耦合梯度与分级Kriging模型的高效气动优化方法

Kriging代理模型中引入梯度信息能够提高模型的预测精度,但常规耦合梯度的方法都有不足之处。本文结合分级Kriging模型,提出了一种变可信度分级Kriging模型耦合梯度（GEHK）信息的新方法。首先利用梯度信息,选取扰动步长得到初始样本点附近的派生点,以派生点拟合出能够预测目标函数趋势的低精度Kriging模型。然后以初始样本点修正该模型得到高精度的Kriging模型。翼型减阻优化设计算例表明,与常规耦合梯度的Kriging模型相比,基于分级Kriging的梯度耦合方法对于扰动步长引入的误差不敏感,明显提高了模型预测精度,优化效率因此提升并使得目标函数值下降得更加迅速。相比Euler解作为低精度数据的常规分级Kriging模型,由梯度信息得到的派生点为模型提供了更准确的全局趋势预测,取得了更好的优化结果。本文方法成功应用于翼型多点减阻优化问题,说明该方法对复杂设计问题有很好的适应性。基于分级Kriging模型的耦合梯度方法克服了常规方法的缺点,提高了模型全局拟合精度,是一种优化效率更高的Kriging方法。     

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.      

基于样本映射与动态Kriging的飞行器离散连续优化方法

针对复杂飞行器系统离散连续混合优化计算成本高、全局收敛性差等问题,提出了一种基于样本映射与动态Kriging的离散连续优化方法（SMDK-DC）。该方法采用Kriging代理模型代替高耗时仿真模型以降低计算成本,并定制一种基于综合曼哈顿距离准则的样本点映射机制,在连续-离散空间内高效生成满足均布性要求的真实样本点。将期望改善度准则与重点采样空间方法相结合,辨识优质新增样本点,持续动态更新Kriging,引导离散连续优化过程快速收敛。标准数值算例测试结果表明,与SOMI、NOMAD等国际同类方法相比,SMDK-DC方法在全局收敛性与鲁棒性方面具有显著优势。使用该方法求解固体火箭发动机多学科设计优化问题,优化方案在满足燃烧室、内弹道等学科约束条件前提下,使得发动机总冲提升12.92%以上,且优化收益较SOMI方法提高1.71%,从而验证了本文工作的有效性与工程实用性。     

基于 Kriging与多点取样算法的压气机特性建模

针对航空燃气轮机流量系数插值建模过程中,获取样本数据时的实验成本较高以及插值模型精度偏低这 2个问题,根据样本点在设计空间中的分布与模型精度的关系,在 Kriging插值模型的基础上,采用把垂距作为设计变量取值标准的取样算法。首先,将样本点与相邻 2点之间连线的垂距与垂距阈值进行比较,筛选出符合条件的数据点,形成候选点集;其次,选用高斯函数判定基础点集和候选点集的相关性;最后,使用该算法筛选后的样本点构建 Kriging插值模型。实验结果表明,该方法使用的样本点为原来数量的 70%左右,并且预测精度得到了提高,该方法是有效可行的。     

基于Kriging代理模型的约束差分进化算法

广泛应用的高精度分析模型使得飞行器设计优化的计算成本不断增加,为了缩短优化耗时,基于代理模型的进化算法（SAEAs）近年来得到了广泛关注。针对现有SAEAs处理约束优化问题优化效率低下的缺陷,提出了一种基于Kriging代理模型的约束差分进化算法（KRG-CDE）,结合约束改善概率与最优适应度定制了一种改进的可行准则,从而提高新增样本点的潜在可行性与最优性,并根据种群改善情况,平衡算法全局探索与局部搜索性能。标准测试算例对比研究结果表明,相比于基于全局与局部代理模型的差分进化算法、（μ+λ）-约束差分进化算法,KRG-CDE算法在优化效率、全局收敛性及鲁棒性等方面具有显著优势。最后,运用KRG-CDE算法求解全电推卫星多学科设计优化问题,验证了该算法的工程实用性。     

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。     

Kriging模型在机翼气动外形优化中的应用

针对粒子群等随机优化算法计算量大的缺点,发展了基于Kriging模型的优化方法.采用改进的量子粒子群算法对Kriging模型的相关模型参数进行优化,以提高代理模型预测精度,并与具有双层结构的粒子群算法相结合.采用雷诺平均N-S方程流场求解器与多目标非线性适应值加权方法,对高维度多目标多约束的跨声速机翼进行了优化,设计的机翼具有理想的压力分布,降低了机翼阻力系数,并且有效控制了低头力矩和翼根弯矩,表明该方法具有较强的工程实用性.     

基于Kriging代理模型的高升力构型优化设计

本文发展了一种基于Kriging模型的高升力构型优化设计方法。采用分区对接网格技术求解N-S方程以及遗传算法，在着陆构型下使多段翼型升力系数最大。为了降低计算量和计算时间，在优化过程中采用Kriging模型代替复杂的流场计算。为了提高模型的精度，采用EI方法增加新的样本点。利用该方法完成了多段翼型缝道参数和外形优化设计。结果表明，在只优化襟翼缝道和襟翼缝道与外形同时优化两种情况下，该方法使得多段翼型最大升力系数分别提高7.55%和9.48%。     

基于降维可视化与Kriging的齿轮振动可靠性分析

针对齿轮振动可靠性分析时计算量大、计算精度低等问题,提出一种基于降维可视化技术和Kriging模型的可靠性分析方法.通过Monte Carlo法生成抽样点,采用降维可视化技术将多维空间降至二维极特征空间,通过Kriging模型预测失效域与安全域的分界线,在预测分界线时,借助Kriging非线性预测和误差分析的特性,通过一种主动学习选点的方式建立Kriging预测模型,来提高样本点的利用率.通过齿轮振动可靠性的算例表明:相比于传统的降维可视化技术,调用极限状态函数由975次减少为149次,计算时间由12400s减小为1810s,可靠度与100000次Monte Carlo模拟计算结果基本吻合一致,验证了该算法的正确性和有效性.      

基于直二元喷管形面优化的涡扇发动机参数优化设计研究

为了在设计阶段提升带直二元喷管涡扇发动机的总体性能,本文开展了基于直二元喷管形面优化的涡扇发动机参数优化的研究。首先,建立了带直二元喷管的涡扇发动机模型,提出了发动机正后向排气系统红外辐射特征的计算方法,分析了直二元喷管尺寸对发动机性能参数的影响;其次,提出了基于序列二次规划算法的设计参数多目标优化方法,优化的目标包括高单位推力、低油耗和低红外辐射强度;最后,基于以上模型,利用序列二次规划算法对在设计点非加力情况下的涡扇发动机设计参数进行多目标优化。仿真结果表明：在设计点上,相较于不带直二元喷管的涡扇发动机,带直二元喷管的涡扇发动机具有更好的红外性能,并且通过算法优化后,带直二元喷管的涡扇发动机具有更好的性能参数。     

直升机机身气动外形的低阻优化设计

直升机机身阻力是飞行阻力的主要来源之一,通过对机身外形的优化设计,能够实现直升机的高效低阻飞行.首先,把机身划分为头部、中段和尾梁三段,对其外形轮廓线进行CST参数化表示;其次,采用拉丁超立方法选取试验设计样本点,计算各样本点的阻力系数,构造Kriging代理模型,估计模型预测的精度;最后,选用序列二次规划算法对其进行优化,并对优化后的机身模型进行了风洞试验.通过计算分析可知:所建立的Kriing代理模型能够精确预测阻力系数值,优化后得到了机身的设计参数;机身阻力系数减小了15.3％,理论值与试验值吻合良好.     

临近空间固体动力飞行器发动机与轨迹一体化设计优化

针对临近空间多级固体动力飞行器发动机与轨迹一体化设计优化问题,提出一种基于序列代理优化的高效设计方法。为了准确计算发动机的性能特性,对发动机进行了几何参数化建模,并针对复杂装药的燃面计算,提出了基于移动四面体的燃面计算算法。为了准确评估飞行器的最大航程能力,采用自适应Legendre-Gauss-Radau伪谱法获得给定发动机设计方案下的最大航程。为了提高发动机与轨迹一体化设计优化效率,提出了基于Kriging代理模型的多采样点高效全局代理优化算法,并进行了数值验证。计算结果表明：该优化方法收敛速度快,相比传统参数优化算法可以显著减少耗时目标函数和约束函数的计算次数,并能够有效地实现临近空间多级固体动力飞行器发动机与轨迹一体化设计优化。     

基于模拟退火算法与响应面模型的三维气动优化设计方法

提出了一套适用于高耗时三维气动设计问题的优化设计体系.其主要思想是采用改进拉丁超立方体试验设计选取样本点,应用自行开发的三维粘性流场求解程序进行流场计算建立数据库,采用二次响应面方法建立近似模型,再应用高效模拟退火算法进行全局寻优.以NASA rotor57为对象,在详细进行流场计算基础上采用所提出的优化体系对其进行了三维积叠优化设计.在对流量、效率加以严格约束的条件下,总压比可提高1.8%,对流场结构进行了分析.优化结果表明本优化方法省时,适于三维气动设计的特点.     

基于免疫粒子群优化的不等时间间隔发动机性能综合指数组合预测

首先利用奇异值分解滤波算法,对测量参数进行滤波处理,进而合成发动机性能综合指数。针对性能综合指数为不等时间间隔的情况,在改进灰色预测模型中引入新陈代谢思想,提出一种基于免疫粒子群优化权值的改进灰色模型与支持向量机相结合的性能指数预测方法。仿真实例表明:组合模型的预测精度明显高于改进灰色预测模型,略高于支持向量机模型;且对于大多数样本点,组合模型的预测结果变化更加平稳。     

一种新的并行测试任务调度算法

 并行测试的任务优化调度是并行测试技术的核心问题。为了解决现有调度方法耗时、实际应用范围有限以及缺少对资源冲突和系统死锁的形式化分析等问题,采用赋时有色Petri网(TCPN)建立并行测试任务调度的TCPN模型,基于TCPN模型的可达标识图利用改进蚁群算法求解最优任务调度序列。算法搜索过程中,采用多目标优化,目标函数综合了测试时间、仪器成本和负载平衡度,使得算法更符合工程应用。采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟。仿真实例证明该算法是有效的。     

基于Kriging自适应代理模型的气动优化方法

气动优化设计中,引入代理模型可以有效减少计算周期,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间,因此提出了一种基于Kriging自适应代理模型的气动优化方法。使用Kriging方法建立代理模型,通过求解EI函数最大值得到添加样本点更新代理模型,提高了代理模型的拟合精度。针对Kriging自适应代理模型的精确性和有效性,分别进行典型函数测试分析和翼型算例验证。结果表明:基于Kriging自适应代理模型气动优化方法可以实现高效的翼型气动性能优化设计。     

基于混合优化算法的无叶片粒子分离器优化设计

将混合优化算法引入粒子分离器优化设计,减小粒子分离器流动损失并简化结构.利用四次样条曲线参数化描述粒子分离器模型,建立粒子分离器自动化仿真流程.采用优化拉丁方实验设计方法获取样本点并建立椭球径向基函数神经网络代理模型,基于该模型使用非支配排序遗传算法进行全局多目标优化,最后采用序列二次规划算法进行局部优化,得到了粗砂分离效率达到100%、细砂分离效率达到86.7%,总压损失小于0.6%、出口总压畸变较小的设计方案.      

基于数据库的收缩型航迹聚类模型仿真研究

针对传统聚类算法只能选取少量数据源进行仿真分析,得到的聚类效果不能真实体现数据流的宏观特征的问题,考虑了海量航迹数据中的离群点检测以及离群点剔除,提出一种新的基于数据库的收缩型航迹聚类仿真模型,将三维空间网格化,建立K-means聚类和层次聚类双重交互算法,对网格中的离群点进行识别并剔除.解决了航迹聚类中的关键技术问题.通过对西北地区3 G海量二次雷达数据的聚类仿真分析,使航迹聚类仿真的耗时从h级降低至s级,并且得到的航迹分布特征清晰,验证了新模型对于海量数据宏观特征提取具有可行性和优越性,模型和算法对全国二次雷达航迹数据仿真具有借鉴意义.     

基于直二元喷管形面尺寸的涡扇发动机参数优化设计研究

为了在设计阶段提升带直二元喷管涡扇发动机的总体性能,开展了基于直二元喷管形面尺寸的涡扇发动机参数优化的研究。首先,建立了带直二元喷管的涡扇发动机模型,提出了发动机正后向排气系统红外辐射特征的计算方法,分析了直二元喷管尺寸对发动机性能参数的影响;其次,提出了基于序列二次规划算法的设计参数多目标优化方法,优化的目标包括高单位推力、低油耗和低红外辐射强度;最后,基于以上模型,利用序列二次规划算法对在设计点非加力情况下的涡扇发动机设计参数进行多目标优化。仿真结果表明：在设计点上,相较于不带直二元喷管的涡扇发动机,带直二元喷管的涡扇发动机具有更好的红外性能,并且通过算法优化后,带直二元喷管的涡扇发动机具有更好的性能参数。     

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。