基于多模型拓扑优化方法的车身结构概念设计

为获得最优的初始设计方案,在车身概念设计阶段对车身结构进行拓扑优化。车身结构性能指标综合考虑整体刚度、局部动态刚度和碰撞性能,采用多模型优化(multi-model optimization,MMO)方法解决此类复杂工况的拓扑优化问题,通过调节设计空间和设置参数,获得车身最优载荷路径。根据拓扑优化结果初步形成车身框架结构,可为后期详细设计提供参考。     

基于多目标进化算法的手机概念设计优化

针对手机设计领域应用计算机辅助设计存在的一些问题,以及如何处理相互冲突的多目标间的优化问题,深入地分析了概念设计过程中的创新思维和多目标优化的基本理论.在手机概念设计阶段同时考虑了用户要求.构件设计属性.设计成本和综合评价值等多种因素,将分布估计算法应该于求解手机集成的多目标优化问题,给出了具体的方法和步骤.实验结果表明,该方法可以提高设计的创新性,给设计人员提供有益的借鉴.     

参数化白车身结构轻量化多目标优化

利用SFE Concept建立某轿车白车身的参数化模型,采用有限元法对白车身的静态弯曲和扭转刚度、主要低阶模态进行分析,并将仿真结果与试验结果进行对比。将参数化白车身与动力总成、底盘、闭合件连接后,仿真分析整车正面100%碰撞安全性能并验证有限元模型的有效性。提出通过相对灵敏度分析确定白车身非安全件设计变量的方法,采用最优拉丁超立方方法生成样本点,基于径向基神经网络方法拟合近似模型,以白车身非安全件和正碰安全件为轻量化对象,通过第二代非劣排序遗传算法对白车身进行多目标优化设计。结果表明：在白车身静态弯曲刚度降低3.60%、静态扭转刚度降低3.91%、一阶弯曲模态固有频率降低0.09%、一阶扭转模态固有频率上升1.26%、正碰安全性能基本不变的情况下,白车身质量减少24.17 kg,减重7.42%,轻量化效果显著。     

船舶概念设计阶段的多目标优化与决策

船舶概念设计阶段,需要初步给定多组船型参数方案并从中优选出客观合理的某一方案.以散货船为研究对象,建立了以船舶造价、单位排水量船体阻力、相对回转直径为目标的船舶概念设计优化数学模型;应用改进的非支配解排序的多目标进化算法求解船舶概念设计多目标问题以获得Pareto解集.分析了主观赋权和客观赋权的优劣,提出采用线性叠加在层次分析法、变异系数法这两种主观赋权和客观赋权方法间求取组合赋权向量,将组合向量与TOPSIS法结合对所求Pareto解集进行方案排序.优化决策结果表明,改进的非支配解排序的多目标进化算法DW=36000t散货船概念设计优化能获得多组综合性能优良的船型方案,基于线性叠加的组合赋权TOPSIS决策策略能给出客观、有效的方案序列.这种二阶段的综合方法也能推广应用于船舶优化与决策其他领域.     

基于多目标优化的创意平板折叠桌设计

在任意给定折叠桌高度和圆形桌面直径时,为满足产品稳固性好、加工方便、节省用料的设计要求,通过建立多目标优化模型对创意平板折叠桌进行优化设计,利用线性加权法确定折叠桌的平板尺寸、钢筋位置、开槽长度等最优设计参数。     

基于人工免疫系统的多目标函数优化

为克服传统遗传算法退化和早熟等缺点,同时降低优化算法的复杂度,提出基于人工免疫系统（Artificial Immune System, AIS）实现无约束多目标函数的优化。使用随机权重法和自适应权重法计算种群个体的适应值,使Pareto最优解均匀分布的同时,加快算法的收敛;通过引入人工免疫系统的三个基本算子：克隆、超变异和消亡,保持种群的多样性;在进化种群外设立Pareto 解集,保存历代的近似最优解。使用了两个典型的多目标检测函数验证了该算法的有效性。优化结果表明,基于AIS的多目标优化算法可使进化种群迅速收敛到Pareto前沿,并能均匀分布,是实现多目标函数优化的有效方法。     

基于MOLCA的催化裂化分离系统多目标模糊优化

催化裂化分离系统由分馏系统和吸收稳定系统两部分组成,本文将催化裂化分离系统作为一个整体进行研究。应用流程模拟软件Aspen Plus建立了该系统的全流程模拟,在此基础上,以干气中C_（3＋）组分数最小和系统能耗最少作为优化目标,建立了该系统的多目标优化数学模型。应用模糊优化理论对优化约束条件进行模糊处理,并采用多目标列队竞争算法（MOLCA）对模糊优化模型以及普通优化模型进行求解。计算结果表明,采用模糊优化的结果优于普通优化的结果,干气品质和系统能耗都得到了明显的改善。为催化裂化分离系统的操作优化提供了参考。     

基于信念的多Agent模型解决多目标优化问题

提出了基于信念的多Agent模型解决多目标优化问题.在这个模型中,Agent通过在解空间中移动来进行搜索,使用信念指导移动.每个Agent都有独立的信念,信念由3部分组成:Agent对每个目标的偏好、移动向量和对此向量的评价.Agent在优化的过程中会根据目标函数的值调整移动向量和对应的评价.Agent也会和相邻的Agent交互信念,从而获得更好的性能.最后用模型解决了几个简单的多目标函数优化问题,实验结果证明了算法的有效性.     

催化吸收稳定系统的多目标优化

将多目标优化软件modeFRONTIER同化工流程模拟软件PRO/Ⅱ相结合,模拟催化吸收稳定系统,并采用遗传算法多目标优化产品质量和能耗。优化结果表明干气与冷、热负荷都存在较明显的Pareto关系,根据Pareto解集可得出优化点,优化后干气质量提高了12.8%,冷、热负荷分别降低了4.4%和4.92%。这为优化催化吸收稳定系统的设计和实际操作提供了依据。     

基于多种群差分进化的多目标优化算法

针对差分进化算法(Differential Evolution Algorithm,DE)求解多目标优化问题时易陷入局部最优的问题,设计了一种双向搜索机制,它通过对相反进化方向产生的两个子代个体进行评价,来增强DE算法的局部搜索能力;设计了多种群机制,它可令各子群独立进化一定次数再执行全局进化,以完成子群间进化信息的交流,这一方面降低了算法陷入局部最优的风险,另一方面增强了Pareto解集的多样性,使Pareto前沿面的解集分布更为均匀。实验结果表明,相比于NSGA-II等同类算法,所提方法在搜索Pareto最优解时效率更高,并且Pareto最优解集的精度及分布程度比前者更好。     

针对多个动力学性能的整车多目标优化

针对难以用传统单目标方法开发综合性能好的汽车的问题,建立整车刚柔耦合多体动力学模型,用车身垂向加速度、前后轮荷标准差和横摆角速度超调量等3个参数表征乘坐舒适性、行驶安全性和操纵稳定性等3方面性能,并采用多目标遗传算法进行优化.从优化得到的一组Pareto解集中选取一个最优解,有效提高汽车的若干性能,证明该方法能有效优化整车动力学性能.     

某SUV车架多目标拓扑优化设计

为得到同时满足刚度和动态要求的SUV车架,基于SIMP材料插值方法,分别以刚度最大和低阶模态固有频率最大作为优化目标建立拓扑优化模型,利用折中规划法建立多工况下刚度和低阶固有频率多目标优化模型,通过拓扑优化迭代得到新的SUV车架;对新车架进行仿真分析,得到其位移和应力分布及前4阶固有频率.其静态特性满足材料要求且有很大提高,第1阶固有频率提高到30.3 Hz,新车架质量减轻到193.3 kg.计算结果表明该方法能够很好地解决多目标下的结构优化问题。     

基于隐式参数化耦合模型的车身集成优化

为提高车身截面优化效率,基于SFE CONCEPT构建白车身关注部位的隐式参数化模型,并与白车身有限元非参数化模型进行耦合,使参数化模型与有限元模型耦合边界处的连接关系随截面变化自动更新,通过试验验证耦合模型的有效性。基于试验设计（design of experiments, DOE）方法、近似模型、多目标优化等策略,对白车身耦合模型进行刚度和模态等多学科集成优化,实现车身局部结构快速轻量化设计。     

基于隐式参数化的车身多学科轻量化设计

为实现整车综合性能的快速方案验证和优化设计,在新车型设计阶段构建车身隐式参数化模型,并对其进行模态、刚度和安全等综合性能计算,验证参数化模型的有效性。基于灵敏度分析、试验设计（design of experiments, DOE）方法和近似模型优化等策略,对某白车身进行多学科轻量化设计。优化设计结果表明,白车身的模态、刚度和安全性能均满足设计要求。     

基于变密度法的飞行器升力面结构多目标拓扑优化设计

为研究权衡结构刚度与低阶振动频率的飞行器升力面最优结构设计,提出两种多目标拓扑优化方案（约束法、结合约束法与评价函数法）.基于变密度方法,在约束法方案中将多目标优化转化为设定参考点位移约束和低阶振动频率约束下,求解结构质量最小化的优化问题.在结合约束法与评价函数法方案中,定义组合柔度指数为评价函数（结构柔度与振动频率的函数）,将多目标优化转化为设定低阶振动频率约束和体积分数约束下,求解结构最小组合柔度指数的优化问题.结果表明两种方案的优化结果具有一定的相似性,各有所长.优化设计不仅减轻了升力面结构重量,而且提高了结构的一、二阶振动频率.     

Boundary‐based optimization strategies for design of fragment‐type isolation structure in compact MIMO systems

Fragment‐type structures have been used to acquire high isolation in compact multiple‐input and multiple‐output (MIMO) systems. In this paper, two novel optimization strategies, boundary‐based two‐dimensional (2D) median filtering operator and boundary‐based 2D weighted sum filtering operator, are proposed to design fragment‐type isolation structures first when specific boundary conditions are considered in engineering designs. Second, two computer aided optimization techniques are proposed through combining these two operators with MOEA/D‐GO (multi‐objective evolutionary algorithm based on decomposition combined with enhanced genetic operators), respectively. Finally, fragment‐type isolation structures of a compact MIMO PIFAs (planar inverted‐F antennas) system operating at 2.345‐2.36 GHz are designed. Comparison results show that more alternative designs could be found at the expense of searching speed, and both better front‐back‐ratio and wider impedance bandwidth are observed.     

基于设计结构矩阵的辅助优化系统

传统结构优化建模方法对设计人员的能力要求较高,而现有辅助优化建模工具的通用性不强,导致复杂工程优化问题的模型建立十分困难,因此提出一种通用性较强的辅助优化建模方法.该方法将设计结构矩阵(Design Structure Matrix,DSM)思想引入优化模型的建立过程中,利用DSM结构形式和算法的优点方便有效地从复杂工程问题中提取优化模型并给出合理的优化流程.基于Excel的VBA语言开发辅助优化建模工具,快速准确地提取优化模型,并通过与优化软件Isight的接口程序自动将参与优化设计的模块映射成合理的优化流程图.采用燃气轮机支架结构的优化设计问题验证该辅助优化建模工具,并取得良好效果.     

MRMOGA: a new parallel multi‐objective evolutionary algorithm based on the use of multiple resolutions

In this paper, we introduce MRMOGA (Multiple Resolution Multi‐Objective Genetic Algorithm), a new parallel multi‐objective evolutionary algorithm which is based on an injection island approach. This approach is characterized by adopting an encoding of solutions which uses a different resolution for each island. This approach allows us to divide the decision variable space into well‐defined overlapped regions to achieve an efficient use of multiple processors. Also, this approach guarantees that the processors only generate solutions within their assigned region. In order to assess the performance of our proposed approach, we compare it to a parallel version of an algorithm that is representative of the state‐of‐the‐art in the area, using standard test functions and performance measures reported in the specialized literature. Our results indicate that our proposed approach is a viable alternative to solve multi‐objective optimization problems in parallel, particularly when dealing with large search spaces. Copyright © 2006 John Wiley & Sons, Ltd.