论文部分内容阅读
现代飞行器(火箭、导弹、飞机以及卫星等)是一类典型的多学科耦合工程系统,涉及高维设计变量与大量约束条件,直接使用高精度仿真模型用于系统设计优化的计算代价非常巨大,甚至难以接受。为了降低飞行器系统设计优化问题的计算代价,提高现代飞行器系统的设计优化效率,代理模型方法在过去的20年里得到了广泛的关注与应用。然而传统的代理模型方法(如多项式响应面、径向基函数以及Kriging等)在处理高维复杂问题时仍存在技术瓶颈,即构造代理模型的计算成本随着问题维度的增高呈指数级增长。为进一步降低求解高维飞行器系统设计优化问题的计算成本,本文开展了基于Kriging的高维模型表征(Kriging based High Dimensional Model Representation,KRG-HDMR)方法研究,致力于提高代理模型对高维问题的全局近似精度与近似效率,并通过两个飞行器设计优化问题校验研究成果的有效性与工程实用性。具体的研究工作包括:(1)详细综述了飞行器近似优化策略的国内外研究现状,重点介绍了面向高维问题近似建模的高维模型表征(High Dimensional Model Representation,HDMR)方法,尤其是Cut-HDMR方法的技术发展概况,并指出了前人研究成果在近似建模效率与全局近似精度方面仍有待进一步提升。(2)在RBF-HDMR方法的基础上,将Kriging模型与Cut-HDMR相结合,提出了一种KRG-HDMR方法。KRG-HDMR利用Kriging分别对Cut-HDMR的一阶、二阶组元项进行近似,为进一步探索基于自适应序列采样方法的KRG-HDMR奠定了基本的算法框架。(3)为了提高近似建模效率,提出了一种基于比例采点策略的KRG-HDMR方法(KRG-HDMR with Proportional Sampling,KRG-HDMR-PS),通过比例采点策略序列生成一阶组元代理模型的构造样本点。在逐维构造组元Kriging代理模型时,先确定各切割线上非线性最强的区间,在该区间内根据预设的比例系数递增样本点,构造组元Kriging代理模型直至收敛。通过具有高非线性特征一阶项的数值算例,对比测试不同比例系数取值下的KRG-HDMR-PS模型的近似精度,研究结果表明:当比例系数取为1/2时,KRG-HDMR-PS在近似精度和鲁棒性上均优于RBF-HDMR,比例采点策略能更合理地逐次生成构造样本点。(4)为了更充分挖掘各组元项Kriging代理模型的可用信息,提出了一种基于高斯过程方差估计的KRG-HDMR方法(KRG-HDMR with Variance based Sampling,KRGHDMR-VS),以进一步提高全局近似精度与近似建模效率。利用Kriging模型在各未知设计点处的预测方差,优先在切割线和切割面上预测方差最大的位置新增样本点以更新组元Kriging代理模型,提高序列采样过程的针对性,在保证近似精度的前提下进一步降低样本点规模。采用一系列高维数值算例的对比测试结果表明:本文提出的KRG-HDMR-VS方法在全局近似精度和近似建模效率上均优于国际同类方法AERBF-HDMR和RBF-HDMR。(5)针对Cut-HDMR无法继承已有随机样本点的问题,利用现有信息构造误差模型对KRG-HDMR模型进行修正。用于修正KRG-HDMR的策略包括总误差模型策略和分解误差模型策略两个层次。总误差模型策略使用已有样本点处的误差信息构造一个误差预测模型;分解误差模型策略将已有样本点处的误差信息分解到各组元项上,利用分解的误差信息更新对应组元项Kriging代理模型。两种基于误差模型的修正方法均适用于KRG-HDMR-PS方法与KRG-HDMR-VS方法。(6)在上述理论研究的基础上,将KRG-HDMR-VS方法应用于翼型气动优化设计与卫星结构优化设计,以验证该研究成果求解高维复杂飞行器设计优化问题的有效性和工程实用性。10维的翼型气动优化模型和16维的卫星结构优化模型分别需要调用计算耗时的CFD和FEA数值仿真模型进行求解,均具有高维复杂问题的基本特征。利用KRG-HDMR-VS方法分别构造翼型升阻比和整星结构质量的全局代理模型,结果表明KRG-HDMR-VS能使用较少的样本点得到精度满足要求的全局代理模型。利用遗传算法对KRG-HDMR-VS模型进行优化,使得翼型升阻比提升了23.5%、卫星整星质量降低了44.8kg。与传统的Kriging代理模型方法相比,在相同的计算成本下,KRG-HDMR-VS模型具有更高的近似精度,更适用于逼近高维复杂仿真模型,进而提高高维复杂工程问题的优化效率。