飞机总体参数优化.pptxVIP

6.1 飞机总体参数的多学科设计优化 (4) 通过近似技术和可变复杂性模型的分析方法，减少系统分析次数，提高设计优化效率。 (5) 通过系统和各子系统数学模型的模块化以及它们之间有效的通讯及其组织形式，使各学科各计算模块之间数据传输量和所需附加操作尽可能少。6.1.2 协同优化（Collaborative Optimization） 协同优化将优化设计问题分为两级：一个系统级和并行的多个学科级。 协同优化的系统级优化问题表述如下： 其中：f(z)：系统级目标函数； z：系统级设计变量向量，共有k个，zij表示第j个系统级设计变量，被分配到了第i个学科中； 6.1 飞机总体参数的多学科设计优化 P：系统级设计参数向量，它是学科级优化的设计变量最优解，共有l个，Pij表示第j个设计变量最优解，由第i个学科级优化传来，它是系统级分配给学科级优化的设计变量的函数； J：系统级约束，共有N个； hi：系统级分配到第i个学科级的设计变量个数；协同优化的学科级优化问题表述如下（以第i个学科为例）： 式中：q：学科级优化目标变量，等于系统级分配下来的系统级设计变量z； x：学科级优化设计变量；ci：学科级优化约束；系统级优化同学科级优化的关系如下：6.1 飞机总体参数的多学科设计优化协同优化算法的框架及各模块间信息通讯如下图所示。6.1 飞机总体参数的多学科设计优化6.1.3 并行子空间优化（Concurrent Subspace Optimization） 并行子空间优化算法将设计优化问题分解为若干个学科级优化问题和一个系统级优化问题。在学科级（子空间）优化中，本学科的状态变量计算通过该学科的精确模型来获取，所涉及的其它学科的状态变量计算通过某种近似模型来得到。各学科优化计算相互独立，可并行进行，因此称为并行子空间优化算法。近似方法的不同，衍生出不同的CSSO算法，采用响应面近似技术来构造学科间近似关系的CSSO算法称为基于响应面近似的并行子空间优化算法，其算法框架如下图所示： 图中：SA代表系统分析过程（System Analysis），求解各个学科内部耦合方程的过程称为贡献分析（Contributing Analysis，简称CA）； SSO代表子空间优化（Subspace Optimization），而STO代表系统级优化（System Optimization），也就是系统级协调过程。 6.1 飞机总体参数的多学科设计优化图示基于响应面的并行子空间优化算法框架图6.2 面向系统设计的方法 6.1.4某通用航空飞机总体参数优化（略） 6.2 面向系统设计的方法 6.2.1 现代飞机设计特点 作为设计对象的现代飞机是一个极复杂的工程系统，具有高度的层次结构，飞机本身有大量的构件与连接件，更重要的是保证飞机安全飞行和完成任务所需的各种设备，如通信、导航、显示和飞行控制设备等都需采用高新技术，如信息网络、激光、微波等。在这些数字的背后是繁杂众多的专业，不仅包括一般机械加工工业的几乎所有专业，还有许多航空独有的技术专业。 飞机设计的任务是确定飞机的布局、结构和其他各组成部分。这些工作要保证在一定限度内使飞机最有效地满足给定的目标要求。 飞机设计是一个复杂的多阶段的过程，同时也是一个反复迭代、逐渐接近给定或最优的过程，这个过程的框图如下图6.2.1所示：6.2 面向系统设计的方法 图6.2.1 飞机设计过程6.2.2 面向系统设计的方法 面向系统的设计方法是在充分考虑影响系统完成任务和达到指定目标的所有因素基础上对系统进行研究。以数学模型为基础，系统设计的问题可归结为：总的目标函数在多种约束条件下的优化问题。 在飞机论证设计阶段，数学模型的作用特别大，基本上是采用有效性模型和经济性模型来描述大量的各个系统和组成部分的功能。飞机作为整个航空系统中的一员其数学模型可视为参数化的“点”模型，此时的飞机设计为面向工程的设计。6.2 面向系统设计的方法 在飞机初步设计和详细设计阶段所使用的模型则不同，应尽量详细和完备地考虑影响选择设计方案的各种因素。这时的数学模型可视为参数化的“实体”模型，飞机设计为面向产品的设计。根据飞机性能和参数的关系，可将反映其结构和功能的不同方面分组，组成一系列的子模型，主要有： （1）几何模型（2）重量模型 （3）气动模型 （4）动力装置模型（5）飞行动力学模型 （6）飞行操稳与控制模型 (7)强度模型 (8)经济性模型 对于求目标函数极值的优化问题，其数学模型的一般表达式为： minF(X,Y) X,Y ∈Rn s.t. gu(X,Y)=0 u = 1,2,…,m hv(X,Y)≤0, v = 1,2,…,p? 式中，F(X,Y) = [f1(X