A response surface based hierarchical approach to multidisciplinary robust optimization design

A multidisciplinary robust optimization design framework, concurrent subsystem robust design optimization, is proposed to obtain robust optimum solution in the large-scaled and coupled system. In this framework, response surfaces in the form of artificial neural networks provide information pertaining to system performance characteristics, and individual subsystems engage in performing robust optimization design in parallel while communicating with the system level. This optimization approach incorporates uncertainty analysis and generates a global robust optimum solution in an iterative fashion. Two applications are considered, and the results demonstrate that the approach yields a reasonable robust optimum solution, and it is a potential and efficient multidisciplinary robust optimization approach .     

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.     

[设计与优化]基于协同优化算法的高速受电弓多学科设计优化

考虑不同学科间的相互影响及耦合作用对受电弓设计优化的影响,分析了高速受电弓不同性能的设计要求,采用多学科设计优化思想建立了受电弓多学科设计的系统级优化模型及运动学、静力学、动力学和控制学的子系统优化模型;根据不同学科设计参数的耦合关系,采用协同优化方法,获取高速受电弓整体设计优化结果;建立受电弓的三维模型,采用有限元软件ANSYS验证了受电弓优化结果的有效性。结果表明：受电弓多学科协同设计优化不仅满足系统级和各个学科的设计要求,还获得高速受电弓系统的整体最优解或满意解,提高了受电弓的工作性能,降低了弓网接触力的波动,改善了弓网受流质量。     

战术导弹方案设计智能优化系统的研究

为了快速获得导弹设计的优化方案，开发了一个战术导弹方案设计智能优化系统，并研究了推理机制、协同优化策略及优化算法库等关键技术。该系统首先通过基于人工智能技术的方案设计平台获取初始设计方案，然后在保障方案可行的前提下，采用基于响应面的的多学科优化设计方法获得若干个相对最优的设计方案，最后通过评价决策子系统从优化设计方案中选取满意方案。文中通过某型号飞航导弹的方案优化设计实例，验证了该智能优化原型系统的有效性。     

神经网络响应面逼近在飞机总体优化设计中的应用

介绍了响应面方法的概念及其数学描述形式。分析了通过神经网络来实现响应面模型构建的方法。结合飞机设计的复杂过程，采用基于响应面的多学科优化方法解决不同的学科之间存在着的各种耦合关系、以及多个学科的综合协调问题。通过神经网络响应面来完成各个子学科空间之间的数据交换与协调，以此来逼近设计空间上的最优解。给出了一个飞机总体方案设计中解决飞机概念尺寸的算例，在子空间和系统层中均采用遗传算法进行优化，并与单一采用遗传算法解决同一问题的结果进行了对比。研究表明，应用神经网络构建的响应面模型能够减少系统的分析次数并能够很大程度上提高模型的精度，最终在设计空间内寻找出较好的设计方案。     

某火炮协调器多学科一体化设计优化

为了解决传统火炮优化设计中单学科建模分析的不足,采用多学科一体化设计优化方法对某火炮协调器系统进行了研究。通过对电气控制、液压、机械三个学科及学科间耦合关系的分析,建立了协调器结构控制一体化分析模型,结合多目标进化算法,对建立的一体化分析模型进行了设计优化研究。与原设计相比,优化后的设计使系统拥有更优的综合性能。     

基于主体参数化分析的潜水器多学科优化

为提高潜水器的综合性能,基于多学科设计优化思想,进行了一型潜水器学科分解,确定了设计参数及总体设计模型的数据传递关系。进行了ABAQUS软件和STAR-CCM+软件的二次开发,设计了结构学科和艇型学科参数化分析流程,实现了主体参数化分析。采用四阶响应面模型建立了艇型学科、结构学科近似模型,对推进器参数进行了拟合,建立了推进学科近似模型,对机电设备学科进行了定量处理,确定了能源学科与推进学科、机电设备学科之间的关系,建立了能源学科分析模型。基于学科分析模型,对系统层进行了分析,同时进行了设计变量灵敏度分析,建立了基于多学科可行方法的潜水器多学科优化模型。利用第二代非支配排序遗传算法（NSGA-Ⅱ）进行了求解,在Pareto解集中选择部分方案与初始方案对比,结果表明：所选择的方案优化效果明显,提升了潜水器的综合性能。     

不确定性分析与稳健设计的研究进展

综合分析了近年来稳健设计的研究成果，重点对不确定性分析、特殊条件的稳健设计、模拟基稳健设计、多学科稳健优化设计和稳健设计应用等方面进行了较系统的归纳和总结，探讨了稳健设计发展规律和有待进一步研究的若干课题。     

Multi-parameter Sensitivity Analysis and Application Research in the Robust Optimization Design for Complex Nonlinear System

The current research of complex nonlinear system robust optimization mainly focuses on the features of design parameters, such as probability density functions, boundary conditions, etc. After parameters study, high-dimensional curve or robust control design is used to find an accurate robust solution. However, there may exist complex interaction between parameters and practical engineering system. With the increase of the number of parameters, it is getting hard to determine high-dimensional curves and robust control methods, thus it’s difficult to get the robust design solutions. In this paper, a method of global sensitivity analysis based on divided variables in groups is proposed. By making relevant variables in one group and keeping each other independent among sets of variables, global sensitivity analysis is conducted in grouped variables and the importance of parameters is evaluated by calculating the contribution value of each parameter to the total variance of system response. By ranking the importance of input parameters, relatively important parameters are chosen to conduct robust design analysis of the system. By applying this method to the robust optimization design of a real complex nonlinear system-a vehicle occupant restraint system with multi-parameter, good solution is gained and the response variance of the objective function is reduced to 0.01, which indicates that the robustness of the occupant restraint system is improved in a great degree and the method is effective and valuable for the robust design of complex nonlinear system. This research proposes a new method which can be used to obtain solutions for complex nonlinear system robust design.     

一种计算步行式底盘局部结构载荷的优化方法

为确定步行式底盘局部结构在作业时的最大受力状态,对底盘结构进行强度设计,建立底盘和局部受力结构在作业状态下包含所有位置自由度参数的力学分析模型,提出一种基于响应面法求解底盘局部结构载荷的优化分析模型。用两级优化模型对局部结构的最大受力状态进行优化：第1级优化模型用逐步二次规划法找到局部结构在给定位置参数下的最大受力状态,然后通过正交试验设计构造出局部结构界面最大受力状态与位置参数之间的响应面函数;第2级优化模型用遗传算法求解响应面函数的最大值,并通过二分法不断缩小位置参数的搜索空间,提高响应面函数的逼近水平。研究表明,该优化方法是解决复杂结构系统中多变量优化问题的有效手段,并为步行式机构设计提供理论依据。     

基于Kriging插值和回归响应面法的冲压成形参数的优化及对比分析

首先采用拉丁方试验设计方法进行样本数据设计,同时,为了提高计算效率,将基于Kriging插值和响应面近似模型引入板料成形优化设计的复杂系统中,并基于初始化变量进行优化,采用Kriging插值和响应面近似方法对样本点和优化过程中形成的优化点重新进行响应面构造,以确定优化范围内新的初始值并将约束减小到一定范围;随后采用遗传优化算法对更新的设计变量初始值和约束范围进行优化。如此循环,直至得到最优解。计算结果表明,在汽车覆盖件行李箱盖的压边力、拉延筋阻力最优设置以及避免出现拉裂、起皱现象方面,Kriging插值近似建模技术优于多项式回归响应曲面近似建模技术,其预测精度高,自由度高,建模效率高。     

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。     

一种通用的机械大系统优化设计的协调模型

针对机械大系统设计的特点 ,并结合新兴的多学科设计优化技术 ,本文给出了一种协调优化模型 ,用 Kuhn-Tucker定理证明其能够保证求得原型问题的解 ,所附的算例也证明了该模型的正确性     

鲁棒性概率优化在乘员约束系统设计中的应用

利用MADYMO软件建立了国内某微型车正面碰撞数学模型,并在对模型进行试验验证的基础上结合试验设计、响应面方法和鲁棒性概率优化设计对乘员侧约束系统进行优化,优化的参数主要有安全带刚度、安全带上挂点位置、限力器撕裂力和撕裂增加长度等。采用该方法引入鲁棒性概率优化设计后能减少和控制目标函数响应的波动,降低在设计点上的敏感性,提高产品的质量。结果表明,所采用的方法既实现了对设计目标的优化,又提高了设计变量的可靠性和目标函数的鲁棒性,对工程应用具有较大指导意义。     

基于人工智能的机械系统多学科优化探讨

针对多学科的优化计算复杂性和信息交换复杂性 ,在分析前人多学科优化方法基础上 ,提出将人工神经网络、专家系统、模糊评判等人工智能技术引入多学科优化领域 ,充分利用神经网络专家系统所具有的高度容错性、鲁棒性、实时性、自适应性和系统可以自组织、自学习以及联想记忆等功能 ,探索一种适用基于人工智能技术的多学科优化设计新方法     

基于性能稳健偏差的区间型参数稳健设计优化

提出了基于系统性能稳健偏差的稳健设计优化方法。该方法针对区间型参数非梯度性能函数的稳健设计问题，应用性能稳健偏差概念评估目标性能函数和约束性能函数的稳健性，形成了三层次稳健设计优化模型：①搜索优化设计点；②迭代策略搜索设计点的目标函数和约束函数的稳健偏差；③优化寻求给定性能偏差所对应的稳健性指数。该方法可获得同时满足约束条件和目标值稳健性要求的优化设计，并输出目标值及其稳健偏差。用三杆桁架结构稳健设计优化说明了该方法的用法和特点。     

A Metamodeling Method Based on Support Vector Regression for Robust Optimization

Metamodeling techniques have been used in robust optimization to reduce the high computational cost of the uncertainty analysis and improve the performance of robust optimization problems with computationaUy expensive simulation models.Existing metamodels main focus on polynomial regression(PR),neural networks(NN)and Kriging models,these metamodeis are not well suited for large-scale robust optimization problems with small size training sets and high nonlinearity.To address the problem,a reduced approximation model technique based on support vector regression(SVR)is introduced in order to improve the accuracy of metamodels.A robust optimization method based on SVR is presented for problems that involve high dimension and nonlinear.First appropriate design parameter samples are selected by experimental design theories,then the response samples are obtained from the simulations such as finite element analysis,the SVR metamodel is constructed and treated as the mean and the variance of the objective performance functions.Combining other constraints,the robust optimization model is formed which can be solved by genetic algorithm(GA).The applicability of the method developed is demonstrated using a case of two-bar structure system study.The performances of SVR were compared with those of PR,Kriging and back-propagation neural networks(BPNN),the comparison results show that the prediction accuracy of the SVR metamodel was higher than those of other metamodels under uncertainty.The robust optimization solutions are near to the real result,and the proposed method is found to be accurate and efficient for robust optimization.This reaserch provides an efficient method for robust optimization problems with complex structure.     

随机与区间不确定下基于近似灵敏度的序列

为解决复杂系统多学科可靠性设计优化过程中由于存在多源不确定性和多层嵌套而导致的计算效率低的问题,将近似灵敏度技术与两级集成系统综合策略(Bi-level integrated system synthesis,BLISS)和功能测度法集成,提出一种能同时处理随机和区间不确定性的序列化多学科可靠性设计优化方法。基于概率论和凸模型对混合不确定性进行量化,提出一种随机和区间不确定性下的混合可靠性评价指标,并基于功能测度法建立多学科可靠性设计优化模型。采用近似灵敏度信息替代实际灵敏度值,将近似灵敏度技术同时嵌入多级多学科设计优化策略和多学科可靠性分析方法中,避免每轮循环都进行全局灵敏度信息的分析与迭代,提高了计算效率。基于序列化思想同时将四层嵌套的多学科可靠性设计优化循环和三层嵌套的多学科可靠性分析过程进行解耦,形成一个单循环顺序执行的多学科可靠性设计优化过程,避免了每轮循环对整个可靠性分析模型进行迭代分析的过程,减少灵敏度分析和多学科分析次数。以汽车侧撞工程设计为例,验证了该法具有同时处理随机和区间不确定性的能力,并且计算效率较传统方法分别提高了10.98%和23.63%,表明该法具有一定工程实用价值。     

多学科优化设计在热成形车架轻量化中的应用

采用最优拉丁方试验设计方法进行样本数据设计,采用移动最小二乘响应面方法构建白车身扭转刚度、白车身关键区域强度、整车正碰多学科系统的近似模型。利用连续二次规划优化方法对此近似模型进行优化,将热成形板的前中后大梁厚度、大梁内部加强板厚度作为设计变量,在满足正碰设计要求、白车身强度刚度要求的同时,显著减小了车架的质量。     

基于Agent模型的多学科设计优化方法

复杂工程系统的设计往往涉及多门学科 ,多学科设计优化 (MDO)方法是一类求解复杂系统设计优化问题的方法。本文首先简要回顾现有 MDO方法的特点 ,然后基于 Agent模型提出了一种新的多学科设计优化方法——子空间自主式优化方法。这种方法具有如下特点 :流程简单 ;各个学科组可自主地、并行地进行设计和优化 ;灵活性强 ;所需系统分析的计算次数少 ;没有系统级协调优化环节。为了验证这种算法的有效性 ,对二个典型算例进行了数值实验。初步的数值实验结果表明 ,二个典型的算例经过几次迭代后均能收敛于最优解。子空间自主式方法是一种较有潜力的 MDO方法 ,值得进一步研究