在飞机多学科设计优化过程中,通常需要很多次迭代才能得到最优结果,而且各学科的每次计算也会花费大量的时间,这严重影响了优化过程的可行性。为了减少计算时间,但又不会对各学科计算结果造成太大的影响,因此我们用近似方法来建立各学科的近似模型,以此来减少每次迭代时各学科所用的大量计算时间,使飞机多学科设计优化可以顺利的进行下去。 如果用近似模型来代替真实模型,那么近似模型精确度就变得非常重要。近似模型和真实模型相差不大,近似的精度很高,优化出的结果就是有意义的,可信的;反之,优化出的结果就是没有意义的,不可信的。 本文的主要工作是总结各种近似方法的特点,编写各近似方法的程序,通过算例总结出各种近似方法的适用性。本文首先给出了建立近似模型前所需的实验设计方法。用实验设计方法选择实验点,可以使实验点更均匀,更具有代表性,从而为建立精确的近似模型打下良好的基础。然后总结了二次响应面方法、移动最小二乘法、径向基神经网络方法、BP神经网络方法和Kriging方法,以及它们的特点。用这五种方法分别构造二维测试函数的近似模型,直机翼结构学科、气动学科和隐身学科的近似模型和后掠机翼结构学科、气动学科的近似模型,并总结这五种方法对二维测试函数、直机翼和后掠机翼各学科近似的适用性。结果表明,用Kriging方法构造的近似模型精度较高,而且比较稳健。神经网络方法则更适合对具有大量实验点模型的近似。 由于用径向基神经网络方法构造近似模型常常难以满足精度要求,本文还提出了一种把二次响应面与径向基神经网络方法相结合的算法。该方法在样本点相同的情况下减小了近似模型的推广误差,提高了近似精度,增加了适应性。通过算例表明该算法提高了近似模型的精度,可在多学科设计优化中提高设计效率和质量。