【摘要】：現(xiàn)代工程設(shè)計(jì)問題日趨復(fù)雜,設(shè)計(jì)變量眾多,約束條件復(fù)雜,學(xué)科之間相互依賴,傳統(tǒng)的方法越來越難以滿足大型耦合系統(tǒng)的設(shè)計(jì)需求。多學(xué)科設(shè)計(jì)優(yōu)化(Multidisciplinary Design Optimization,MDO)通過“分解-協(xié)調(diào)”的思路,把復(fù)雜問題分解為一個(gè)或多個(gè)子問題分別求解,采用特定的策略協(xié)調(diào)耦合關(guān)系使之趨于一致。圍繞這類耦合系統(tǒng)的設(shè)計(jì)優(yōu)化,產(chǎn)生了一系列MDO方法,并出現(xiàn)了眾多集成平臺(tái)來支持其工程應(yīng)用。在MDO的研究與應(yīng)用中仍存在一些不足:MDO方法求解效率普遍較低;關(guān)于MDO問題的全局優(yōu)化研究較少,如果學(xué)科分析涉及黑箱仿真,直接求解非常耗時(shí);現(xiàn)有多學(xué)科集成平臺(tái)很難支撐不同MDO方法的靈活實(shí)施。針對(duì)這些問題,本文從多學(xué)科耦合流程分析著手,研究提高M(jìn)DO求解效率的方法,并引入響應(yīng)面技術(shù)來探討MDO問題的全局優(yōu)化,同時(shí)對(duì)MDO流程進(jìn)行功能抽象,在多學(xué)科平臺(tái)中實(shí)現(xiàn)不同MDO框架的流程建模與求解。主要內(nèi)容包括以下幾個(gè)方面:(1)提出一種基于最小求解策略的多學(xué)科系統(tǒng)分析方法。針對(duì)學(xué)科和耦合變量較多時(shí)多學(xué)科系統(tǒng)分析耗時(shí)的情況,本文把大型耦合系統(tǒng)分解為多個(gè)單向依賴的最小求解單元依次求解;在每個(gè)求解單元中,基于學(xué)科依賴結(jié)構(gòu)矩陣選擇斷開反饋耦合關(guān)系,構(gòu)建其殘差的最小二乘問題進(jìn)行求解。通過減少求解單元所包含的學(xué)科與待求未知量的數(shù)量來降低系統(tǒng)分析問題規(guī)模,從而提高求解效率。(2)提出一種基于學(xué)科依賴結(jié)構(gòu)矩陣的最優(yōu)學(xué)科排序方法。隨著學(xué)科和耦合變量的增多,多學(xué)科可行法(Multidisciplinary Feasible,MDF)和單學(xué)科可行法(Individual Discipline Feasible,IDF)的求解規(guī)模與難度隨之增加。本文提出一種基于學(xué)科依賴結(jié)構(gòu)矩陣的最優(yōu)學(xué)科排序模型,最小化反饋耦合變量數(shù)量,來選擇更少的耦合變量構(gòu)造規(guī)模更小的MDF和IDF求解問題。然后通過Cantor變換把學(xué)科全排列映射為一組整數(shù),使最優(yōu)學(xué)科排序模型轉(zhuǎn)化為一個(gè)整數(shù)規(guī)劃問題,并改進(jìn)DIRECT方法進(jìn)行全局優(yōu)化求解。(3)提出一種基于響應(yīng)面的MDF全局優(yōu)化方法。本文采用基于擬采樣密度函數(shù)的序列采樣方法進(jìn)行MDF問題的全局優(yōu)化:在滿足近似約束的條件下,以近似目標(biāo)值與擬采樣密度函數(shù)的乘積最小化為目標(biāo)進(jìn)行序列采樣,在提高響應(yīng)面精度的同時(shí)不斷改進(jìn)問題的解。其中,擬采樣密度函數(shù)主要用來平衡全局探索和局部搜索。此外,針對(duì)部分設(shè)計(jì)空間不存在多學(xué)科可行解的情況,增加一個(gè)近似多學(xué)科可行性約束,迫使采樣點(diǎn)避開這些區(qū)域。(4)提出一種基于響應(yīng)面的IDF全局優(yōu)化方法。IDF方法增加了相容一致性等式約束,直接采用傳統(tǒng)的全局優(yōu)化方法或常規(guī)的響應(yīng)面方法進(jìn)行求解效果較差。本文對(duì)學(xué)科分析耗時(shí)的IDF問題進(jìn)行分析,構(gòu)建相容一致性約束關(guān)于設(shè)計(jì)變量和耦合變量的響應(yīng)面,分為兩個(gè)階段來求解:以近似相容一致性等式約束違反程度最小為目標(biāo)進(jìn)行序列采樣,使等式約束響應(yīng)面能夠大致反映等式約束邊界;在近似等式約束滿足的情況下,在目標(biāo)改善的區(qū)域進(jìn)行序列采樣,提高響應(yīng)面精度并不斷改進(jìn)問題的解。兩個(gè)階段均引入擬采樣密度函數(shù)來平衡全局探索和局部搜索。(5)提出一種面向序列采樣的響應(yīng)面模塊化建模方法。本文對(duì)基于響應(yīng)面的序列采樣優(yōu)化流程進(jìn)行分析,將其功能抽象為實(shí)驗(yàn)設(shè)計(jì)、響應(yīng)面模型、響應(yīng)面引用三大基本模塊,作為功能組件進(jìn)行設(shè)計(jì),與學(xué)科組件和流程控制組件一起,以搭積木的方式直觀地構(gòu)建不同的基于響應(yīng)面的序列采樣流程。(6)在多學(xué)科平臺(tái)FlowComputer中實(shí)現(xiàn)MDO的流程建模與求解。MDO涉及學(xué)科分析模型、響應(yīng)面模型、設(shè)計(jì)探索工具、優(yōu)化求解策略等多個(gè)方面,其實(shí)施就是把這些模型、方法按照一定的流程有機(jī)組合起來。本文對(duì)MDO方法中的基本功能進(jìn)行分析,抽象成一系列功能組件,并在多學(xué)科集成平臺(tái)中實(shí)現(xiàn),使用這些功能組件構(gòu)建不同的MDO實(shí)施流程進(jìn)行求解。最后,對(duì)本文的主要研究成果進(jìn)行了總結(jié),并分析了研究中的不足,對(duì)下一步研究進(jìn)行展望。
【圖文】：

論文組織結(jié)構(gòu)圖

圖 2.4 MDSA-MSS 流程圖初值敏感的系統(tǒng)，如果給定初值不能得到滿超立方采樣（Latin Hypercube Sampling，L分布均勻的初值，依次選擇進(jìn)行求解。科耦合數(shù)值測(cè)例，，分別采用 FPI（Jacobi on 迭代、非線性最小二乘法（NLS）和 M效率。求解效率通過各學(xué)科的調(diào)用次數(shù)進(jìn)行多學(xué)科系統(tǒng)殘差的 2-范數(shù)進(jìn)行評(píng)價(jià)。( ) ( )2|| ( , ) ||s si i ir y y x y
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TB47;O224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁文強(qiáng);劉玉生;葉曉平;劉東紅;;結(jié)合拓?fù)浣怦畹亩鄬W(xué)科優(yōu)化方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年09期

2 趙良臻;王波興;;協(xié)同仿真平臺(tái)中仿真組件的封裝技術(shù)研究[J];計(jì)算機(jī)工程;2014年09期

3 蔣興沛;吳義忠;;多學(xué)科流程集成及實(shí)驗(yàn)設(shè)計(jì)系統(tǒng)研究與實(shí)現(xiàn)[J];計(jì)算機(jī)科學(xué);2013年S2期

4 孫建勛;張立強(qiáng);陳建江;劉繼紅;;飛行器總體多學(xué)科集成設(shè)計(jì)平臺(tái)[J];計(jì)算機(jī)集成制造系統(tǒng);2012年01期

5 趙勇;楊維維;黃奕勇;王振國(guó);;一種改進(jìn)的混合BLISS多學(xué)科設(shè)計(jì)優(yōu)化方法[J];國(guó)防科技大學(xué)學(xué)報(bào);2011年05期

6 陶友瑞;韓旭;姜潮;劉迎春;;一種基于線性物理規(guī)劃和兩級(jí)集成系統(tǒng)綜合方法的多目標(biāo)多學(xué)科優(yōu)化方法[J];中國(guó)機(jī)械工程;2011年11期

7 李連升;劉繼紅;謝琦;劉少華;;基于物理規(guī)劃的多學(xué)科多目標(biāo)設(shè)計(jì)優(yōu)化[J];計(jì)算機(jī)集成制造系統(tǒng);2010年11期

8 趙敏;崔維成;;BLISCO方法在載人潛水器設(shè)計(jì)中的應(yīng)用[J];船舶力學(xué);2009年02期

9 王曉青;;協(xié)同優(yōu)化方法與并行子空間方法的評(píng)估與比較[J];中國(guó)科學(xué)(E輯:技術(shù)科學(xué));2009年03期

10 龔春林;谷良賢;袁建平;;基于全局優(yōu)化算法的多學(xué)科優(yōu)化計(jì)算構(gòu)架[J];西北工業(yè)大學(xué)學(xué)報(bào);2009年01期

本文編號(hào)：2588535