协同优化算法的改进

针对协同优化算法是多学科设计优化方法中应用最广、效果最好的MDO算法,但是在应用中存在计算困难的现状,分析了引起协同优化算法计算困难的原因,提出一种改良的协同优化算法——ICO多学科设计优化方法。改进学科一致性约束,增加系统级罚函数,采用快速启动方法,较好地克服了协同优化算法存在计算困难的缺点。标准算例试验结果表明,ICO多学科设计方法能够有效提高算法的稳定性、可靠性和计算效率。     

基于协同优化算法的平面连杆机构多学科设计优化

在传统的机构优化理论的基础上,结合机构设计的非线性、学科之间存在耦合性的特点,引入多学科设计优化的思想,进行平面连杆机构的设计优化.以平面四杆机构为例,首先按照学科分析模块分解平面连杆机构优化问题,然后采用改进的多学科设计优化的协同优化算法,实现平面连杆机构的机构学和控制两个学科的设计优化.研究结果表明,优化的机构不仅满足各个学科的约束,取得了各个目标函数的最优值,而且也获得了整体近似最优解.     

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。     

基于GASA优化算法的自适应协同优化方法

针对协同优化方法收敛困难、优化效率低的问题,采用自适应概念与混合优化算法对其进行改进.采用基于学科优化解的差异信息构造自适应惩罚函数,将系统级约束条件进行转化,重新构建系统级的优化模型,克服了协同优化内部定义缺陷所造成的收敛困难.结合协同优化的优化特征,采用兼备遗传算法与模拟退火算法两者优点的混合算法作为协同优化系统级优化算法,提高了协同优化寻优效率.以飞机起落架缓冲器优化问题为例验证了该方法,结果表明该方法提高了协同优化的搜索效率与收敛速度,优化性能良好.     

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.     

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.     

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。     

一种具有收敛稳定性的改进协同优化方法

针对标准协同优化方法采用二次结构式一致性约束所造成的计算缺陷,将设计变量分解为2个部分,一个为系统级设计变量,另一个为子系统级局部设计变量,对系统级目标函数以一阶泰勒形式表示,引入影响因子表达式,确定子系统变量与系统级目标函数的关系,将其作为子系统级目标函数,以取代原有的一致性约束,进而提出了一种改进协同优化方法(MCO)。以圆柱齿轮减速器为例的优化设计结果表明本方法的收敛稳定性与高效性。     

基于SUMT法有约束非线性规划问题的优化

通过对SUMT方法的探讨与研究,明确了内点法、外点法、混合法三种罚函数的构造形式和罚因子的合理选择方法。应用SUMT法有效地解决了工程中有约束非线性规划优化设计问题。     

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。     

一种基于几何分析的协同优化方法

从几何角度分析协同优化方法,并据此提出一种新的系统级优化模型,相对于代数分析,几何分析更简洁直观。分析学科级优化的几何意义,指出在学科级优化中最优设计点是距系统级提供的目标点最近的点,同时根据几何分析还能在该最优点处方便地获得主动约束边界的梯度,基于该最优点及此点处的梯度信息,可以构造出主动约束边界的一个线性近似并提供给系统级。随着迭代的进行,更多的线性约束将加入到系统级优化中,这一系列线性近似的组合构成的设计空间逐步逼近了原问题的设计空间。采用基于几何分析的协同优化方法对一齿轮减速箱进行优化设计,并将设计结果与传统协同优化方法的设计结果进行对比,研究结果表明,本方法在保持计算精度的前提下提高了计算效率。     

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.     

基于设计空间缩减的多学科协同优化新方法

提出一种多学科协同优化设计新方法—设计空间缩减协同优化(Design space decrease collaborative optimization,DSDCO)。根据子系统级优化结果,确定分解设计空间的平面方程,将设计空间合理分解为多个子空间,去除其中不可行设计子空间,将缩减后的设计空间传递到系统级优化。根据系统级优化在各个子空间的优化信息,择优选取系统级优化结果和下一次优化计算的设计空间,循环进行优化迭代计算,直至系统级优化值符合收敛条件。该方法通过缩减优化求解空间,不断更新系统级优化模型,将传统协同优化(Collaborative optimization,CO)中系统级非线性等式约束变换为只含有变量边界的线性不等式约束,解决了传统CO系统级求解困难的问题。DSDCO在变量有界的多学科设计优化(Multidisciplinary design optimization,MDO)问题中,对原始问题约束函数的凸性无要求,对优化迭代起始点的位置无要求。分别利用数值算例、减速器设计和弹簧设计三个典型算例,验证了DSDCO方法的正确性。     

基于惩罚函数法的汽车悬架系统的优化

详细介绍在进行优化计算时,建立其相应的数学模型的方法.通过建立优化设计的数学模型,借助Matlab软件,基于惩罚函数法,对所建模型进行优化,编制计算机程序,得到汽车悬架系统的最优参数,从而找出影响工程车辆平顺性的最大因素所在.优化结果可作为悬架的控制方法和有关平顺性结构参数的依据.     

基于荷电状态惩罚函数的能量管理策略优化方法

为改善军用ISG混合动力车辆的燃油经济性,并有效维持动力电池荷电状态（SOC）,将惩罚函数引入传统的等效能量最小策略（EEMS）,提出了基于SOC惩罚函数的EEMS优化方法。首先对逻辑规则能量管理策略进行优化,然后在模拟越野循环工况下对优化方法进行仿真验证,最后对整车发电指标进行评价。优化后,动力源之间的转矩得到了更好的协调分配,发动机运行更加平稳,经济性得到了一定改善,稳压和稳流的效果更好。     

基于进化思想的汽车造型优化设计方法研究

结合遗传算法等工程方法和交互式评价等设计方法,提出一种整合了工程方法和造型方法的汽车造型优化设计方法。方法整体以进化思想为指导,首先将汽车造型设计问题映射到数学模型上,利用遗传算法生成新设计方案,并以多目标设计空间来约束生成的设计方案,再以目标车型的造型意象为标杆,采用交互式评价方式评价输出的设计方案,并将评价结果作为适应度代入遗传算法中继续迭代直至设计方案符合设计的迭代终止条件,最终形成一个综合解决多方问题的汽车造型多目标优化设计方法。以某小型两厢车车型为例,初步证明了该方法的合理性和可行性。该方法可以推广到汽车造型多目标优化概念辅助生成和汽车造型评价等领域。     

基于外点罚函数法门式起重机箱型主梁的优化设计

应用外点罚函数法对门式起重机箱型主梁进行优化设计,按照重量最轻的原则建立了起重机箱型主梁的优化数学模型,并采用MATLAB编程求解最优解,结果使起重机箱型主梁的自重减轻了19.8%。     

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.