modules for propulsion, aerodynamics, mass properties and flight dynamics are integrated to produce a high fidelity model of the entire vehicle. The propulsion module comprises of solid rocket motor (SRM) grain design, nozzle geometry design and performance prediction analysis. Internal ballistics and performance prediction parameters are calculated by using lumped parameter method. The design objective is to minimize the gross lift off mass (GLOM) of the interceptor under the mission constraints and performance objectives. The proposed design and optimization methodology provide designers with an efficient and powerful approach in computation during designing interceptor systems.