一种高效实用的飞机并行子空间优化算法.docxVIP

一种高效实用的飞机并行子空间优化算法 飞机概念设计是在飞机初步设计阶段确定主要一般参数的过程，它包括许多学科（气、结构、性能等），包括大量的设计变量、形状变量和限制。每个学科之间和学科之间存在一些相互关系性关系。并行子空间优化算法是解决飞机类大型复杂工程系统优化设计的有效方法,它主要借助学科间耦合状态变量关于设计变量的近似函数关系(响应面)解决系统设计的耦合问题,并通过不断向数据库中添加新的样本点使响应面精确化,最终达到系统优化的收敛。因此,如何为响应面提供好的样本点以及如何构造满足精度要求的响应面是并行子空间优化的关键点。本文将均匀设计与二次响应面相结合,发展了一种高效实用的飞机多学科设计的并行子空间优化算法,以某通用航空飞机概念设计问题为例验证了该方法的有效性。 1 单个域优化算法及其改进 1.1 法的基本思想 并行子空间优化算法(Concurrent Subspace Optimization,CSSO)是一种能解决复杂耦合系统设计优化问题的两级多学科设计优化算法,是一种优化设计框架,基本思想是:将系统优化问题划分为系统级和并行的多个学科级优化,这些优化模型具有相同的物理意义,即目标函数和约束条件相同,只是获取信息的途径不同。学科级优化采用各学科自身的精确分析工具获取本学科信息,涉及到其他学科的状态变量信息通过近似模型来获取,各学科独立优化,并行进行,系统级优化中的状态变量信息则完全通过近似分析模型得到。 对于下式所描述的优化问题 minf(X)s.t.g(X)≤0(1) 将其划分为N个学科,学科级优化和系统级优化问题分别为 (1) 材料模型的建立 学科级设计变量用Xi表示,本学科状态变量用Yi1表示,涉及其他学科的相关状态变量用Yi2表示,其优化模型为 minf(Xi,Yi1,Yi2)s.t.g(Xi,Yi1,Yi2)≤0Yi1=ext(Xi)Yi2=rsm(Xi)(2) 式中,ext(…)表示通过学科i的精确分析模型获取的本学科状态变量信息,rsm(…)表示通过近似模型获取的其他学科的相关状态变量信息。在学科级优化中,各学科可以利用本学科精确的分析软件或方法进行本学科的状态变量分析(如飞机设计的结 构学科可以采用NASTRAN或ANSYS分析软件建模并分析结构应力应变,气动学科可以采用CFD(Computational Fluid Dynamics)技术求解气动力和升阻比等气动参数等)。各学科优化保持了自身的独立性,可以并行进行,在降低设计问题规模的同时,提高了设计效率。 (2) 系统级设计变量集允许交叉四因素组合 系统级设计变量用X表示,状态变量用Y表示,优化模型如下 minf(X,Y)s.t.g(X,Y)≤0Y=rsm(X)(3) 式中,系统级设计变量和状态变量分别为各学科设计变量和状态变量的组合,各学科设计变量集允许交叉。系统级优化完全建立在近似模型的基础上,所有状态变量信息均通过近似模型来获取,因此系统级优化耗费的计算时间非常少。 1.2 试验设计的均衡试验条件 样本点是建立响应面的基础,“好的”初始样本点即在设计空间均匀分布,能最好地反映研究对象物理属性的点,均匀设计正是以提高试验点均匀性为目的的一种试验设计方法,与常用的正交设计和中心组合设计相比,均匀设计的样本点具有更好的均匀性,且可以用更少的试验次数达到期望的结果,这是本文选用均匀设计进行计算试验的根本原因。较少的试验次数对于飞机之类大型工程系统的设计是尤为重要的(采用1台普通的奔腾Ⅲ微机进行一次机翼的Euler方程计算就要花上几小时甚至更多的时间)。 1.3 回归模型的拟和分析 “近似”是并行子空间优化算法得以实现的一个关键环节。与一次和三次以上多项式响应面相比,二次响应面是在近似精度与效率上达到最好折衷的一种有效的近似方法。且二次响应面方法操作简单,易于实现。虽然二次响应面不能最好的拟和高次函数,但其拟和精度在工程上是可以接受的,本文将在算例中对其拟和精度进行分析。 响应面方法主要是利用最小二乘拟合的方法,通过对试验数据的分析,找出几个因素与响应量之间的函数关系,从而进行最优设计。将二次响应面模型的响应量用η表示,则 η=ˉβ0+n∑i=1ˉβixi+n∑i=1ˉβiix2i+n∑1≤i≤j≤nˉβijxixj(4) 式中,x∈Rn、ˉβ0、ˉβi、ˉβii、ˉβij为待定系数。二次响应面共有m=2n+n(n-1)/2+1个待定系数,需要给定至少m组样本点。通过方差分析去掉对响应量没有影响或影响不大的项,可以降低响应面的规模,减少待定系数的个数,从而减少需要的样本点数。本文为了检验回归方程的显著性,判断其是否符合工程要求,采用复相关系数R R=√1-Q/S(5) 式中,Q=n∑i=1(yi-?yi)2为残余平方和,S=n∑i=1(yi-ˉy)2为