专利名称：基于自适应径向基函数代理模型的飞行器优化设计方法
技术领域：
本发明涉及一种基于自适应径向基函数代理模型的飞行器优化设计方法，属于飞行器设计中多学科优化技术领域。
背景技术：
当今飞行器系统越来越复杂，为了解决现代复杂飞行器系统优化设计所面临的巨大困难，多学科设计优化(Multidisciplinary design optimization, MD0)被广泛地应用。为了提高设计结果的精度与可信度，飞行器多学科设计优化普遍采用高精度分析模型，例如结构分析中采用的有限元分析(Finite element analysis, FEA)模型、气动分析中使用的计算流体力学(Computational fluid dynamic, CFD)分析模型等。然而,高精度飞行器分析模型在提高分析精度和可信度的同时也带来了计算耗时的问题，虽然当今计算机软硬 件技术已经有了长足的发展，然而，调用高精度飞行器分析模型完成一次分析仍然极其耗时，例如使用CFD模型完成一次气动仿真分析需要数小时甚至数十小时。本质上，传统的飞行器优化设计方法是一个反复迭代的过程，在优化过程中往往需要上千次调用飞行器高精度分析模型。其次，现代飞行器设计问题是一个涉及多个分学科/分系统的耦合复杂系统。譬如，飞行器设计涉及气动、结构、动力、隐身、控制等学科，各学科相互影响，相互制约，飞行器的性能是各学科耦合的综合体现。因此，直接采用传统的全局优化方法与高精度飞行器分析模型来解决飞行器优化设计会进一步增加设计成本。如何解决飞行器多学科优化设计这个难题困扰许多设计专家。为了解决这样的问题，基于代理模型的飞行器优化设计方法引起了越来越多的注意。基于代理模型的飞行器优化设计方法的本质就是构造求解精度与飞行器高精度分析模型(包括气动、结构、隐身等学科分析模型以及全系统分析模型)相当，但计算成本更低的数学模型，并使用该类数学模型代替飞行器真实的高精度分析模型用于飞行器优化设计。由于高精度飞行器分析模型计算一次所需时间的量级为小时，而代理模型计算一次所用时间的量级仅为秒甚至毫秒，因此与高精度飞行器分析模型的计算时间相比，构造代理模型以及基于代理模型优化的计算时间往往可以忽略不计。可见，引入基于代理模型的飞行器优化设计方法能够达到提高飞行器设计质量，缩短其设计周期的目的。在最近10年里，国外许多公司都开始研究并推动了代理模型技术在飞行器设计和优化领域的应用，例如Engineous 软件公司研发 iSIGHT, Vanderplaats R&D 公司研发的 Visual DOC, LMS国际组织研发的Optimus, Phoenix公司研发的ModelCenter和波音公司研发的DesignExplorer。径向基函数(Radial Basis Function, RBF)是最常用的代理模型方法之一,其优点在于对于高阶非线性的飞行器高精度分析模型，径向基函数在全局近似精度较高；并且随着试验设计样本的增加，所构造的径向基代理模型的近似精度会提高；在试验设计样本附近，近似精度较高。按照代理模型在优化过程中的使用方式可以分为静态代理模型和自适应代理模型。静态代理模型是通过一次试验设计采取足够多的试验设计样本，然后构造代理模型，在优化过程中代理模型保持不变；而自适应代理模型是在优化设计过程序列采取试验设计样本，然后在每次优化迭代过程中根据已知信息逐步改进和更新代理模型，直至优化收敛。与静态代理模型相比，自适应代理模型在优化效率和结果精度方面更具有优势。基于代理模型的优化技术在航空航天领域具有很广的应用前景，但是国内研究开展较晚。国外研究机构、工业界和商业软件公司纷纷给予该类算法开发了高效的优化器并用于飞行器优化设计，例如播音公司的Boeing探索器，Altair公司Hyperstudy中的ARSM优化器，以及美国Sandia国家研究实验室的DAKOTA等。径向基函数(RBF)代理模型的基本形式为
权利要求
1.一种基于自适应径向基函数代理模型的飞行器优化设计方法，其特征在于其实现过程包括步骤I至步骤8，具体操作步骤如下 步骤I :给定飞行器高精度分析模型、设计空间Stl、设计变量并确定初始试验设计样本个数Ninitial与新增试验设计样本个数Nadd。
步骤2 :利用拉丁超方试验设计方法在整个飞行器优化设计空间中构造Ninitial个试验设计样本。
步骤3 :通过调用飞行器高精度分析模型，计算/仿真当前试验设计样本所对应的飞行器高精度分析模型响应值，并将试验设计样本及其相对应的响应值存储到试验设计样本数据库中；所述试验设计样本数据库中包含的内容包括通过拉丁超方试验设计方法所得到的试验设计样本及其相对应的飞行器高精度分析模型响应值、每次迭代过程中的最优解及其相对应的飞行器高精度分析模型响应值。
步骤4 :利用步骤3中所述试验设计样本数据库中的所有试验设计样本及其相对应的飞行器高精度分析模型响应值、每次迭代过程中的最优解及其相对应的飞行器高精度分析模型响应值构造径向基函数代理模型。
步骤5 :采用遗传算法对步骤4中所述径向基函数代理模型进行优化，获得当前迭代最优解<，并通过调用飞行器高精度分析模型计算/仿真当前迭代最优解的响应值，将当前迭代最优解及其响应值保存到步骤3中所述的试验设计样本数据库中。
步骤6 :检验步骤5所获得的当前迭代最优解是否满足收敛准则，如果满足收敛准则，则步骤5所获得的当前迭代最优解为当前优化设计的飞行器高精度分析模型的全局最优解，整个优化流程结束；如果不满足收敛准则，则转向步骤7。
其中，ε为人为设定收敛误差。
步骤7 以步骤5所获得的当前迭代最优解^为中心，计算第k次迭代的试验重点采样空间SSSk'的大小Lk，k为正整数，并构造试验重点采用空间SSSk';计算第k次迭代的重点采样空间SSSk,以保证所构造的重点采样空间SSSk包含在整个设计空间Stl中。
步骤8 :利用拉丁超方试验设计方法在步骤7中所构造的第k次迭代的重点采样空间内采取Nadd个试验设计样本；k自增1，然后执行步骤3。
2.如权利要求I所述的一种基于自适应径向基函数代理模型的飞行器优化设计方法，其特征在于其步骤6中所述检验步骤5所获得的当前迭代最优解是否满足收敛准则的具体方法是利用公式(5)检验步骤5所获得的当前迭代最优解是否满足收敛准则；
3.如权利要求I所述的一种基于自适应径向基函数代理模型的飞行器优化设计方法，其特征在于其步骤7中所述计算第k次迭代的试验重点采样空间SSSk'的大小Lk的具体方法是利用公式(6)计算第k次迭代的试验重点采样空间SSSk'的大小Lk ；
4.如权利要求I所述的一种基于自适应径向基函数代理模型的飞行器优化设计方法，其特征在于其步骤7中所述构造试验重点采用空间SSSk'的具体方法是采用公式(7)构造试验重点采用空间
5.如权利要求I所述的一种基于自适应径向基函数代理模型的飞行器优化设计方法，其特征在于其步骤7中所述计算第k次迭代的重点采样空间SSSk的具体方法是采用公式(8)计算第k次迭代的重点采样空间SSSk ；
全文摘要
本发明提出的基于自适应径向基函数代理模型的飞行器优化设计方法首先采用拉丁超方试验设计方法在设计空间内采取试验设计样本并获得与试验设计样本相应的飞行器高精度分析模型响应值；构造径向基函数代理模型近似飞行器高精度分析模型；利用遗传算法获取当前径向基函数代理模型的全局最优解；根据当前优化流程信息构造该飞行器优化设计重点采样空间，并增加少量的试验设计样本，更新径向基函数代理模型；再次利用遗传算法获取更新后的径向基函数代理模型的全局最优解，判断优化流程是否收敛，如果收敛，终止优化，如果不收敛，重新构造该飞行器优化设计重点采样空间直至优化收敛。本发明提出的方法提高了优化效率，节约了飞行器优化设计成本。
文档编号G06F17/50GK102682173SQ20121015014
公开日2012年9月19日 申请日期2012年5月13日 优先权日2012年5月13日
发明者刘莉, 彭磊, 王律, 王正平, 龙腾 申请人:北京理工大学