基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

卫星总体多学科设计优化过程分析

多学科设计优化方法是实现卫星设计“快、好、省”目标的有效手段，但在实际应用中存在较大困难。根据多学科设计优化方法中多学科设计、多学科分析和多学科优化问题的分解思路，分析了多学科设计优化方法应用于卫星总体设计存在的现实困难和工程实践中必须考虑的设计因素；通过对卫星总体设计过程的分解与分析，提出了多学科设计优化方法与卫星总体设计流程相融合的技术途径，为进一步构建面向卫星总体设计的分布式协同软件框架提供了参考。     

卫星总体多学科设计优化过程分析

多学科设计优化方法是实现卫星设计“快、好、省”目标的有效手段,但在实际应用中存在较大困难。根据多学科设计优化方法中多学科设计、多学科分析和多学科优化问题的分解思路,分析了多学科设计优化方法应用于卫星总体设计存在的现实困难和工程实践中必须考虑的设计因素;通过对卫星总体设计过程的分解与分析,提出了多学科设计优化方法与卫星总体设计流程相融合的技术途径,为进一步构建面向卫星总体设计的分布式协同软件框架提供了参考。     

基于FORM的齿轮传动多学科优化设计

通常多学科设计优化是一种确定性设计方法,未考虑不确定性因素的影响。为降低多学科设计优化过程中不确定性因素对系统性能的影响,将一次可靠性方法与协同优化方法相结合,应用到多学科设计优化中。建立基于一次可靠性方法的协同优化的数学模型,并阐述其求解流程,该方法可用于多学科设计优化领域的可靠性设计问题。分别运用协同优化方法和基于一次可靠性方法的协同优化实现了减速器齿轮传动的多学科优化设计,在这两种方法的系统级优化中,引入松弛变量,将一致性等式约束转化为不等式约束,使算法易于收敛。优化结果表明基于一次可靠性方法的协同优化方法求得的最优解使得约束条件满足了可靠性要求,提高了系统的可靠性,具有实际工程意义。     

机器人系统多学科协同优化设计

将多学科设计优化思想应用于机器人系统的设计问题.首先介绍了协同优化算法的主要思想与框架,然后以二自由度机器人的设计为例,着重研究用协同优化算法完成机器人的运动学、静力学、动力学与控制学的多学科设计优化.优化结果证明了协同优化算法解决复杂机器人系统多学科设计优化问题的有效性,为解决更为复杂的机械系统的设计优化问题奠定了基础.     

基于多学科协同算法的V型带传动优化

针对带传动优化过程中存在的多目标、多约束特点,采用多学科设计优化理论进行了V型带传动参数的优化设计。以中心距和皮带根数最小为同步优化目标,利用协同优化算法思想建立了两级优化数学模型,其中包括一个系统级模型和两个子系统级模型。运用iSIGHT软件对优化数学模型进行了求解,与现有文献的优化方法相比,中心距和皮带根数均有减小,可以简化结构并降低成本。计算结果表明多学科设计优化在处理多目标优化问题时有明显的优越性。     

圆柱螺旋压缩弹簧的多学科协同优化设计

引入多学科设计优化理论解决圆柱螺旋压缩弹簧的优化设计问题。针对圆柱螺旋弹簧优化设计存在的多目标、多约束特点,建立了圆柱螺旋压缩弹簧的多学科优化设计模型,并采用协同优化算法,完成了优化模型的求解。优化结果证明了协同优化算法解决圆柱螺旋压缩弹簧的优化设计优化问题的有效性,为解决更为复杂机械系统的设计优化问题奠定了基础。     

改进的多学科协同优化方法

针对标准协同优化方法系统级优化存在自身内部缺陷而导致计算困难的问题,提出一种改进的协同优化方法.利用凝聚约束处理方法,将系统级优化的多个等式约束凝聚成一个单约束,结合惩罚函数法将其转化为无约束优化问题,并针对系统级优化采用传统优化算法对初始点选取敏感等问题,将改进的粒子群优化算法应用于协同优化.利用数值计算和减速器设计两个典型算例,对所提方法的可行性和有效性进行了验证.     

利用协同优化方法实现复杂机械系统的设计优化

利用协同优化方法实现了四辊轧机机座的结构参数设计优化。根据多学科设计优化对复杂系统进行设计优化的思想，提出将复杂机械系统分解为若干个简单的子系统进行设计优化。协同优化是近年来发展较快的一种多学科设计优化算法，描述了应用于复杂工程系统优化设计的协同优化方法。在协同优化的系统级优化中，引入松弛变量，将一致性等式约束转化为不等式约束，松弛变量的取值影响系统级优化的收敛速度。通过对四辊轧机机座的结构参数设计优化，给出了利用协同优化方法进行复杂机械系统设计优化的一般思路，为解决更为复杂的机械系统的设计优化问题打下了基础。算例证明了协同优化算法解决复杂机械系统设计优化问题的有效性。     

多学科协同与设计优化关键技术研究

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.本文分析了多学科协同与设计优化关键技术,并提出了协同设计优化的方法,对探讨多学科协调优化有一定的参考价值.     

用遗传算法提高协同优化方法的可靠性

分析了协同优化方法可靠性不好的根源。提出了用遗传算法来替代系统级优化问题中的基于梯度的优化算法的策略。实例表明所提出的策略是可行有效的。     

Robust Collaborative Optimization Method Based on Dual-response Surface

A novel method for robust collaborative design of complex products based on dual-response surface (DRS-RCO) is proposed to solve multidisciplinary design optimization (MDO) problems under uncertainty. Collaborative optimization (CO) which decomposes the whole system into a double-level nonlinear optimization problem is widely Accepted as an efficient method to solve MDO problems. In order to improve the quality of complex product in design process, robust collaborative optimization (RCO) is developed to solve those problems under uncertain conditions. RCO does opfmiTation on the linear sum of mean and standard deviation of objective function and gets an optimal solution with high robustnmess. Response surfaces method is an important way to do approximation in robust design. DRS-RCO is an improved RCO method in which dual-response surface replaces system uncertainty analysis module of CO. The dual-response surface is the approximate model of mean and standard deviation of objective function respectively. In DRS-RCO, All the information of subsystems is included in dual-response surfaces. As an additional item, the standard deviation of objective function is added to the subsystem optimization. This item guarantee both the mean and standard deviation of this subsystem is reaching the minima at the same time. Finally, a test problem with two coupled subsystems is conducted to verify the feasibility and effectiveness of DRS-RCO.     

基于支持向量机的多目标模糊稳健优化设计

为了提高模糊稳健优化设计的计算效率,探讨了基于支持向量机回归机(SVR)的多目标模糊稳健设计方法,该方法以SVR作为非线性约束函数的替代模型,并采用SVR对模糊概率进行仿真计算,可显著降低模糊稳健优化设计的机时消耗;采用字典序优先级的目标规划法,建立了多目标稳健优化设计模型;把SVR与遗传算法相结合,构建了一种混合智能优化算法;通过多目标稳健设计实例,对所提出的方法进行了验证。     

Decomposition method of complex optimization model based on global sensitivity analysis

The current research of the decomposition methods of complex optimization model is mostly based on the principle of disciplines, problems or components. However, numerous coupling variables will appear among the sub-models decomposed, thereby make the efficiency of decomposed optimization low and the effect poor. Though some collaborative optimization methods are proposed to process the coupling variables, there lacks the original strategy planning to reduce the coupling degree among the decomposed sub-models when we start decomposing a complex optimization model. Therefore, this paper proposes a decomposition method based on the global sensitivity information. In this method, the complex optimization model is decomposed based on the principle of minimizing the sensitivity sum between the design functions and design variables among different sub-models. The design functions and design variables, which are sensitive to each other, will be assigned to the same sub-models as much as possible to reduce the impacts to other sub-models caused by the changing of coupling variables in one sub-model. Two different collaborative optimization models of a gear reducer are built up separately in the multidisciplinary design optimization software iSIGHT, the optimized results turned out that the decomposition method proposed in this paper has less analysis times and increases the computational efficiency by 29.6%. This new decomposition method is also successfully applied in the complex optimization problem of hydraulic excavator working devices, which shows the proposed research can reduce the mutual coupling degree between sub-models. This research proposes a decomposition method based on the global sensitivity information, which makes the linkages least among sub-models after decomposition, and provides reference for decomposing complex optimization models and has practical engineering significance.     

基于近似模型的两级集成系统协同优化方法

在两级集成系统协同优化(BLISCO)方法的基础上提出了一种基于近似模型的BLISCO方法,该方法在继承了BLISCO方法优点的同时,具有能够减少设计优化过程中仿真分析和计算次数、平滑设计空间数值噪声、加快收敛速度等优点。通过两个算例,针对子系统存在耦合和不存在耦合两种情况对所提出方法进行了测试,分析结果表明,采用基于近似模型的BLISCO方法可以快速、准确地获得最优解,且综合性能优于原BLICO方法和相关文献所提出的方法。     

Multidisciplinary design optimization of vehicle instrument panel based on multi-objective genetic algorithm

Typical multidisciplinary design optimization(MDO) has gradually been proposed to balance performances of lightweight, noise, vibration and harshness(NVH) and safety for instrument panel(IP) structure in the automotive development. Nevertheless, plastic constitutive relation of Polypropylene(PP) under different strain rates, has not been taken into consideration in current reliability-based and collaborative IP MDO design. In this paper, based on tensile test under different strain rates, the constitutive relation of Polypropylene material is studied. Impact simulation tests for head and knee bolster are carried out to meet the regulation of FMVSS 201 and FMVSS 208, respectively. NVH analysis is performed to obtain mainly the natural frequencies and corresponding mode shapes, while the crashworthiness analysis is employed to examine the crash behavior of IP structure. With the consideration of lightweight, NVH, head and knee bolster impact performance, design of experiment(DOE), response surface model(RSM), and collaborative optimization(CO) are applied to realize the determined and reliability-based optimizations, respectively. Furthermore, based on multi-objective genetic algorithm(MOGA), the optimal Pareto sets are completed to solve the multi-objective optimization(MOO) problem. The proposed research ensures the smoothness of Pareto set, enhances the ability of engineers to make a comprehensive decision about multi-objectives and choose the optimal design, and improves the quality and efficiency of MDO.     

基于支持向量机的模糊稳健优化设计方法

在模糊稳健设计中,需要采用随机模拟方法计算模糊概率和非线性约束函数,但计算效率很低.为此,提出了一种基于支持向量机的模糊稳健设计方法.采用支持向量回归机对模糊概率进行仿真计算,采用支持向量回归机或分类机作为非线性约束函数的替代模型,显著降低了模糊稳健优化设计的机时消耗.给出了新方法的具体算法步骤,并通过模糊稳健优化设计...     

基于计算试验设计与代理模型的飞行器近似优化策略探讨

现代飞行器设计优化中广泛应用高精度分析模型以提高设计可信度与综合性能,但是也带来了计算复杂性问题。为了有效缓解计算耗时的问题,基于计算试验设计与代理模型的飞行器近似优化策略成为研究热点。近似优化策略通过构造合理的近似模型引导优化过程快速收敛到最优解,从而达到降低计算成本,缩短设计周期的目的。根据广泛的文献调研,对飞行器近似优化策略的发展现状进行详细探讨。给出近似优化策略的定义、求解流程、特点以及关键技术。对计算试验设计方法、代理模型方法、精度校验与代理模型选择方法等技术进行综述。围绕静态与自适应两类近似优化策略,重点讨论典型的代理模型管理与更新策略与收敛准则。针对飞行器多学科设计优化问题,探讨近似优化策略与分解策略在求解效率与收敛性方面的技术特点。通过数值算例对各项关键技术的特点进行较详尽的对比分析与总结,并依托飞行器设计优化工程实例对近似优化策略的综合性能进行探讨,指出不同近似优化策略的适用范围。研究结果表明,飞行器近似优化策略在优化效率、全局收敛性以及鲁棒性等方面体现出较显著的优势,具有良好的工程应用前景。指出飞行器近似优化策略的未来研究方向。