專利名稱：基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法，屬于飛行器設(shè)計(jì)中多學(xué)科優(yōu)化技術(shù)領(lǐng)域。
背景技術(shù)：
當(dāng)今飛行器系統(tǒng)越來(lái)越復(fù)雜，為了解決現(xiàn)代復(fù)雜飛行器系統(tǒng)優(yōu)化設(shè)計(jì)所面臨的巨大困難，多學(xué)科設(shè)計(jì)優(yōu)化(Multidisciplinary design optimization, MD0)被廣泛地應(yīng)用。為了提高設(shè)計(jì)結(jié)果的精度與可信度，飛行器多學(xué)科設(shè)計(jì)優(yōu)化普遍采用高精度分析模型，例如結(jié)構(gòu)分析中采用的有限元分析(Finite element analysis, FEA)模型、氣動(dòng)分析中使用的計(jì)算流體力學(xué)(Computational fluid dynamic, CFD)分析模型等。然而,高精度飛行器分析模型在提高分析精度和可信度的同時(shí)也帶來(lái)了計(jì)算耗時(shí)的問(wèn)題，雖然當(dāng)今計(jì)算機(jī)軟硬 件技術(shù)已經(jīng)有了長(zhǎng)足的發(fā)展，然而，調(diào)用高精度飛行器分析模型完成一次分析仍然極其耗時(shí)，例如使用CFD模型完成一次氣動(dòng)仿真分析需要數(shù)小時(shí)甚至數(shù)十小時(shí)。本質(zhì)上，傳統(tǒng)的飛行器優(yōu)化設(shè)計(jì)方法是一個(gè)反復(fù)迭代的過(guò)程，在優(yōu)化過(guò)程中往往需要上千次調(diào)用飛行器高精度分析模型。其次，現(xiàn)代飛行器設(shè)計(jì)問(wèn)題是一個(gè)涉及多個(gè)分學(xué)科/分系統(tǒng)的耦合復(fù)雜系統(tǒng)。譬如，飛行器設(shè)計(jì)涉及氣動(dòng)、結(jié)構(gòu)、動(dòng)力、隱身、控制等學(xué)科，各學(xué)科相互影響，相互制約，飛行器的性能是各學(xué)科耦合的綜合體現(xiàn)。因此，直接采用傳統(tǒng)的全局優(yōu)化方法與高精度飛行器分析模型來(lái)解決飛行器優(yōu)化設(shè)計(jì)會(huì)進(jìn)一步增加設(shè)計(jì)成本。如何解決飛行器多學(xué)科優(yōu)化設(shè)計(jì)這個(gè)難題困擾許多設(shè)計(jì)專家。為了解決這樣的問(wèn)題，基于代理模型的飛行器優(yōu)化設(shè)計(jì)方法引起了越來(lái)越多的注意?；诖砟Ｐ偷娘w行器優(yōu)化設(shè)計(jì)方法的本質(zhì)就是構(gòu)造求解精度與飛行器高精度分析模型(包括氣動(dòng)、結(jié)構(gòu)、隱身等學(xué)科分析模型以及全系統(tǒng)分析模型)相當(dāng)，但計(jì)算成本更低的數(shù)學(xué)模型，并使用該類(lèi)數(shù)學(xué)模型代替飛行器真實(shí)的高精度分析模型用于飛行器優(yōu)化設(shè)計(jì)。由于高精度飛行器分析模型計(jì)算一次所需時(shí)間的量級(jí)為小時(shí)，而代理模型計(jì)算一次所用時(shí)間的量級(jí)僅為秒甚至毫秒，因此與高精度飛行器分析模型的計(jì)算時(shí)間相比，構(gòu)造代理模型以及基于代理模型優(yōu)化的計(jì)算時(shí)間往往可以忽略不計(jì)?？梢?jiàn)，引入基于代理模型的飛行器優(yōu)化設(shè)計(jì)方法能夠達(dá)到提高飛行器設(shè)計(jì)質(zhì)量，縮短其設(shè)計(jì)周期的目的。在最近10年里，國(guó)外許多公司都開(kāi)始研究并推動(dòng)了代理模型技術(shù)在飛行器設(shè)計(jì)和優(yōu)化領(lǐng)域的應(yīng)用，例如Engineous 軟件公司研發(fā) iSIGHT, Vanderplaats R&D 公司研發(fā)的 Visual DOC, LMS國(guó)際組織研發(fā)的Optimus, Phoenix公司研發(fā)的ModelCenter和波音公司研發(fā)的DesignExplorer。徑向基函數(shù)(Radial Basis Function, RBF)是最常用的代理模型方法之一,其優(yōu)點(diǎn)在于對(duì)于高階非線性的飛行器高精度分析模型，徑向基函數(shù)在全局近似精度較高；并且隨著試驗(yàn)設(shè)計(jì)樣本的增加，所構(gòu)造的徑向基代理模型的近似精度會(huì)提高；在試驗(yàn)設(shè)計(jì)樣本附近，近似精度較高。按照代理模型在優(yōu)化過(guò)程中的使用方式可以分為靜態(tài)代理模型和自適應(yīng)代理模型。靜態(tài)代理模型是通過(guò)一次試驗(yàn)設(shè)計(jì)采取足夠多的試驗(yàn)設(shè)計(jì)樣本，然后構(gòu)造代理模型，在優(yōu)化過(guò)程中代理模型保持不變；而自適應(yīng)代理模型是在優(yōu)化設(shè)計(jì)過(guò)程序列采取試驗(yàn)設(shè)計(jì)樣本，然后在每次優(yōu)化迭代過(guò)程中根據(jù)已知信息逐步改進(jìn)和更新代理模型，直至優(yōu)化收斂。與靜態(tài)代理模型相比，自適應(yīng)代理模型在優(yōu)化效率和結(jié)果精度方面更具有優(yōu)勢(shì)?；诖砟Ｐ偷膬?yōu)化技術(shù)在航空航天領(lǐng)域具有很廣的應(yīng)用前景，但是國(guó)內(nèi)研究開(kāi)展較晚。國(guó)外研究機(jī)構(gòu)、工業(yè)界和商業(yè)軟件公司紛紛給予該類(lèi)算法開(kāi)發(fā)了高效的優(yōu)化器并用于飛行器優(yōu)化設(shè)計(jì)，例如播音公司的Boeing探索器，Altair公司Hyperstudy中的ARSM優(yōu)化器，以及美國(guó)Sandia國(guó)家研究實(shí)驗(yàn)室的DAKOTA等。徑向基函數(shù)(RBF)代理模型的基本形式為
權(quán)利要求
1.一種基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法，其特征在于其實(shí)現(xiàn)過(guò)程包括步驟I至步驟8，具體操作步驟如下 步驟I :給定飛行器高精度分析模型、設(shè)計(jì)空間Stl、設(shè)計(jì)變量并確定初始試驗(yàn)設(shè)計(jì)樣本個(gè)數(shù)Ninitial與新增試驗(yàn)設(shè)計(jì)樣本個(gè)數(shù)Nadd。
步驟2 :利用拉丁超方試驗(yàn)設(shè)計(jì)方法在整個(gè)飛行器優(yōu)化設(shè)計(jì)空間中構(gòu)造Ninitial個(gè)試驗(yàn)設(shè)計(jì)樣本。
步驟3 :通過(guò)調(diào)用飛行器高精度分析模型，計(jì)算/仿真當(dāng)前試驗(yàn)設(shè)計(jì)樣本所對(duì)應(yīng)的飛行器高精度分析模型響應(yīng)值，并將試驗(yàn)設(shè)計(jì)樣本及其相對(duì)應(yīng)的響應(yīng)值存儲(chǔ)到試驗(yàn)設(shè)計(jì)樣本數(shù)據(jù)庫(kù)中；所述試驗(yàn)設(shè)計(jì)樣本數(shù)據(jù)庫(kù)中包含的內(nèi)容包括通過(guò)拉丁超方試驗(yàn)設(shè)計(jì)方法所得到的試驗(yàn)設(shè)計(jì)樣本及其相對(duì)應(yīng)的飛行器高精度分析模型響應(yīng)值、每次迭代過(guò)程中的最優(yōu)解及其相對(duì)應(yīng)的飛行器高精度分析模型響應(yīng)值。
步驟4 :利用步驟3中所述試驗(yàn)設(shè)計(jì)樣本數(shù)據(jù)庫(kù)中的所有試驗(yàn)設(shè)計(jì)樣本及其相對(duì)應(yīng)的飛行器高精度分析模型響應(yīng)值、每次迭代過(guò)程中的最優(yōu)解及其相對(duì)應(yīng)的飛行器高精度分析模型響應(yīng)值構(gòu)造徑向基函數(shù)代理模型。
步驟5 :采用遺傳算法對(duì)步驟4中所述徑向基函數(shù)代理模型進(jìn)行優(yōu)化，獲得當(dāng)前迭代最優(yōu)解<，并通過(guò)調(diào)用飛行器高精度分析模型計(jì)算/仿真當(dāng)前迭代最優(yōu)解的響應(yīng)值，將當(dāng)前迭代最優(yōu)解及其響應(yīng)值保存到步驟3中所述的試驗(yàn)設(shè)計(jì)樣本數(shù)據(jù)庫(kù)中。
步驟6 :檢驗(yàn)步驟5所獲得的當(dāng)前迭代最優(yōu)解是否滿足收斂準(zhǔn)則，如果滿足收斂準(zhǔn)則，則步驟5所獲得的當(dāng)前迭代最優(yōu)解為當(dāng)前優(yōu)化設(shè)計(jì)的飛行器高精度分析模型的全局最優(yōu)解，整個(gè)優(yōu)化流程結(jié)束；如果不滿足收斂準(zhǔn)則，則轉(zhuǎn)向步驟7。
其中，ε為人為設(shè)定收斂誤差。
步驟7 以步驟5所獲得的當(dāng)前迭代最優(yōu)解^為中心，計(jì)算第k次迭代的試驗(yàn)重點(diǎn)采樣空間SSSk'的大小Lk，k為正整數(shù)，并構(gòu)造試驗(yàn)重點(diǎn)采用空間SSSk';計(jì)算第k次迭代的重點(diǎn)采樣空間SSSk,以保證所構(gòu)造的重點(diǎn)采樣空間SSSk包含在整個(gè)設(shè)計(jì)空間Stl中。
步驟8 :利用拉丁超方試驗(yàn)設(shè)計(jì)方法在步驟7中所構(gòu)造的第k次迭代的重點(diǎn)采樣空間內(nèi)采取Nadd個(gè)試驗(yàn)設(shè)計(jì)樣本；k自增1，然后執(zhí)行步驟3。
2.如權(quán)利要求I所述的一種基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法，其特征在于其步驟6中所述檢驗(yàn)步驟5所獲得的當(dāng)前迭代最優(yōu)解是否滿足收斂準(zhǔn)則的具體方法是利用公式(5)檢驗(yàn)步驟5所獲得的當(dāng)前迭代最優(yōu)解是否滿足收斂準(zhǔn)則；
3.如權(quán)利要求I所述的一種基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法，其特征在于其步驟7中所述計(jì)算第k次迭代的試驗(yàn)重點(diǎn)采樣空間SSSk'的大小Lk的具體方法是利用公式(6)計(jì)算第k次迭代的試驗(yàn)重點(diǎn)采樣空間SSSk'的大小Lk ；
4.如權(quán)利要求I所述的一種基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法，其特征在于其步驟7中所述構(gòu)造試驗(yàn)重點(diǎn)采用空間SSSk'的具體方法是采用公式(7)構(gòu)造試驗(yàn)重點(diǎn)采用空間
5.如權(quán)利要求I所述的一種基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法，其特征在于其步驟7中所述計(jì)算第k次迭代的重點(diǎn)采樣空間SSSk的具體方法是采用公式(8)計(jì)算第k次迭代的重點(diǎn)采樣空間SSSk ；
全文摘要
本發(fā)明提出的基于自適應(yīng)徑向基函數(shù)代理模型的飛行器優(yōu)化設(shè)計(jì)方法首先采用拉丁超方試驗(yàn)設(shè)計(jì)方法在設(shè)計(jì)空間內(nèi)采取試驗(yàn)設(shè)計(jì)樣本并獲得與試驗(yàn)設(shè)計(jì)樣本相應(yīng)的飛行器高精度分析模型響應(yīng)值；構(gòu)造徑向基函數(shù)代理模型近似飛行器高精度分析模型；利用遺傳算法獲取當(dāng)前徑向基函數(shù)代理模型的全局最優(yōu)解；根據(jù)當(dāng)前優(yōu)化流程信息構(gòu)造該飛行器優(yōu)化設(shè)計(jì)重點(diǎn)采樣空間，并增加少量的試驗(yàn)設(shè)計(jì)樣本，更新徑向基函數(shù)代理模型；再次利用遺傳算法獲取更新后的徑向基函數(shù)代理模型的全局最優(yōu)解，判斷優(yōu)化流程是否收斂，如果收斂，終止優(yōu)化，如果不收斂，重新構(gòu)造該飛行器優(yōu)化設(shè)計(jì)重點(diǎn)采樣空間直至優(yōu)化收斂。本發(fā)明提出的方法提高了優(yōu)化效率，節(jié)約了飛行器優(yōu)化設(shè)計(jì)成本。
文檔編號(hào)G06F17/50GK102682173SQ20121015014
公開(kāi)日2012年9月19日 申請(qǐng)日期2012年5月13日 優(yōu)先權(quán)日2012年5月13日
發(fā)明者劉莉, 彭磊, 王律, 王正平, 龍騰 申請(qǐng)人:北京理工大學(xué)