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。     

基于支持向量拟合代理模型的卫星多学科设计优化

为了提高卫星的设计质量与效率,建立以卫星总质量最小为优化目标的多学科设计优化问题,主要考虑轨道、有效载荷、电源和结构4个分系统的设计并梳理其耦合关系,整理并建立了较为详细且贴近工程实际的学科分析模型。本文提出了基于支持向量拟合(Support vector regression,SVR)代理模型的优化策略,并将其应用于海洋卫星多学科设计优化中。本文算例卫星参考海洋一号卫星(HY-1),优化后整星质量相对于初始质量下降了约14.1%。优化结果表明了卫星多学科优化设计(Multidisciplnary design optimization,MDO)模型的合理性和该优化策略的有效性,为进一步探索代理模型技术在卫星MDO设计当中的应用奠定了基础。     

考虑高耗时约束的全电推进卫星多学科优化

为提高卫星系统整体性能与优化设计效率，本文采用多学科设计优化（MDO）方法进行全电推进卫星总体参数优化。主要考虑轨道转移、位置保持、空间环境、供配电、结构及质量六个学科，以整星质量最小为优化目标，考虑轨道转移时间等约束条件，建立了全电推进卫星MDO模型。提出一种基于增广拉格朗日乘子法的高效全局优化方法（ALM-EGO）以快速求解卫星MDO问题。标准数值算例对比研究表明，对于处理高耗时约束优化问题，ALM-EGO方法在全局收敛性与优化效率方面具有一定的优势。最后，采用ALM-EGO求解全电推进卫星MDO问题，优化后的全电推进卫星设计方案满足各类工程设计约束，实现整星减重161.09 kg，从而验证了本文所建立模型的合理性和ALM-EGO方法的有效性。     

一种基于推进剂消耗优化的卫星小推力器布局设计

针对小推力器安装角度对卫星南北位置保持、东西位置保持和姿态控制效率的影响,从而决定推进剂需求量,提出一种推进剂消耗过程耦合建模与求解方法,并建立了小推力器安装角度优化模型。该方法采用定点迭代对转移轨道阶段推进剂消耗量和静止轨道阶段推进剂消耗量与贮箱尺寸之间耦合过程进行解耦,并建立了不同阶段推进剂消耗量估算模型。以卫星寿命期推进剂需求量最少为优化目标,建立了小推力器布局优化模型。通过实际的小推力器布局设计实例,分别采用遗传算法和序列径向基函数代理模型（SRBF）优化策略进行优化。优化结果表明相比于基于经验设计,SRBF可以有效地降低推进剂需求量,而且对比遗传算法,优化效率得到了显著提高。     

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。     

多学科设计优化技术发展及在航空航天领域的应用

首先指出了多学科设计优化(MDO)对于现代飞行器设计的意义和多学科设计优化的主要研究内容.在调研国内外参考文献的基础上,分别对面向MDO的飞行器建模技术、灵敏度分析技术、优化算法、代理模型技术、MDO策略以及MDO框架6项关键技术发展状况以及MDO在航空航天领域的应用状态进行了总结和概述,最后指出了技术的未来研究方向以及MDO在航空航天领域进一步推广所需要解决的问题.     

考虑高耗时约束的追峰采样智能探索方法

针对现代飞行器设计等工程优化问题中面临的约束高耗时难题,在标准追峰采样（MPS）方法的基础上,提出了一种基于过滤器的MPS-DCP设计空间智能探索方法（FMPS-DCP）,训练径向基函数网络预示高耗时目标函数与约束条件响应,利用KS方程聚合高耗时约束并根据过滤器思想筛选优质简单样本点,定制了一套新增样本点选择策略引导优化过程快速向全局可行最优解收敛,从而提高了求解高耗时约束优化问题的效率。采用一组标准约束测试算例验证FMPS-DCP方法的性能,并与CiMPS、Extended ConstrLMSRBF、ARSM-ISES和KRG-CDE智能探索方法进行对比。结果表明,FMPS-DCP在优化效率与鲁棒性方面具有显著的性能优势。最后,通过全电推进卫星平台多学科设计优化案例,验证了FMPS-DCP的工程实用性。     

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。