微机械陀螺的多学科设计优化建模的研究

以梳状音叉式振动微机械陀螺为例,将多学科设计优化（MDO）方法应用到微机械陀螺的优化设计中。将微机械陀螺复杂系统分解为归属不同学科的多个子系统,阐明了在多学科设计优化中各子系统之间的相互关系。建立了微机械陀螺的结构设计、机械性能、电学性能子系统和系统级的多学科设计优化模型。用已研制的MMCDO多学科混合协同设计优化算法计算,得到了满意的优化设计结果。     

一种多学科设计优化工作流验证方法

在多学科设计优化集成系统中,设计过程和优化求解算法均通过可视化工作流实现,工作流有效性验证对提高设计效率和提高系统的用户体验具有重要意义。当前验证方法主要针对办公自动和企业管理系统中的工作流验证问题,多学科设计优化集成系统中的工作流验证问题研究较少。在分析前期工作验证技术的基础上,针对以循环结构为特征的优化环,提出一种基于图论方法的,名为浓缩环(concentration-loop)的验证算法。结合发射平台数字化设计系统的设计与实现,对该算法进行了验证。     

基于遗传算法的临近空间飞艇多学科优化设计

临近空间飞艇设计中,确定系统总体参数、给出优化的艇体外形十分关键,针对传统设计方法,为改进其中串行设计的不足,提出了并行多学科优化设计方法;并基于遗传算法开展了飞艇外形优化设计方法研究,结合气动、结构、强度进行了一体化优化。仿真结果表明利用遗传算法开展飞艇多学科优化是可行的,另外在进行设计时,不能仅将减阻作为研究重点,还应全面考虑结构重量、强度等其它因素。     

基于DOE方法和循环逼近方法的螺旋桨优化设计

随着对螺旋桨性能要求的不断提高,螺旋桨设计面临着多目标、多学科综合提高的难题.在iSIGHT多学科优化设计平台上,采用试验设计方法和与基于响应面模型的逼近方法相结合的优化方法而建立的设计工程,不但完成设计过程的自动化和智能的设计探索,而且确定最佳设计参数使螺旋桨效率和最小压力系数都有提高,实现了优化设计的目的.     

多学科协同与设计优化关键技术

传统的设计优化一般主要受到某一个性能或学科的影响,因此造成整体设计优化的结果不理想,甚至互相矛盾,这就使设计优化必然走向系统和总体的设计优化。随着计算技术的发展,人们开始尝试将多学科的设计综合在一起,进行多学科协调优化。本文研究了多学科协同与设计优化的关键技术,为进行多学科协调优化奠定了基础。     

基于多级并行策略的复杂产品多学科设计优化

针对复杂产品设计需要进行多学科协作设计和优化的问题,结合计算机应用技术提出基于多级并行策略的多学科优化方法。该方法基于过程建模的层次化优化思想,实现复杂产品设计过程的自动化和优化。减速器标准多学科优化算例说明该方法可实现不同学科的层次化并行优化。将该方法与其他传统的多学科优化方法进行比较,验证该方法的高效性和最优设计的准确性。     

吸气式高超声速飞行器多学科优化设计研究

在冲压发动机推进特性问题的研究中,高超声速飞行器是一种多学科强耦合的先进飞行器,传统的设计方法一般只考虑某一个性能和学科,造成设计性能不理想,而多学科优化设计(MDO)能够探索和充分利用工程系统中的协同机制来实现复杂飞行器的设计.为优化推进技术,完善设计,提高航程,用多学科优化设计方法对高超声速飞行器进行了优化设计.建立了包括空气动力学、推进系统、结构质量以及弹道航程等多个学科模型在内的多学科优化平台.进行仿真,结果表明满足各个学科约束的条件,使得飞行器的航程提高 12.94%.同时也说明文中针对高超声速飞行器搭建的多学科优化平台是可行的,为优化设计提供厂保证.     

管理信息系统人机交互优化方法

由于管理信息系统的结构越来越复杂、影响因素越来越多,根据人机交互方法研究管理信息系统具有十分重要的理论意义和应用价值.针对管理信息系统人机交互问题,提出了一种遗传神经网络方法,采用具有高度非线性映射能力的结构化神经网络来拟合管理信息系统人机交互模型的输入输出关系,利用具有全局寻优能力的遗传算法来训练结构化神经网络的参数,应用遗传算法对神经网络模型进行优化设计.上述方法从遗传算法的优化过程中抽取一些知识,采用知识来指导遗传算法的后续优化过程.     

优化算法在磁悬浮控制器设计中的应用

通过对磁悬浮系统模型进行分析,发现磁悬浮系统是一非线性不稳定系统.传统控制器设计方法的超前校正控制器不能满足系统的改进性能指标要求,在性能上存在较大误差.针对上述不足,提出对传统超前校正控制器进行优化设计.综合设计要求,性能指标,约束条件等各方面因素,应用惩罚函数法将约束优化问题转化为无约束优化问题,得到一个最优设计方案.修正后的系统指标能很好地与设计要求匹配.仿真结果显示,改进方法设计出的系统比使用传统设计方法更好地满足了工程性能指标的要求.     

基于iSIGHT平台DOE方法的螺旋桨敞水性能优化设计

传统的螺旋桨设计方法已经满足不了进一步提升其性能的要求,并且现代环境的变化不再仅仅要求螺旋桨某一性能的最优,而是多方面综合性能的最优.iSIGHT多学科优化设计平台提供了完整的设计综合环境和先进的优化设计方法,能够完成设计过程的自动化和智能的设计探索,确定最佳设计参数.基于iSIGHT平台的实验设计方法建立的螺旋桨敞水性能优化方法使螺旋桨效率和最小压力系数都有提高,实现了优化目的.     

支持多学科设计优化的集成产品过程建模方法

针对当前主要的设计过程建模方法缺乏表达复杂产品多学科设计过程中资源的组织调用和协作方式等信息,提出一种支持复杂产品多学科设计优化的设计路线图框架过程建模方法.从全面表达设计过程信息的角度出发,描述产品多学科设计优化过程中的主要活动及其协同关系,建立支持多学科设计优化的过程模型;在此基础上,给出了多学科设计优化的过程规划方法,以降低产品设计过程中的迭代,通过构建支持多学科设计优化的集成产品设计过程结构框架,实现产品多学科设计优化的过程集成.最后通过已开发的多学科系统集成平台,应用具体设计实例验证了整套方法的有效性.     

改进的多学科协同优化算法及其应用

多学科优化设计（MDO）是当前复杂系统工程设计中研究最活跃的领域.分析了标准多学科协同优化算法解决实际复杂MDO问题计算困难的原因,提出了基于试验设计的近似模型和智能优化的协同优化算法（NCO）.NCO算法继承了标准协同优化分布并行的思想,采用现代智能算法优化系统级减小优化陷入局部解的可能性,以试验设计为基础的高精度近似模型代替学科真实模型降低计算成本,平滑数值噪声.通过经典MDO测试算例与Alexandrov提出的改进松弛协同优化比较,优化结果表明,NCO能有效提高收敛速率,保证收敛结果的稳定性和可靠性,能更好地满足复杂系统工程优化需要.     

Sequential optimization and reliability assessment for multidisciplinary systems design

With higher reliability and safety requirements, reliability-based design has been increasingly applied in multidisciplinary design optimization (MDO). A direct integration of reliability-based design and MDO may present tremendous implementation and numerical difficulties. In this work, a methodology of sequential optimization and reliability assessment for MDO is proposed to improve the efficiency of reliability-based MDO. The central idea is to decouple the reliability analysis from MDO with sequential cycles of reliability analysis and deterministic MDO. The reliability analysis is based on the first-order reliability method (FORM). In the proposed method, the reliability analysis and the deterministic MDO use two MDO strategies, the multidisciplinary feasible approach and the individual disciplinary feasible approach. The effectiveness of the proposed method is illustrated with two example problems.     

Integrating linear physical programming within collaborative optimization for multiobjective multidisciplinary design optimization

Multidisciplinary design optimization (MDO) is a concurrent engineering design tool for large-scale, complex systems design that can be affected through the optimal design of several smaller functional units or subsystems. Due to the multiobjective nature of most MDO problems, recent work has focused on formulating the MDO problem to resolve tradeoffs between multiple, conflicting objectives. In this paper, we describe the novel integration of linear physical programming within the collaborative optimization framework, which enables designers to formulate multiple system-level objectives in terms of physically meaningful parameters. The proposed formulation extends our previous multiobjective formulation of collaborative optimization, which uses goal programming at the system and subsystem levels to enable multiple objectives to be considered at both levels during optimization. The proposed framework is demonstrated using a racecar design example that consists of two subsystem level analyses — force and aerodynamics — and incorporates two system-level objectives: (1) minimize lap time and (2) maximize normalized weight distribution. The aerodynamics subsystem also seeks to minimize rearwheel downforce as a secondary objective. The racecar design example is presented in detail to provide a benchmark problem for other researchers. It is solved using the proposed formulation and compared against a traditional formulation without collaborative optimization or linear physical programming. The proposed framework capitalizes on the disciplinary organization encountered during large-scale systems design.     

Comparison of MDO methods with mathematical examples

Recently, engineering systems are quite large and complicated. The design requirements are fairly complex and it is not easy to satisfy them by considering only one discipline. Therefore, a design methodology that can consider various disciplines is needed. Multidisciplinary design optimization (MDO) is an emerging optimization method that considers a design environment with multiple disciplines. Seven methods have been proposed for MDO. They are Multiple-discipline-feasible (MDF), Individual-discipline-feasible (IDF), All-at-once (AAO), Concurrent subspace optimization (CSSO), Collaborative optimization (CO), Bi-level integrated system synthesis (BLISS), and Multidisciplinary design optimization based on independent subspaces (MDOIS). Through several mathematical examples, the performances of the methods are evaluated and compared. Specific requirements are defined for comparison and new types of mathematical problems are defined based on the requirements. All the methods are coded and the performances of the methods are compared qualitatively and quantitatively.     

多学科混合变量协同设计优化方法研究

为解决同时含有离散和连续两种变量形式的混合变量复杂产品设计优化问题,利用“分而治之”的混合参数处理思想,在协同设计优化算法的基础上,提出一种多学科混合变量协同设计优化方法．该方法先将优化问题解耦分解成相对简单的多个子系统进行优化计算,然后利用协同设计优化算法的协同机制求得全系统最优解．算例验证结果表明了所提出方法的可行性和有效性．     

ATC与CO方法对比及其在卫星设计问题中的应用

针对解析目标分流(analytical target cascading,ATC)与协同优化(collaborative optimization,CO)方法对比及ATC方法在卫星多学科设计优化(MDO)中的应用等问题,研究ATC与CO方法的原理差异;将其应用到两个数学解析算例,通过对比ATC与CO方法在优化过程中系统、子系统问题以及全部问题所需的函数运算次数,可以看出ATC方法可以大大减少子系统问题函数运算次数,计算效率较高.采用ATC方法求解某观测卫星MDO问题得到合理结果,表明了ATC方法的有效性,可为同类航天器MDO问题求解提供参考.     

面向分级设计优化的飞行器参数化建模方法

针对飞行器气动隐身外形综合设计优化问题,提出合适的面向分级设计优化流程,建立适应该流程的渐进分层参数化建模方法;用基于敏度分析的参数影响程度分析方法筛选复杂设计变量;采用多学科设计优化（Multidisplinary Design Optimization,MDO）理论和差分进化算法进行飞行器气动隐身外形的综合设计优化.将该方法用于某飞行器外形设计优化,结果表明：该方法合理可行,可为飞行器外形多学科设计优化提供一定参考.     

An efficient metamodel-based multi-objective multidisciplinary design optimization framework

This paper presents an efficient metamodel-based multi-objective multidisciplinary design optimization (MDO) architecture for solving multi-objective high fidelity MDO problems. One of the important features of the proposed method is the development of an efficient surrogate model-based multi-objective particle swarm optimization (EMOPSO) algorithm, which is integrated with a computationally efficient metamodel-based MDO architecture. The proposed EMOPSO algorithm is based on sorted Pareto front crowding distance, utilizing star topology. In addition, a constraint-handling mechanism in non-domination appointment and fuzzy logic is also introduced to overcome feasibility complexity and rapid identification of optimum design point on the Pareto front. The proposed algorithm is implemented on a metamodel-based collaborative optimization architecture. The proposed method is evaluated and compared with existing multi-objective optimization algorithms such as multi-objective particle swarm optimization (MOPSO) and non-dominated sorting genetic algorithm II (NSGA-II), using a number of well-known benchmark problems. One of the important results observed is that the proposed EMOPSO algorithm provides high diversity with fast convergence speed as compared to other algorithms. The proposed method is also applied to a multi-objective collaborative optimization of unmanned aerial vehicle wing based on high fidelity models involving structures and aerodynamics disciplines. The results obtained show that the proposed method provides an effective way of solving multi-objective multidisciplinary design optimization problem using high fidelity models.     

基于Isight的CSSO算法框架

概述多学科优化设计(Multidisciplinary Design Optimization,MDO)在复杂产品设计中的必要性,阐述CSSO算法的基本内容,以齿轮减速器为例,利用Isight搭建CSSO计算框架并对每一步进行分析和说明.将CSSO计算结果与传统优化结果进行对比,结果表明CSSO算法比传统算法的计算效率高、准确性好.