一种基于代理模型快速多目标空间反射镜优化设计方法

技术特征：

1.一种基于代理模型快速多目标空间反射镜优化设计方法，其特征在于：包括以下几个步骤：

步骤1：依据光学设计和结构设计需求，利用多目标拓扑优化方法构建主镜初始模型，确定了设计变量和设计空间；

步骤2：基于isight自动化集成平台，将更改有限元模型参数的hypermesh(前处理软件)，有限元静力学计算的optistruct(求解器软件)和主镜结构面形拟合matlab集成为自动化计算流程。利用最优拉丁超立方采样方法在主镜结构设计空间内均匀选取m组主镜设计参数变量组合作为输入样本，通过集成自动化仿真计算流程求解所有主镜设计参数变量的响应作为输出样本，利用得到的样本集构建了主镜结构设计变量和结构响应的代理模型；

步骤3：利用多目标智能优化算法随机初始化主镜结构参数设计变量，构建n组主镜结构参数变量组合，设定每个设计变量的上下限值和最大迭代数，根据光学设计和结构设计构造m个主镜设计的目标函数f1,…fm；

步骤4：将n组天线结构设计参数分别作为输入值，多目标优化算法调用代理模型分别预测各组主镜设计变量变量的响应向量，并利用响应向量求解目标函数值；

步骤5；基于多目标优化算法迭代更新n组主镜设计参数变量，选择新的主镜设计参数变量代入代理模型计算目标值，直到达到多目标智能算法中的最大迭代次数；然后建立各目标函数之间的帕累托关系图，依据输出目标的设计指标允许范围确定了设计参数组合的可行域，依据对各目标的偏好权重建立线性目标函数；

步骤6：可行域中的所有设计参数组合，将线性目标函数作为评价函数，对所有点的输出目标值进行评价，选出最优的结构参数设计值作为主镜结构的尺寸参数，更改初始模型，进行有限元仿真分析和面形精度计算，对比仿真结果和代理模型输出结果，若误差较大，则返回步骤2-步骤6，增加训练样本更新代理模型，寻找误差小的帕累托最优主镜结构设计。

2.根据权利要求1所述的一种基于代理模型快速多目标空间反射镜优化设计方法，其特征在于：步骤1中所述使用多目标拓扑优化方法构建初始模型，将主镜x、y和z三个方向柔度和主镜一阶固有频率通过折衷规划法整合为一个目标函数，利用simp变密度拓扑优化手段，拓扑优化出主镜轻量化结构的材料分布和传力路径，依此构建初始的主镜模型；拓扑优化的数学模型如下所示：

式中：m(ρ)—综合总目标函数；ω—子目标函数的加权值；i＝1，2，3…，是第i个工况；m是工况数；ωi是工况i的加权因子；ci(ρ)是工况i柔度的柔度目标；—工况i的柔度目标最大值和最小值；λ(ρ)—一阶固有频率目标函数；λmin、λmax—动态固有频率拓扑优化的最大值和最小值，用以消除量纲；gj(ρ)是第j个镜面节点位移约束函数；d是节点位移上限值；ρ是材料相对密度；ρmin是空的材料密度最小值。

3.根据权利要求1所述的一种基于代理模型快速多目标空间反射镜优化设计方法，其特征在于：步骤5中多目标优化算法解决多参数主镜结构的多目标设计，通常被称作多目标优化问题(moop)，对于多目标优化问题(moop)，任意两个解x⁽¹⁾和x⁽²⁾是不能度量的，他们满足fk(x⁽¹⁾)<fk(x⁽²⁾)和fs(x⁽¹⁾)<fs(x⁽²⁾)，至少存在一对k≠s，换句话说，在多目标意义上没有一个比另一个更好，定义帕累托支配关系当：对于两个解x⁽¹⁾和x⁽²⁾，如果fk(x⁽¹⁾)<fk(x⁽²⁾)对于所有k＝1…mobj，mobj是优化目标的数目，并且存在至少一个k满足fk(x⁽¹⁾)<fk(x⁽²⁾)，有(x⁽¹⁾支配x⁽²⁾)，在一个多目标优化问题(moop)中，想要找到名为设计空间的帕累托前沿，以至于对于任意x∈xp，xp是帕累托设计点的集合，对于多目标优化问题，多个相互冲突的子目标是同时优化的，当一个子目标利益得到偏向时，必然导致至少一个子目标的利益受到损失，在多目标意义上没有一个比另一个更好,就需要在多个目标之间做出权衡，多参数主镜结构的多目标设计如下所示：

式子中是确定主镜轻量化结构的n维设计变量，x是由设计参数范围决定的设计空间，fk(x)，k＝1,2,...,kobj是第k个优化目标，f(x)∈r^m是一个kobj维目标空间，m是输出目标空间的维度。

4.根据权利要求1所述的一种基于代理模型快速多目标空间反射镜优化设计方法，其特征在于：所述多目标智能算法选用基于分解的多目标进化算法、非支配排序进化算法、多目标遗传算法或多目标粒子群算法。

5.根据权利要求1所述的一种基于代理模型快速多目标空间反射镜优化设计方法，其特征在于：所述代理模型选用bpnn神经网络模型以及遗传算法或粒子群算法优化的bpnn模型。

技术总结
本发明公开了一种基于代理模型快速多目标空间反射镜优化设计方法。首先，确定了主镜轻量化结构和支撑方式后，通过拓扑优化确定了结构设计参数变量；基于Isight集成自动化平台，构建了有限元模型尺寸参数更改，有限元静力学分析和主镜面形计算的自动化流程，通过最优拉丁超立方抽样生成均匀的样本点，通过自动化流程计算生成相应的结构响应产生训练集；通过得到的样本集训练得到以BPNN神经网路为中心的代理模型，利用代理模型替代了耗时巨大的有限元仿真实现从主镜结构到结构性能响应之间快速的非线性计算，极大降低了计算成本；最后基于此代理模型结合NSGA‑Ⅱ多目标优化算法建立快速主镜结构优化设计框架，有效的解决了主镜结构优化设计的效率问题。

技术研发人员：亓波;秦涛;郭骏立;韩培仙;张美丽;包奇红;王进;李含;陈欣
受保护的技术使用者：中国科学院光电技术研究所
技术研发日：2021.03.30
技术公布日：2021.07.02