Hybrid reliability analysis method based collaborative optimization

针对在多学科设计优化中进行可靠性分析计算成本高的问题,将两种现有的可靠性分析方法与协同优化相结合,提出一种基于混合可靠性分析的协同优化方法.该方法在协同优化的子系统级进行可靠性分析,并在分析前估算优化迭代点与约束边界的距离,对靠近约束边界的点进行基于一次可靠性方法的可靠性分析,其余点仅采用均值法粗略计算其可靠度,减少了不必要的可靠性分析成本,并将可靠性分析融入到协同优化的框架中.用优化算例对该方法进行了验证,优化结果表明该方法在保证可靠性精度的前提下,有效提高了优化效率,具有实际工程意义.     

ICO多学科设计优化方法

协同优化(CO, Collaborative Optimization)算法在应用中存在计算困难的问题.分析了引起CO算法计算困难的原因;使用L₁范数改进了CO算法的学科一致性约束,避免了学科级目标函数导数的不连续性,并从数学理论上证明了改进的学科一致性约束的收敛性;增加系统级罚函数,使系统级优化问题转化为无约束优化问题;使用快速启动方法,在子系统级优化过程中充分合理利用系统级优化求得的最优解;给出了使用改进的学科一致性约束、系统级罚函数和快速启动方法的ICO(Improved Collaborative Optimization)多学科设计优化方法,较好地克服了CO算法存在计算困难的缺点.标准算例实验结果表明,ICO多学科设计优化方法有效提高了算法的稳定性、可靠性和计算效率.      

基于遗传算法的飞行管理系统余度配置优化方法

余度设计是飞行管理系统研制过程中提升其安全性的主要手段之一。针对余度设计受制造预算(经济性)与使用阶段维修保障资源消耗(可靠性)的制约问题,基于飞行管理系统的安全性、基本可靠性及经济性数学模型,利用改进后适用于整数优化的遗传算法,提出了一种以安全性为目标、基本可靠性与经济性为约束的余度配置优化方法,并以实例说明其适用于较为复杂系统的余度配置优化。经过敏感性分析发现,安全性指标最优值随着基本可靠性约束下限的提高而降低,随着经济性约束上限的增加而增加。2种约束条件对优化目标竞争约束,在同一时刻只有1种约束条件起主要约束作用。     

基于DSI插值的三角网格质量优化

通过对三角网格的单元顶点进行几何位置调整,提高了网格的质量,实现了网格的质量优化.几何位置调整是使用离散点光滑插值(DSI,Discrete Smooth Interpolation)实现的,针对在计算时影响质量优化的邻接边界的单元顶点,采用了在边界处补偿三角形的方法,消除了单元收缩,提高了网格的质量.与加权拉普拉斯算法进行了比较和分析,优于拉普拉斯算法;为了使三角网格在位置调整时保持原始网格的几何细节特征,在插值算法中施加了控制点约束.最后使用算例对算法进行了验证.      

飞机总体协同优化中的一种混合混沌算法

针对协同优化应用中所碰到的计算困难,分析了现有改进方式。将系统级优化转化成无约束优化问题,选择智能优化算法是一种有效的解决方法,但应注意计算量的控制.将混沌优化和单纯形法相结合,构造出一种混合混沌算法.混沌能有效地跳出局部最优解而接近全局最优点,同时利用单纯形法在混沌优化解的邻域内局部寻优.用协同优化方法对某型干线客机进行总体方案设计;同时各学科级采用序列二次规划法,系统级采用混合算法寻优.计算结果表明此方法是有效的.      

一种保留几何及属性边界的网格简化方法

在实际应用领域,三维模型除包含由三角形网格构成的几何、拓扑信息外,还包含颜色、纹理、法矢量等属性信息,因此数据量较大,且不可避免地存在边界和孔洞.基于三角形折叠的方法,对误差矩阵的计算和误差控制方法进行了改进,并提出了几何及属性边界三角形的概念,给出了一种保留原始模型边界及属性信息的简化算法.该算法针对不同的边界情况将原始三角形网格划分为边界三角形、角点三角形、内部三角形及特征三角形,并采取相应的约束策略,在减小模型数据量的同时,较好地保留了边界和属性信息,并且生成递进网格文件,为包含属性的非封闭网格模型提供了连续多分辨率的模型重现.实验结果证明该方法快速有效,已成功应用于基于Web的三维递进传输和发布.      

基于非概率凸模型可靠性的结构优化设计

考虑到结构系统参数的不确定性,基于提出的非概率凸模型可靠性指标的新定义,研究了在非概率凸模型可靠性约束下,结构优化设计的数学模型和求解方法.该方法通过超椭球域界定不确定参量,将结构基本不确定变量安全域的超体积与其可行域的超椭球总体积之比作为结构非概率可靠性的度量.并赋值可靠度作为约束条件,利用乘子法和阻尼牛顿法对结构的优化问题进行迭代求解,算法稳定,迭代速度快.数值算例验证了所提出方法的正确性.     

对地观测卫星总体参数多学科优化

针对对地观测卫星总体参数设计问题,建立了以对地观测性能最佳为目标的多学科优化模型,考虑姿轨控制、电源、结构、推进、有效载荷5个分系统的设计变量和相应约束条件,并考虑运载火箭对卫星设计的约束条件,通过经验公式建立分析模型.采用协同优化方法,利用外点罚函数法将系统级优化问题转化为无约束优化问题以改善协同优化系统级的数值缺陷,建立了多学科设计优化框架.计算结果表明通过优化可提升卫星的对地观测性能,验证了该方法的合理性.建模思路与优化方法可望用于更贴合工程实际的卫星参数设计.      

基于高斯伪谱法的火星表面上升燃耗最优轨迹设计

火星上升器的设计与其轨迹设计紧密相关,而现有方法大都将MAV(Mars Ascent Vehicle)的分级优化和轨迹优化解耦计算,其计算效率低且鲁棒性较差。提出了一种基于高斯伪谱法的两级MAV分级与轨迹耦合多阶段优化算法,它以MAV的发射总质量最小为目标函数,并考虑了MAV设计约束、MAV的质量模型约束、轨迹的路径约束和控制约束等限制条件。利用该方法可以同时求得发射总质量最小的两级MAV分级参数和一条燃耗最优的上升轨迹,解决了由于不合理的两级MAV分级设计导致的轨迹优化算法无法收敛的问题。数值仿真结果表明该方法具有较快的收敛速度,且对初值选取的敏感度较小、具有较强的鲁棒性。     

大规模设备协同中的时间建模与验证

针对大规模设备协同系统中时间属性复杂、时间约束验证困难的特点,给出了大规模设备协同中的时间属性建模方法.针对设备操作时间和状态维持时间2种时间属性,通过在操作上附加时间属性实现了对设备操作时间的建模,通过在连接符上附加时间区间属性,实现了对状态维持时间的建模.在此模型的基础上,给出了大规模设备协同中4种基本结构的时间计算方法,并通过结构等价,将基本结构等价为一个连接符,从而实现了一个设备协同模型中所有节点的时间计算;并给出了大规模设备协同中的时间约束验证规则.通过相关比较及实验分析,验证了该方法具有更高的准确度,计算偏差较低且稳定,能够满足大规模设备协同系统的性能要求.     

通用再入飞行器多学科协同优化设计

探讨了协同优化方法在通用再入飞行器总体优化设计中的应用以及各学科间耦合关系.对协同优化方法的流程及特点进行了分析,以通用再入飞行器总体优化设计为对象,研究如何利用协同优化方法建立此类问题的优化模型.研究结果表明协同优化方法相对多学科可行法具有较快的收敛速度,主要是由于协同优化方法中的系统级在搜索空间时受到了3个子系统级优化一致性的制约,而3个子系统级并行地对升阻比最大、质量最小、弹道设计中气动加热量最小3个主要影响射程的因素进行了优化,最终共同缩小了设计搜索空间,同时利用学科的独立性进行并行计算,从而较快地实现了迭代收敛.      

面向涡轮叶片方案优化的变保真度设计系统

提出了面向涡轮叶片初始设计的变保真度的多学科设计优化方法,建立了自动化的设计系统以提高设计效率.该系统集成了分析工具和设计团队以及数据管理系统,使得设计过程自动地运行.开始设计阶段使用基于经验公式的低保真度模型;优化中的三维仿真过程使用基于精确的流体分析和结构分析的高保真度模型.过程按照模型保真度的不同分3个阶段,渐近地获得最优解,同时考虑非设计点的优化.通过实验设计搜索并逐渐缩小设计空间,使得高保真度分析所带来的计算成本得以减少.最后以一个2级轴流涡轮的叶片初始方案设计验证了本设计系统.     

结构模糊非概率混合可靠性分析方法

针对模糊非概率混合不确定性下结构可靠性分析问题,基于模糊数学分解原理将混合可靠性分析模型转化为[0,1]内连续分布隶属度水平下的非概率可靠性分析模型;针对非概率可靠度计算复杂性,基于逐维策略将结构功能函数最值的计算转化为最值点向量的逐维计算,提出一种确定结构功能函数界限的算法;通过在[0,1]内遍历隶属度值确定结构可靠度的隶属度函数实现结构可靠度模糊性的定量化.算例表明该方法的合理性,计算精度高和计算量小的特点为复杂工程结构可靠度分析及优化设计提供了可行途径.      

TSK模糊神经网络及其约束优化学习算法

针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性.     

可重复使用运载器再入轨迹次实时优化

新一代可重复使用运载器RLV(Reusable Launch Vehicle)再入时应具备自主导航的能力,其实现的关键是用机载计算机近实时或实时地生成一条满足各种约束条件的再入轨迹.根据RLV再入的特点,引入了新的假设,对再入轨迹方程进行简化处理,优化难度降低,工作量减少.另外引入次优化轨迹的概念,对控制量(迎角和滚转角)的优化分两步进行,每步只对当中一个控制量进行优化.这样处理能在很大程度上加快算法的收敛速度.仿真结果表明,只需10s左右的时间就能产生一条满足终端约束条件、控制量约束条件和加热率约束条件的次优化轨迹.其结果具有较好的工程应用价值.      

一种基于遗传算法的环境因子确定方法

提出了一种利用同类或相似产品研制试验故障数据并依据AMSAA模型的时间环境因子最优化确定方法,将遗传算法用于时间环境因子的寻优过程,给出了确定最佳时间环境因子的方法、步骤,最后给出了一个工程应用实例.研究结果表明,依此得到的可靠性评估结果与实际使用水平更为接近.为利用产品研制期间故障数据进行可靠性综合评估提供了一条合理的解决途径.