论文部分内容阅读
摘要：飞机的总体设计难度更大，技术要求更高。因此为了确保飞机的整体性能，设计人员必须确定飞机的总体参数及其子系统的参数。多学科设计优化算法是技术进步的产物，将多学科设计优化算法应用于飞机设计可以有效降低飞机的生命周期成本。在本文中，我们分析了多学科设计优化算法，并提出了将多学科设计优化算法应用于飞机设计的策略，以帮助那些希望将多学科设计优化算法应用于飞机设计的人们。
关键词：多学科设计优化算法;重要性;应用
前言
随着航空航天工业的发展，多学科设计的优化逐渐引起人们的注意。多学科设计优化在促进我国航空航天工业发展中发挥了非常重要的作用，已成为航空航天工作中的关键研究课题。
一、多学科设计优化的重要性
通过不断优化过程，设计师对飞机设计的知识逐渐丰富，但设计自由度受到限制，因此这对飞机的创新设计施加了更多限制。在设计过程中，可以更改许多其他关键设计参数，以更轻松地满足飞机的设计目标，而飞机的基本设计只有在确定了飞机的总体布局后才能正式开始。在基础设计阶段，结构领域在飞机的设计中起着更为重要的作用。在详细设计阶段，应在详细设计阶段更加重视这三种传统，以提高设计完成后飞机的装卸质量，使飞机更好地满足设计要求，同时也需要注意飞机设计阶段的飞行力学和控制问题。由于各个领域实际上起着不同的作用，因此很难优化飞机的设计，为了确保设计期间的设计优化，必须最大化发挥飞机设计中各个领域的优势。
在多学科设计优化算法的实际应用过程中，可以将现有航空领域的空气动力学，结构等领域综合应用到飞机设计中，也可以在多学科设计的详细设计阶段使用。将周转时间适当地添加到概念设计和初步设计阶段，以便每个学科在飞机设计中都有其独特的优势。同时在多学科设计课程中，必须满足两个要求：首先，在设计过程中，所有新信息的数据传输速率必须能够保持在一定范围内，这样这些数据可以快速传递与数据信息关联的收件人。其次，如果设计变量发生更改，则应该首次可以评估变量更改，减少对系统和各个学科的影响。在这两个需求中，第一个可以通过图形可视化完成，第二个必须基于合成分析和灵敏度分析来完成。多学科设计优化提高了人脑与计算机之间协作的能力，使飞机设计变得更加容易。
二、多学科设计优化
通常，分析复杂系统的方法是将系统分为几个子系统，而系统之间的作用机理是不同的。复杂的系统分为两，一个是分层系统，另一个是非分层系统。分层系统下的子系统提供具有强序列的“树”结构，而非分层系统下的子系统提供具有关联关系的“网”结构。
从数学上讲，它可以表示为：
寻找：X
最小化：f = f（X，y）
约束：hi（X，y）= 0（i = 1，2 ... m）gi（X，y）s0（j = 1，2，... n）
在非分层系统中，该算法必须迭代几次才能完成，如果系统分析有针对X的解决方案，则可以获取约束和目标函数。可以进行定量信息交换，子系统之间的并行优化和分析设计方案，减少计算时间的子系统和组织工程设计，得到全局优化，同时也可以得到更多的解决方案。
三、多学科设计优化算法及应用
1.单级优化算法
单级优化算法的系统级优化算法主要用于低复杂度，低变量的目标系统的设计，与传统的单域优化算法更为相似。受单步优化算法的大量计算影响，飞机设计分析模型主要基于近似估计，而各学科之间的交互作用则较少反映。基于全局灵敏度方程的单阶段优化算法可以更好地了解整个飞机系统的灵敏度，并且每个子系统的灵敏度分析也可以并行执行。
2.并行子空间优化算法
并行子空间优化算法包括基于全局灵敏度分析的优化算法，基于全局灵敏度分析的优化算法的改进版本以及基于响应面的优化算法。在基于全局灵敏度的并行子空间优化算法中，每个子系统彼此独立，优化的设计变量也不同，系统设计变量是每个子系统的设计变量的组合。该算法可有效减少计算量，同时实现多个子系统的设计优化，并保持原有系统的组合性。多学科的优化设计软件被广泛應用于飞机的初步设计中。但是，这种优化算法有几个缺点，并且由于不能完全保证收敛性，因此振荡现象更为普遍。在实际设计中，设计变量对子系统的广泛影响降低了飞机的操纵性能和结构不稳定性。基于响应面的优化算法不需要设计人员分析系统的灵敏度，该方法可以促进对连续或离散混合变量的优化，并有效地消除数值噪声。在飞机设计中，该算法主要用于一般航天飞机和旋翼飞机的初步设计。其优点是，获得系统全局最优解的可能性增加，并且系统分析的数量减少。但是，随着设计变量和状态变量y继续增加，网络的响应时间也相应增加。
3.协同优化算法
协同优化算法是创建由子系统的设计优化计划部分提供的目标计划。系统级别优化的差异不明显。Spes等人将CO算法应用于飞机空气动力学-结构-性能的集成设计，Eppeal等人将CO算法扩展到一个多用途优化问题，并提出了一个多用途CO算法。这些应用研究表明，CO算法不仅可以实现并行设计，而且实际上可以找到更好的设计解决方案。根据许多计算示例表示，CO算法将显着增加子系统分析的次数，因此总的计算量可能不会减少。
结束语
虽然国内多学科设计优化算法发展的越来越成熟，但仍然存在许多理论和实践问题。当前，多学科设计优化算法已广泛用于飞机设计的空气动力学，性能，结构和其他方面。总而言之，多学科设计优化的发展在我国航天工业的发展中起着非常重要的作用。多学科设计优化不仅可以在设计过程中有效降低飞机的设计成本，还可以有效地处理相对复杂的航空系统。如此一旦进行应用，相信大多数航空航天从业者都会喜欢跨学科的设计优化。同时我们也相信，越来越多的人认识到在航空航天工程中多学科设计优化的重要性，多学科设计优化的实际应用将变得越来越完整。
参考文献
[1]杜海，张瑞，崔德刚.航空领域多学科优化系统[J]航空科学技术2018.29（08）：1-6。
[2]王金成，周玉芳，赵振杰.飞机多学科协同设计系统的构建与应用[J]智能制造2018（1）：82-85。
[3]姜路佳，辛万庆，卜相伟.如何处理导弹整体多学科设计优化的耦合关系[J]导弹与航天技术，2009（06）
沈阳航空航天大学 辽宁沈阳 110136
关键词：多学科设计优化算法;重要性;应用
前言
随着航空航天工业的发展，多学科设计的优化逐渐引起人们的注意。多学科设计优化在促进我国航空航天工业发展中发挥了非常重要的作用，已成为航空航天工作中的关键研究课题。
一、多学科设计优化的重要性
通过不断优化过程，设计师对飞机设计的知识逐渐丰富，但设计自由度受到限制，因此这对飞机的创新设计施加了更多限制。在设计过程中，可以更改许多其他关键设计参数，以更轻松地满足飞机的设计目标，而飞机的基本设计只有在确定了飞机的总体布局后才能正式开始。在基础设计阶段，结构领域在飞机的设计中起着更为重要的作用。在详细设计阶段，应在详细设计阶段更加重视这三种传统，以提高设计完成后飞机的装卸质量，使飞机更好地满足设计要求，同时也需要注意飞机设计阶段的飞行力学和控制问题。由于各个领域实际上起着不同的作用，因此很难优化飞机的设计，为了确保设计期间的设计优化，必须最大化发挥飞机设计中各个领域的优势。
在多学科设计优化算法的实际应用过程中，可以将现有航空领域的空气动力学，结构等领域综合应用到飞机设计中，也可以在多学科设计的详细设计阶段使用。将周转时间适当地添加到概念设计和初步设计阶段，以便每个学科在飞机设计中都有其独特的优势。同时在多学科设计课程中，必须满足两个要求：首先，在设计过程中，所有新信息的数据传输速率必须能够保持在一定范围内，这样这些数据可以快速传递与数据信息关联的收件人。其次，如果设计变量发生更改，则应该首次可以评估变量更改，减少对系统和各个学科的影响。在这两个需求中，第一个可以通过图形可视化完成，第二个必须基于合成分析和灵敏度分析来完成。多学科设计优化提高了人脑与计算机之间协作的能力，使飞机设计变得更加容易。
二、多学科设计优化
通常，分析复杂系统的方法是将系统分为几个子系统，而系统之间的作用机理是不同的。复杂的系统分为两，一个是分层系统，另一个是非分层系统。分层系统下的子系统提供具有强序列的“树”结构，而非分层系统下的子系统提供具有关联关系的“网”结构。
从数学上讲，它可以表示为：
寻找：X
最小化：f = f（X，y）
约束：hi（X，y）= 0（i = 1，2 ... m）gi（X，y）s0（j = 1，2，... n）
在非分层系统中，该算法必须迭代几次才能完成，如果系统分析有针对X的解决方案，则可以获取约束和目标函数。可以进行定量信息交换，子系统之间的并行优化和分析设计方案，减少计算时间的子系统和组织工程设计，得到全局优化，同时也可以得到更多的解决方案。
三、多学科设计优化算法及应用
1.单级优化算法
单级优化算法的系统级优化算法主要用于低复杂度，低变量的目标系统的设计，与传统的单域优化算法更为相似。受单步优化算法的大量计算影响，飞机设计分析模型主要基于近似估计，而各学科之间的交互作用则较少反映。基于全局灵敏度方程的单阶段优化算法可以更好地了解整个飞机系统的灵敏度，并且每个子系统的灵敏度分析也可以并行执行。
2.并行子空间优化算法
并行子空间优化算法包括基于全局灵敏度分析的优化算法，基于全局灵敏度分析的优化算法的改进版本以及基于响应面的优化算法。在基于全局灵敏度的并行子空间优化算法中，每个子系统彼此独立，优化的设计变量也不同，系统设计变量是每个子系统的设计变量的组合。该算法可有效减少计算量，同时实现多个子系统的设计优化，并保持原有系统的组合性。多学科的优化设计软件被广泛應用于飞机的初步设计中。但是，这种优化算法有几个缺点，并且由于不能完全保证收敛性，因此振荡现象更为普遍。在实际设计中，设计变量对子系统的广泛影响降低了飞机的操纵性能和结构不稳定性。基于响应面的优化算法不需要设计人员分析系统的灵敏度，该方法可以促进对连续或离散混合变量的优化，并有效地消除数值噪声。在飞机设计中，该算法主要用于一般航天飞机和旋翼飞机的初步设计。其优点是，获得系统全局最优解的可能性增加，并且系统分析的数量减少。但是，随着设计变量和状态变量y继续增加，网络的响应时间也相应增加。
3.协同优化算法
协同优化算法是创建由子系统的设计优化计划部分提供的目标计划。系统级别优化的差异不明显。Spes等人将CO算法应用于飞机空气动力学-结构-性能的集成设计，Eppeal等人将CO算法扩展到一个多用途优化问题，并提出了一个多用途CO算法。这些应用研究表明，CO算法不仅可以实现并行设计，而且实际上可以找到更好的设计解决方案。根据许多计算示例表示，CO算法将显着增加子系统分析的次数，因此总的计算量可能不会减少。
结束语
虽然国内多学科设计优化算法发展的越来越成熟，但仍然存在许多理论和实践问题。当前，多学科设计优化算法已广泛用于飞机设计的空气动力学，性能，结构和其他方面。总而言之，多学科设计优化的发展在我国航天工业的发展中起着非常重要的作用。多学科设计优化不仅可以在设计过程中有效降低飞机的设计成本，还可以有效地处理相对复杂的航空系统。如此一旦进行应用，相信大多数航空航天从业者都会喜欢跨学科的设计优化。同时我们也相信，越来越多的人认识到在航空航天工程中多学科设计优化的重要性，多学科设计优化的实际应用将变得越来越完整。
参考文献
[1]杜海，张瑞，崔德刚.航空领域多学科优化系统[J]航空科学技术2018.29（08）：1-6。
[2]王金成，周玉芳，赵振杰.飞机多学科协同设计系统的构建与应用[J]智能制造2018（1）：82-85。
[3]姜路佳，辛万庆，卜相伟.如何处理导弹整体多学科设计优化的耦合关系[J]导弹与航天技术，2009（06）
沈阳航空航天大学 辽宁沈阳 110136