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。