基于区间不确定性的多学科过程分解方法

为了减少基于区间不确定性的多学科设计优化的计算成本,提出了一种面向多学科设计优化的分解方法。建立考虑同一学科多次执行的耗时差异性的过程分解优化模型;基于对学科间的耦合度和各学科复杂度的定义,构造耦合强度设计结构矩阵和学科计算成本矩阵,以评价系统的耦合强度和计算成本;进而构建基于遗传算法的寻求整体计算成本最小分解方案的流程;以飞行器的不确定性多学科设计优化为算例对上述方法进行了验证。通过四个分解方案的对比,说明该方法能够显著减少整体计算成本,且更具普遍性和易操作性。     

随机与区间不确定性下基于BLISS的多学科可靠性设计优化

为了提高多源不确定下多学科设计优化的效率,提出一种基于两级一体化策略的多学科可靠性设计优化方法。该方法采用一种单级概率可靠性设计优化与基于响应面的BLISS进行集成的策略,将传统嵌套循环的确定性多学科设计优化和多学科可靠性分析进行解耦、形成顺序执行的两个模块,减少了多学科可靠性分析次数和多学科分析调用频率,提高了多学科可靠性设计优化的效率。在多学科可靠性分析模块,采用一种序列化方法进行概率和非概率多学科可靠性分析。最后通过一个实例验证了方法的有效性。     

一种基于协同近似的多学科设计优化方法

为避免求解复杂工程系统多学科设计优化问题时需要反复调用复杂耗时的多学科分析和进行繁琐的灵敏度计算,提出了一种基于协同近似（CMSO）的多学科设计优化方法。首先通过一种协同模型来筛选出更能反映多学科问题本身属性的样本点,通过协同模型来保证系统的多学科一致性;然后通过这些样本点分别构建自适应代理模型,并进行代理模型的验证和确认;最后选择最佳的代理模型来构建多学科优化模型并使用序列二次规划法进行优化求解。通过一个数学算例和圆柱螺旋压缩弹簧设计案例验证了CMSO法的可行性和有效性,且与单学科可行法的比较结果表明了CMSO法的高效性。     

考虑不确定性的多学科设计优化分解方法

为提高不确定性情况下多学科设计优化分解的合理性,研究不确定性因素对分解目标的影响,提出了考虑不确定性的多学科设计优化分解方法.首先将布尔型函数关系矩阵扩展为"相关性一规模"两层函数关系矩阵,给出了规模矩阵元素与设计变量不确定性的定量关系.然后针对该矩阵提出了任务规模、任务平均度和任务耦合度的概念,给出了三者的计算方法.在此基础上分析确定了优化目标、约束条件、优化变量,建立了整数规划模型,并应用遗传算法进行求解.最后以齿轮减速器为例进行分解,分解结果证明了本方法的合理性与先进性.     

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     

一种基于增量元模型方法的全局优化算法

针对复杂仿真模型的全局优化问题,提出一种基于增量元模型方法的全局优化算法。首先,分析了现有增量拉丁超立方采样方法新增点数量难以控制以及其数值必须为原采样点数量的整数倍的缺陷,在此基础上利用减法规则思想改进了增量拉丁超立方采样;其次,将改进后的增量拉丁超立方采样与径向基函数的增量更新方法相结合,提出了一种全新的高效全局优化算法;最后,将该算法应用于压力容器的优化设计,计算结果证明了该方法的实用性与工程有效性。     

一种面向复杂系统的多学科设计优化方法

目前复杂系统多学科设计优化的工作主要集中在结构设计或设计过程的某个阶段,较少从整体角度对多学科设计优化过程进行研究。文中在前人系统分解研究的基础上,提出了一种基于学科分解的多学科设计优化方法,并建立了具体实现该方法的框架和应用流程。借助多学科设计优化领域主流分析软件Isight为优化平台,通过批处理命令调用各学科专业软件循环运行实现多学科综合设计,利用数据挖掘寻找整体最优解在应用层面实现了复杂系统整体优化设计。最后以某T形波导连接器隔板位置和形状优化设计为例,展示了该优化方法的应用过程和实效性。     

一种基于SORA方法的多学科可靠性设计方法

将单学科可靠性设计方法SORA(sequential optimization and reliability assessment)引入到多学科设计过程中,提出一种多学科可靠性设计方法,采用系统分析的方法解决多学科概率分析问题,将可靠性设计从单学科拓展到多学科.该方法可用于目前MDO(multidisciplinary design optimization)领域内的可靠性设计问题.算例测试表明能达到预期的设计目标.     

基于多学科优化的一种天线接口单元减重设计

研究了一种天线接口单元多学科优化的减重设计方法,详细介绍了结构强度仿真分析、散热仿真分析等多学科优化设计方法以及达到设计目标的过程。采用本文提出的优化方法,可使某设备在满足各项指标的条件下总质量减少22%。     

基于Agent模型的汽车车身多学科设计优化研究

汽车车身设计是一项复杂的系统工程，针对设计涉及多个学科专业领域的特点，提出了基于Agent模型的汽车车身多学科设计优化方法。基于Agent的MDO方法是一种很有潜力的MDO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、并行地进行设计优化，没有系统级协调优化环节。实例研究表明，基于Agent模型的多学科设计优化方法对于解决复杂系统问题有很好的应用前景。     

基于区间不确定性的车架非线性可靠性优化

采用非线性有限元分析方法,用ABAQUS软件对车架的刚度和强度进行了分析。基于分析结果选取对结构强度和质量影响比较大的梁的厚度作为区间的设计变量,把车架材料的密度和泊松比作为不确定量,利用高维模型（TPS-HDMR）构建了设计变量与应力之间的近似模型,运用Kriging模型构建了设计变量与质量的近似模型。采用遗传算法中的NSGA-Ⅱ方法和隔代遗传算法,对车架应力和质量两目标进行了优化,并加入可靠度作为约束,得到了Pareto最优解集。     

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。     

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.     

基于多目标遗传算法的鱼雷多学科稳健优化设计

传统的多学科设计优化多为确定性优化,这种设计优化忽视了系统本身固有的不确定性因素,求得的最优解往往只具有数学意义,很难应用于工程实践。本文将多目标遗传优化算法与多学科设计优化方法相结合,同时考虑了稳健性对优化结果的影响,采用响应面近似方法获得系统耦合关系,通过效力系数把设计变量分配到相应的子空间中,在每一个子空间里都进行基于遗传算法的多目标优化,使各学科的模拟分析、优化设计得到并行设计。提高了优化效率。本文通过鱼雷总体多学科优化设计的算例证明了此方法的可行性。在工程实践中有一定的指导意义。     

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。     

基于灵敏度分析的区间不确定性稳健设计

针对机电产品优化设计中存在的大量不确定性因素,在灵敏度分析的基础上提出了区间不确定性稳健设计方法。首先探讨了灵敏度分析理论,借用Sobol'法筛选出对系统影响较大的因素并将不灵敏项进行固化;然后根据区间不确定性因素的特性,分析了不确定因素在某一区间变化时对系统整体的影响;最后给出了基于灵敏度分析的区间不确定性稳健设计优化模型。工程实例证明了该方法的有效性。