技术特征：
1.一种基于代理模型的变密度高真空多层绝热结构优化方法，其特征在于，包括：将多层绝热材料的设计参数进行函数化表示，得到变密度多层绝热材料的待优化设计函数；根据所述待优化设计函数，将所述变密度多层绝热材料的性能指标进行函数化表示，得到各个所述性能指标的计算函数；所述性能指标包括厚度、层数、热流密度和反射屏温度；基于穷举法，获取目标层数下不同厚度的所有的所述多层绝热材料的组合的设计参数矩阵；基于所述厚度的计算函数，根据所述目标层数下所有的所述多层绝热材料的组合的设计参数矩阵确定所述设计参数矩阵对应的多层绝热材料的厚度分布；在所述厚度分布中选择多个厚度进行仿真，得到样本集；所述样本集中包括厚度、热流密度和所述设计参数矩阵；基于所述样本集，根据本征正交分解-广义回归神经网络方法对所述设计参数矩阵进行预测，得到所述热流密度的预测结果；根据所述设计参数矩阵对所述热流密度的预测结果对应的搭配设计参数矩阵进行筛选，并对筛选后的数据进行仿真，得到对应的厚度和热流密度；将对应的厚度和热流密度加入所述样本集，并返回步骤“基于所述样本集，根据本征正交分解-广义回归神经网络方法对所述设计参数矩阵进行预测，得到所述热流密度的预测结果”进行迭代，直到所述热流密度的预测结果对应的搭配设计参数矩阵不再更新时，得到最优搭配结果。2.根据权利要求1所述的基于代理模型的变密度高真空多层绝热结构优化方法，其特征在于，所述将多层绝热材料的设计参数进行函数化表示，得到变密度多层绝热材料的待优化设计函数，包括：将所述多层绝热材料的设计参数表示为基本设计单元的重复组合；所述基本设计单元的表达公式为d1＝[r，s]，d2＝[r，s，s]，d3＝[r，s，s，s]，
…
d
n
＝[r，s，s，
……
s]；其中d
n
为第n个基本设计单元，r代表反射屏，s代表间隔物；根据所述基本设计单元的重复组合确定变密度多层绝热材料的待优化设计函数；所述待优化设计函数的公式为：mli(dp)＝[(d1，dp1),(d2，dp2),(d3，dp3)，
…
]；其中，mli(dp)为所述待优化设计函数；dp
n
为d
n
的重复次数。3.根据权利要求2所述的基于代理模型的变密度高真空多层绝热结构优化方法，其特征在于，所述厚度的计算函数为δ＝d[mli(dp)]；其中，δ为所述多层绝热材料的厚度。4.根据权利要求2所述的基于代理模型的变密度高真空多层绝热结构优化方法，其特征在于，所述层数的计算函数为n＝n[mli(dp)]；其中，n为反射屏的所述层数。5.根据权利要求2所述的基于代理模型的变密度高真空多层绝热结构优化方法，其特征在于，所述热流密度的仿真函数为：q＝q[mli(dp),t
c
,t
h
,p(t),k(t),e(t)]；其中，q为所述多层绝热材料的热流密度，所述热流密度是通过传热模型进行获取得到的；t
c
为mli冷边界温度，t
h
为热边界温度，p(t)为层间压力函数，k(t)为间隔物导热系数函数，e(t)为发射率函数。6.根据权利要求5所述的基于代理模型的变密度高真空多层绝热结构优化方法，其特
征在于，所述反射屏温度的仿真函数为：t
i
＝t[mli(dp),t
c
,t
h
,p(t),k(t),e(t)]；其中，t
i
为所述多层绝热材料的第i个所述反射屏温度。7.根据权利要求2所述的基于代理模型的变密度高真空多层绝热结构优化方法，其特征在于，所述设计参数矩阵的公式为[dp]＝{dp1＝[0，ln]，dp2＝[0，ln]，..，dp
n
＝[0，ln]}；其中，[dp]为所述设计参数矩阵，ln为目标层数。8.根据权利要求1所述的基于代理模型的变密度高真空多层绝热结构优化方法，其特征在于，所述基于所述样本集，根据本征正交分解-广义回归神经网络方法对所述设计参数矩阵进行预测，得到所述热流密度的预测结果，包括：对所述样本集进行svd分解，得到特征矩阵和正交基系数矩阵；获取预设的设计参数，并确定所述预设的设计参数和所述设计参数矩阵的欧氏距离，并计算所述欧氏距离的高斯核权值；根据所述高斯核权值计算所述正交基系数矩阵的概率密度输出；根据所述概率密度输出和所述特征矩阵确定所述热流密度的预测结果。
技术总结
本发明涉及一种基于代理模型的变密度高真空多层绝热结构优化方法，包括：通过性能仿真函数构建样本集；采用PODGRNN算法对所有设计参数的热流密度进行快速预测，筛选出每个厚度下的最优搭配，并与现有样本集中的最优搭配进行比较，剔除未进化的最优搭配，只对进化后的最优搭配进行高精度仿真，并将结果加入样本集，如此迭代直至所有的厚度下的搭配均达到最优。与现有技术相比，本发明能够高效得到VD-MLI的多个厚度下的最优设计结果，每次迭代只对进化后的搭配进行高精度仿真，可以减少高精度仿真的次数，大幅缩短了优化时间。大幅缩短了优化时间。大幅缩短了优化时间。
技术研发人员：谭宏博 吴昊
受保护的技术使用者：西安交通大学
技术研发日：2022.04.02
技术公布日：2022/6/21