一种并行子空间优化的临近空间飞艇多学科优化设计方法与流程

本发明属于航空宇航科学技术、新能源技术和高性能材料技术相结合的领域，尤其涉及一种并行子空间优化的临近空间飞艇多学科优化设计方法。

背景技术：

临近空间飞艇是以太阳能为动力能源的临近空间飞行器，因其具有高空长时间驻留的特性，并且在通信中继、早期预警、对地观测等运用领域有巨大潜力而广受国内外关注。与常规飞行器的总体设计不同，临近空间飞艇作为一种新兴的飞行器，可借鉴设计经验并不多，同时在其设计过程中气动、结构、能源和控制等学科存在交叉耦合。

临近空间飞艇艇体作为飞艇的主体部分，承担着几乎全部的气动阻力和载荷重量，并且提供了太阳能电池的铺设空间。因此，在艇体优化设计过程中，在获得最优气动性能的同时需要满足结构的强度、刚度要求，并且考虑太阳能电池铺设面积对重量平衡，推阻平衡和能量平衡的影响。

技术实现要素：

本方法采用基于并行子空间的多学科优化策略对临近空间飞艇进行优化设计，以期获得满足任务需求的最优设计方案。本发明通过以下技术方案实现的。

一种并行子空间优化的临近空间飞艇多学科优化设计方法，其特征在于，包括：

步骤一、规划临近空间飞艇总体设计流程，明确优化变量、约束和目标以及气动、结构和能源子系统耦合关系；

步骤二、分别对所述气动、结构和能源子系统进行参数化建模并分析；

步骤三：训练样本点建立样本空间，搭建代理模型；

步骤四：在ISIGHT平台上构建基于气动、结构和能量的并行子空间的优化框架，执行优化进程。

优选地，所述步骤一包括：

通过临近空间飞艇的总体任务需求，选定艇体外形，通过实际要求和试飞经验选择艇体长度、体积和表面积的实用范围，进而对气动、结构和能源子系统进行变量的分配和设置；

气动、结构和能源子系统的耦合关系通过推阻平衡、浮重平衡和能量平衡进行体现，并把所述推阻平衡、浮重平衡和能量平衡作为优化框架里的一部分约束条件。

优选地，所述步骤二包括：

1)艇体参数化建模：首先是基于CATIA VB脚本二次开发的几何模型建模，所述艇体参数化建模过程目的是把优化进程中的变量变化写入脚本，在模型中体现出来，结果模型用于后续流场分析；

2)用步骤1)中生成的model几何文件来进行基于ICEM CFD Tcl脚本二次开发的网格划分，生成的mesh文件用于Fluent CFD流场解算，得到艇体气动载荷的分布和阻力值。

优选地，对于结构拓扑分析，其几何建模和分析均是基于ABAQUS Python脚本二次开发来进行的，分析得到艇体的应力分布、位移分布和艇体重量。

优选地，对于能源子系统的参数化建模及其分析包括：

首先，基于MATLAB进行参数化建模，把能源参数太阳能电池阵单元数量在优化进程中的变化实时写入程序；

其次，建立太阳辐射和昼间太阳能收集模型，通过最终耗能模型，来进行能源系统能量平衡的评估；

最后整合临近空间飞艇个部件质量，得到总的质量模型。

优选地，所述质量模型包括飞艇固定质量、结构质量和太阳能电池阵列质量，所述固定质量包括推进系统、航电、储能电池和其承载结构部分，所述结构质量包括艇体、吊舱、艇首尾和浮升气体部分。

优选地，所述步骤三包括：

(1)系统样本点信息收集：通过所述气动、结构和能源三个子系统在基于优化拉丁超立方实验设计运行得到一系列的样本空间；

(2)初始化代理模型：运用Kriging方法建立代理模型；

(3)代理模型可行性的验证：通过代理模型生成的样本空间和真实仿真结果作对比，具有足够精度即可用于系统优化进程；

(4)若在优化迭代过程中代理模型的精度不够，就逐步更新样本空间，逐步在优化循环过程中增加样本数量和变换模型的系统参数。

优选地，采用的优化系统包括：

循环控制模块System，其通过约束条件来判断整个迭代的收敛情况，从而控制整个优化进程；

计算器模块Calc last，其将上一次计算的总重与当前计算总重区分，分别赋予两个不同的变量，便于循环控制模块进行比较；

全局优化模块Global Optimization和局部优化模块Local Optimization，其都是基于代理模型的优化模块，其中，Global Optimization采用多岛遗传算法，Local Optimization采用序列二次规划算法；

气动子系统优化模块Aerodynamic optima analysis，能源子系统优化模块Energy optima analysis，结构子系统优化模块Structure optima analysis，

计算器模块Calcmass&delta，用于对载荷重量进行赋值，总重和浮重平衡的统计；

样本点更新模块DOE update，其通过高精度的气动、结构和能源子系统计算的优化数据不断对样本点进行更新。

本发明的方法，其优点是：该方法使得在进行系统层次的优化时让子空间临时解耦并行优化，而在子空间层次的优化里各子系统依然保留耦合信息，这样在系统的优化过程中获得连续优化的设计；各子空间模块可以采用合适的分析方法或根据设计经验自由地优化系统设计，而这些子空间也是对同一个系统目标函数用各自的局部设计变量进行优化，具有较高的学科自治性；该方法中的系统分析是在高精度模型分析之外完成的，系统优化在Kriging近似模型的基础之上进行，因此降低了整体计算量，加快了收敛速度。

该方法可用于解决临近空间飞艇气动、结构和能源一体化初步设计问题，在临近空间飞艇设计及优化的新思路探索上具有相当的参考价值。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。

图1是根据本发明实施方式的临近空间飞艇总体设计流程图；

图2是根据本发明实施方式的艇体参数化建模过程流程图；

图3是根据本发明实施方式的代理模型建立流程图；

图4是根据本发明实施方式的基于近似模型的CSSO流程图；

图5是根据本发明实施方式的优化框架的ISight实现流程图；

图6是根据本发明实施方式的DOE更新流程图；

图7是根据本发明实施方式的气动子系统优化流程图；

图8是根据本发明实施方式的结构子系统优化流程图；

图9是根据本发明实施方式的能量子系统优化流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明公开一种并行子空间优化的临近空间飞艇多学科优化设计方法，见图1所示，其具体步骤如下：

步骤一：规划总体设计流程，明确优化目标和各个子系统耦合关系。

如图1，临近空间飞艇总体设计流程，其中通过所述总体技术要求，选定艇体外形，通过实际要求和试飞经验选择艇体长度、体积和表面积等参数的实用范围，进而对气动、结构和能源子系统进行变量的分配和设置。三个子系统的耦合关系通过推阻平衡、浮重平衡和能量平衡进行体现，并把这三个平衡作为优化框架里的一部分约束条件。

步骤二：气动、结构和能源子系统的参数化建模及其分析，如图2

1)艇体参数化建模过程，首先是基于CATIA VB脚本二次开发的几何模型建模，其目的是把优化进程中的变量变化写入脚本，在模型中体现出来，其结果模型用于后续流场分析。

2)用步骤1)中生成的model几何文件来进行基于ICEM CFD Tcl脚本二次开发的网格划分，生成的mesh文件用于Fluent CFD流场解算，得到艇体气动载荷的分布和阻力值。

3)而对于结构拓扑分析，其几何建模和分析均是基于ABAQUS Python脚本二次开发来进行的，分析得到艇体的应力分布、位移分布和艇体重量。

4)对于能源子系统，基于MATLAB进行能参数化建模，把能源参数太阳能电池阵单元数量在优化进程中的变化实时写入程序。其次，建立太阳辐射和昼间太阳能收集模型通过最终耗能模型Q_req＝(p_thrust+p_pld)t_cruise，其中p_thrust＝Tv＝Dv，来进行能源系统能量平衡的评估。最后整合临近空间飞艇个部件质量，得到总的质量模型。其中质量模型中有飞艇固定质量、结构质量和太阳能电池阵列质量，固定质量包括推进系统、航电、储能电池和其承载结构部分，结构质量包括艇体、吊舱、艇首尾和浮升气体部分。

步骤三：训练样本点建立样本空间，搭建代理模型，如图3

1)系统样本点信息收集，通过气动、结构和能源三个子系统在基于优化拉丁超立方实验设计运行得到一系列的样本空间；

2)初始化代理模型，运用Kriging方法建立代理模型；

3)代理模型可行性的验证，通过代理模型生成的样本空间和真实仿真结果作对比，具有足够精度即可用于系统优化进程；

4)若在优化迭代过程中代理模型的精度不够，也就是其信息不够完全，就需要逐步的更新样本空间，逐步的在优化循环过程中增加样本数量和变换模型的系统参数；

如图4所示，其示出了基于近似模型的CSSO，其中，CSSO(CSS Optimizer)称为并行子空间优化，并行子空间优化算法是一种非层次型分解的多学科设计优化算法。该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Kriging近似方法来构造学科间近似关系的CSSO算法称为基于Kriging近似的并行子空间优化算法。图4所示的并行子空间优化算法执行步骤如下:

1)基准设计。根据设计对象的情况,给定多个设计向量。设计点(一个设计向量就代表一个设计点)的选取可以按照试验设计的有关方法来实行。

2)系统分析。在给定的设计点处进行系统分析,得到相应的状态向量。将设计向量及对应的状态向量存入样本空间。

3)建立系统的Kriging近似模型。由样本空间中的设计向量及其对应的状态向量,建立系统的Kriging近似模型。

4)子空间并行优化。当系统的近似Kriging模型建立起来之后,各子空间就可以并行优化了,本学科的状态变量利用本学科的分析方法和仿真软件来完成,而当要用到其他学科的信息时则通过Kriging近似模型来获取。

5)系统分析。在各学科并行优化完成之后,对各自得到的最优解分别进行系统分析,得到相应的状态变量,

6)样本空间更新。将由子学科优化得到的最优解和经系统分析得到的对应的状态变量加入系统样本空间中,对样本空间进行更新。根据更新后的样本空间构造新的Kriging。

7)系统级优化。在系统级优化中,所有的状态变量信息均由Krigin近似来获取。系统级优化结束后,对系统级设计变量最优解再次进行系统分析和更新Krigin的过程,随着这个优化迭代循环不断进行,Kriging越来越精确,最终收敛到一个最优解。

步骤四：基于ISight平台的优化框架搭建

iSIGHT是将数字技术、推理技术和设计探索技术有效融合，并把大量的需要人工完成的工作由计算机实现自动化处理，类似一个软件机器人在代替工程设计人员进行重复性的、易出错的数字处理和设计处理工作，其可以集成仿真代码并提供设计智能支持，从而对设计可选方案进行评估，研究。iSIGHT软件通过图形化工作界面，进行设计过程集成、优化处理和自动化求解。

如图5，根据优化策略，在ISight平台上构建基于气动、结构和能量的总体优化设计框架，顶部的System是循环控制模块，即通过约束条件来判断整个迭代的收敛情况，从而控制整个优化进程。

最左部的Calc last计算器模块是将上一次计算的总重与当前计算总重区分，分别赋予两个不同的变量，便于循环控制模块进行比较。

左部的Global Optimization和Local Optimization分别是全局优化模块和局部优化模块，它们均是基于代理模型的优化模块。全局优化模块采用多岛遗传算法，局部优化模块采用序列二次规划算法，采用这样的模块组合可以充分利用全局优化算法对整体设计空间遍历的优势以及局部优化算法锁定小范围精确寻优的特点，在逐步改善准确度的同时也提高了寻优的效率。

中部的Aerodynamic optima analysis，Structure optima analysis和Energy optima analysis分别是气动、结构和能源子系统优化，如图7，图8和图9所示。

右部的Calcmass&delta计算器模块则是对载荷重量进行赋值，总重和浮重平衡的统计。

最右部的DOE update是样本点更新模块，DOE(design of experiment)称为试验设计，其是统计学的一个分支，采用试验设计方法很大程度地提高了试验生产效率。DOE update如图6所示，通过高精度的气动、结构子系统和能源子系统计算的优化数据不断地对样本点进行更新，从而提高了代理模型精度，加快了收敛速度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。