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。     

协同优化方法算例研究

多学科设计优化(MDO)技术因其能有效地解决大规模复杂工程系统的设计问题,得到了广泛地应用c基于ModelCenter软件平台通过对算例的研究,分析了协同优化(CO)方法的特点以及影响优化结果的原因.     

基于协同进化博弈的多学科设计优化

复杂系统的设计问题可以非层次分解为并行的多个子空间优化设计问题。多学科优化的迭代过程可看成子空间博弈的过程。各冲突子目标协商一致条件下,子空间合作博弈的均衡点能达成原系统的整体最优,并给出协同进化算法求解博弈的Nash均衡点的计算框架。以某型民用客机的总体优化设计为例,将其分解成气动和重量两个子空间优化。设计变量不重叠地分布于各子空间,两冲突子目标分配相同权值,线性加权组合而形成的单目标作为各子空间共同的优化目标。计算结果表明此方法是有效的。     

针对混合变量优化问题的协同进化蚁群优化算法

针对由连续变量和分类变量构成的混合变量优化问题（MVOP）,采用协同进化策略来对混合变量决策空间进行搜索,提出了一种协同进化蚁群优化算法（CACOA_MV）。CACOA_MV分别采用连续和离散蚁群优化（ACO）策略生成连续和分类变量子种群,通过合作者来对连续和分类变量子向量进行评价,分别对连续和分类变量子种群进行更新来实现对混合变量决策空间的高效协同搜索。进一步地,利用信息素平滑机制增强对分类变量解空间的全局探索能力,并设计了一种面向协同进化框架的“最佳+随机合作者”的重启策略来提高协同搜索效率。与混合变量的蚁群（ACO_MV）算法和种群规模线性变小的差分进化-蚁群混合变量优化算法（L-SHADE_ACO）的比较表明,CACOA_MV能够进行更有效的局部开发,从而提高最终结果在目标空间中的近似精度;与基于集合的混合变量差分进化算法（DE_MV）相比较,CACOA_MV能够在决策空间中更好地逼近全局最优解,具有更好的全局探索能力。综上,采用协同进化机制的CACOA_MV能有效保持全局探索和局部开发的平衡,从而具有更好的寻优性能。     

新型多学科设计优化算法研究

研究多学科系统优化问题,针对工程系统的复杂性,通过多学科设计优化算法框架协同优化算法的研究,根据现有协同优化算法由于系统级一致性约束的存在计算量大,容易发散等缺点,提出了一种新的多学科设计优化算法框架.算法通过对设计变量的重新分配,简化了耦合变量的解耦过程,从而达到简化优化过程的目的,解决了协同算法的上述缺点.采用iSIGHT软件,对具体算例进行仿真,并与协同优化算法进行对比,验证了该算法的有效性.     

耦合系统协同进化多学科设计优化算法研究

针对耦合系统的优化问题,为提高系统的自适应性,提出了协同进化多学科设计优化算法.算法受生态系统内生活在同一地域物种间既有竞争又有合作的协同进化关系的启发,将协同进化算法的分解与协作思想和MDO方法的分解与协同思想相结合,在域值分解的基础上将复杂耦合系统分解成学科间相对独立并保持自治的多学科系统.隐含迭代策略协调学科间耦合约束的一致性.建立了多个优化过程模型.并提出的算法应用于多学科耦合系统进行测试,优化结果与MDF、IDF和AAO三种单级优化方法的优化结果进行比较,显示有较强的搜索能力以及较快的收敛速度和自适应性.     

集成协同优化策略与性能测量法的多学科可靠性设计优化

为了充分考虑不确定性因素对产品性能的影响,基于分解思想,对传统的三层嵌套循环的多学科可靠性设计优化过程进行解耦,变型为一种顺序执行的单层递归循环过程,提出集成协同优化策略和性能测量法的多学科可靠性设计优化方法.首先采用协同优化策略建立确定性多学科设计优化模型并选用遗传算法进行系统层级优化;然后在协同优化框架下应用性能测量法搜索最可能失效点,进行多学科可靠性分析;最后针对不满足可靠性设计要求的概率约束,采用移动策略及可靠性分析结果重构确定性多学科设计优化模型,直至收敛.数值算例和减速器实例结果表明,文中方法有效,具有实际工程意义.     

七星瓢虫优化算法及其在多学科协同优化中的应用

基于对七星瓢虫觅食行为的研究,提出一种新的生物学启发式算法——七星瓢虫优化算法(Seven-spot Ladybird Optimization,SLO)。通过6个标准测试函数将其与现有的两种启发式算法(GA、PSO)进行比较,探知其寻优能力。在此基础上,针对多学科设计优化协同优化算法求解效率不高、鲁棒性差等缺陷,将SLO引入协同优化算法系统级优化器,通过工程实例验证了七星瓢虫优化算法良好的寻优能力。     

基于多学科设计优化的路网交通分布式协同控制

城市路网交通控制直接影响着交通运行效率,对其优化研究已成为缓解城市交通拥堵问题的热点之一.鉴于此,针对高峰交通路网将其分为过饱和区域与过饱和关联区域,在采用灰色关联分析-谱聚类方法对关联区域划分的基础上,构建路网交通分布式协同控制模型,进一步提出基于多学科设计优化的过饱和区域及其关联区域协同优化求解方法.通过搭建实例路网模型分析算法优化效果,结果表明所提出方法能够明显改善路网交通运行效率,有助于缓解城市通勤高峰时段的交通拥堵和扩散问题.     

潜水器舱室空间布局的多学科设计方法研究

载人潜水器舱室空间布局涉及到多目标、多学科问题,通过对潜水器舱室空间的分析,研究了多学科设计优化方法对于这类多目标、多学科问题求解的有效性。建立潜水器多学科设计优化方法和协同优化思路,分解潜水器舱室并对潜水器舱室空间进行详细描述,构建基于Pareto的多目标遗传算法,对潜水器舱室空间进行多学科分解和计算,最终获得潜水器舱室空间设计方案。     

一种改进的协同优化算法及其应用

针对协同优化方法收敛困难、优化效率低的问题,提出了一种改进的协同优化算法—ICO算法。通过引入自适应松弛因子将一致性等式约束转化为不等式约束,同时建立混合惩罚函数,将系统级约束优化问题转化为无约束优化问题,ICO算法较好地克服了传统协同优化算法难于收敛的缺点。标准算例实验结果表明,ICO算法能够有效提高优化的稳定性、可靠性和计算效率。优化结果显示了协同优化算法解决海洋供应船的设计优化问题的有效性,为解决更为复杂工程系统的设计优化问题奠定了基础。     

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.     

一种改进的协同优化算法

针对协同优化过程对初始点敏感以及容易陷入局部最优点的问题,提出了一种改进的协同优化算法。改进后的协同优化算法综合考虑学科级优化设计点与系统级设计点的距离以及子学科级内部最优设计点,能较好地减弱优化结果对初始点以及松弛因子选择的依赖性,更容易找到优化问题全局最优设计点。最后,通过两个经典算例验证了改进算法的有效性及稳定性。     

一种具有全局快速寻优的多学科协同优化方法

针对协同优化算法迭代次数多、易收敛于局部极值点问题,提出一种全局快速寻优的协同优化算法。在系统级一致性等式约束中采用改进后松弛因子,改进动态松弛因子使优化设计点快速收敛于极值点,静态松弛因子使优化设计点跳出局部极值点,确保系统目标函数得到全局最优解;子学科目标函数由一致性目标函数和子学科最优目标函数两个部分以不同权重相加组成,考虑一致性的同时,又兼顾子学科独立性。采用减速器优化案例对改进协同优化算法进行验证。仿真结果表明,改进后算法在保证最大约束值较小的前提下,可快速得到全局最优解且鲁棒性好。     

卫星有效载荷的多目标多学科设计优化研究

在卫星有效载荷系统研究中,实施多目标多学科优化的可行性设计。首先,分析了开展卫星有效载荷多学科设计优化的关键技术。建立了包含天线、转发器、数据传输、可靠性、成本和质量的多学科分析模型。然后,应用多目标遗传算法对某卫星有效载荷的可靠性和成本进行多目标设计优化,获得最优解集。最后,运用多学科协同优化结合遗传算法进行可靠性单目标设计优化。研究结果表明:有效载荷的多目标多学科设计优化全面考虑了多个学科之间的关系,设计人员可按需选择其满意的优化结果,大幅提高设计效率;协同优化方法有助于实现学科自治、并行设计,提高设计的灵活性和缩短设计周期。     

基于网络环境下的协作学习教学设计研究

本文采用现代教学设计理念,对网络环境下协作学习的教学设计各环节进行了分析,然后利用行动研究方法对高师院校"计算机文化基础"课进行了教学实践,以期能为协作学习的实践应用提供具体的方法指导。     

产品设计模块聚类的多目标优化及其应用研究

在产品的模块化协同设计中,设计模块的划分是一个关键问题。为了满足实际应用对模块划分的多方面要求,采用多目标优化方法对设计结构矩阵进行聚类划分,该方法通过粒子群算法建立非支配解集,从中获得理想的划分方案。在聚类优化算法中,为了方便设置粒子的速度,提出了一种简易的编码方式对设计结构矩阵的聚类进行编码,在适应度函数中计算出了每个聚类的联系信息流量,在建立非支配解集时采用拥挤距离方法将多余的解删除。以轻武器模块化协同设计的例子对该方法进行了验证。     

协同设计中的并行冲突检测算法

冲突是协同设计的本质,产生的原因是协同设计环境下不同设计群体考虑问题的角度、评价标准和专业知识有所不同。提出了对等式协同设计中操作序列的一致性模型,在操作序列一致性的基础上提出了基于几何级的冲突检测算法,并在此基础上实现了系统设计冲突检测原型系统。     

基于知识的协同设计任务分配双向选择模型

针对协同设计任务分配中忽略设计人员自我发展需求的问题,在对设计人员知识作业过程进行分析的基础上,提出显性知识的学习模型和知识集合的概念,并构建了一个能实现任务与设计人员之间双向选择的优化模型,从而实现任务的合理分配,达到任务完成时间最短和设计人员知识学习最大化之间的平衡。最后,通过算例分析验证了模型的有效性：模型的使用有利于设计人员知识扩容;模型的循环使用对完成任务时间的缩短有利。