多学科设计优化技术在飞行器总体设计领域的应用
多学科设计优化算法及其在飞行器设计中应用
多学科设计优化算法及其在飞行器设计中应
用。
多学科设计优化算法（MDO）是一种整体性设计技术，主要通过
对包括机械、控制、电子、计算机和软件等各学科的综合应用，从而
获得最优化的设计结果。
它以提高综合性能以及降低整体成本为目标，有效解决多学科设计的复杂特征，使设计中的各个子系统不仅符合给
定的功能和性能，而且有针对性地调整每一部分。
MDO算法一般由三个步骤组成，分别是设计空间确定、优化策略
选择和整体优化算法。
首先，确定需要优化的设计参数，建立模型并
计算模型输出。
然后，利用多学科的设计知识及计算机的支持，选择
合适的优化策略，应用合理的算子求解，以优化模型中的目标函数。
最后，利用结果重新执行循环，以实现最终整体优化。
MDO算法由日益复杂的飞行器需求所促进，已成为飞行器设计中
广泛使用的体系结构。
为满足不同需求，现有许多成熟的MDO算法库，可用于探索最优设计。
比如，专用于航空器设计的FMS（Flight Missions Simulator）和SASDE（Simulated Aircraft Design Environment），可借助数值算法设计出低噪声、低排放的机体结构，
满足多学科要求，提升航空器的综合性能。
总而言之，多学科设计优化算法具有科学明确、全面综合的特点，无可厚非地被用于了飞行器的设计，它能有效地优化设计参数，从而
为制造高性能、高质量的飞行器提供基础支撑。
航空器设计中的多学科优化方法
航空器设计中的多学科优化方法在现代航空领域，航空器的设计是一项极其复杂且综合性极强的工程任务。
它不仅仅涉及到空气动力学、结构力学、材料科学等传统学科，还与电子工程、控制系统、制造工艺等多个领域紧密相连。
为了在众多的设计变量和约束条件下获得性能卓越、经济高效、安全可靠的航空器，多学科优化方法应运而生，并逐渐成为了航空器设计的关键技术之一。
多学科优化方法的核心思想是在设计过程中充分考虑各个学科之间的相互作用和耦合关系，通过协同优化各个学科的性能指标，实现整体设计的最优解。
与传统的单学科设计方法相比，多学科优化方法能够更有效地挖掘设计潜力，避免了局部最优解带来的局限性。
在航空器设计中，空气动力学是一个至关重要的学科。
飞机的外形设计直接影响着其飞行性能，如升力、阻力、稳定性和操纵性等。
通过运用计算流体力学（CFD）技术，可以对不同的外形方案进行数值模拟和分析，从而获得最优的气动外形。
然而，单纯追求气动性能的最优并不一定能得到理想的设计结果。
例如，过于追求低阻力的外形可能会导致结构强度不足或者内部空间受限。
结构力学在航空器设计中同样起着举足轻重的作用。
飞机的结构需要承受飞行过程中的各种载荷，包括重力、空气动力、发动机推力等。
因此，结构的强度、刚度和重量是设计中需要重点关注的因素。
采用先进的有限元分析（FEA）方法，可以对飞机的结构进行精确的力学分析和优化设计，在保证结构安全的前提下，尽量减轻重量，提高结构效率。
材料科学的发展也为航空器设计带来了新的机遇和挑战。
新型材料如复合材料具有优异的力学性能和减重效果，但它们的使用也需要考虑到制造工艺、成本和可靠性等因素。
在多学科优化过程中，需要综合权衡材料的性能、成本和可加工性，选择最适合的材料方案。
电子工程和控制系统在现代航空器中扮演着越来越重要的角色。
先进的航电系统、飞行控制系统和导航系统不仅能够提高飞行的安全性和舒适性，还能够优化飞行性能。
在设计过程中，需要将这些系统与航空器的气动、结构等方面进行协同优化，以实现整体性能的提升。
飞行器设计中的多目标优化研究
飞行器设计中的多目标优化研究在现代航空航天领域，飞行器设计是一项极其复杂且具有挑战性的任务。
随着科技的不断进步和应用需求的日益多样化，传统的单目标设计方法已经难以满足实际需求，多目标优化逐渐成为飞行器设计的关键技术之一。
多目标优化在飞行器设计中的应用，旨在同时考虑多个相互冲突的设计目标，如飞行性能、结构强度、燃油效率、制造成本、可靠性等。
通过综合权衡这些目标，以找到一组最优的设计参数组合，从而实现飞行器性能的整体提升。
飞行性能是飞行器设计中的首要考虑因素之一。
这包括了速度、升力、阻力、机动性等多个方面。
例如，提高飞行器的速度通常需要减小阻力，但这可能会对升力产生不利影响。
通过多目标优化，可以在速度和升力之间找到最佳的平衡点，使得飞行器在满足速度要求的同时，具备足够的升力以保持稳定飞行。
结构强度对于飞行器的安全性至关重要。
在设计过程中，需要确保飞行器的结构能够承受各种载荷和环境条件，同时又要尽量减轻结构重量以提高燃油效率和飞行性能。
多目标优化可以帮助在保证结构强度的前提下，最大程度地减轻结构重量，从而实现性能和安全性的双重优化。
燃油效率是影响飞行器运营成本的重要因素。
优化飞行器的外形和推进系统，以减少燃油消耗，对于提高飞行器的经济性具有重要意义。
然而，提高燃油效率往往可能会导致设计复杂度的增加和制造成本的上升。
多目标优化能够在燃油效率、制造成本和设计复杂度之间进行平衡，找到最优的解决方案。
制造成本也是飞行器设计中不可忽视的一个方面。
降低制造成本可以提高飞行器的市场竞争力，但可能会对性能和质量产生一定的影响。
多目标优化可以在控制制造成本的同时，保证飞行器的性能和质量满足设计要求。
可靠性是飞行器设计的另一个关键指标。
确保飞行器在各种工况下能够稳定可靠地运行，减少故障发生的概率，对于保障飞行安全和任务的成功执行至关重要。
多目标优化可以在可靠性和其他设计目标之间进行协调，以实现整体性能的优化。
在进行飞行器多目标优化设计时，需要建立准确的数学模型来描述设计问题。
大系统理论体系下的飞行器多学科设计优化方法
大系统理论体系下的飞行器多学科设计优化方法
近年来，随着飞行器的复杂性不断增长，传统单学科设计和优化方法已不能满足多学
科复杂系统的设计和优化要求。
采用大系统理论体系下的飞行器多学科设计优化方法可以
解决多学科复杂系统设计与优化中的多变量运算和约束条件博弈问题，充分融入人工智能、多学科优化和模拟分析等新技术，充分利用多学科协同设计技术，以及建立惯性导航，航
动力学，决策和控制集成仿真模型，实现多学科复杂系统的无约束优化设计。
首先，使用人工智能，智能算法以及全局优化等技术，以飞行器的工程性能需求为基础，空间性的碰撞约束、功能需求约束和分析驱动的复杂性之间的平衡，确定最优的结构
解决方案。
其次，通过多学科协同优化技术，可以构建新一代多状态工况下的独特结构优
化解决方案，优化飞行器最佳飞行性能，提高飞行器复杂性和可靠性。
最后，通过模拟分析，可以进一步优化飞行器的性能，确保飞行器性能优化设计符合本次任务的要求。
大系统理论体系下的飞行器多学科设计优化方法在解决多学科复杂系统设计与优化中
能够保障多学科复杂系统设计和优化的效果，是未来飞行器设计发展的新趋势。
它提高了
飞行器设计方法的效率，缩短了设计周期，更好地实现了易用性、可靠性和可行性，并有
助于提高飞行器的性能与可靠性。
大系统理论体系下的飞行器多学科设计优化方法，未来
将发挥更大作用，为飞行器设计提供更高标准的指导，可以更好地解决多学科复杂系统设
计与优化的多变量运算和约束条件博弈问题。
大系统理论体系下的飞行器多学科设计优化方法
大系统理论体系下的飞行器多学科设计优化方法近年来，随着航空技术的飞速发展，飞行器的多学科设计优化已成为航空技术研究领域的重点内容之一。
各种多学科优化技术的应用，将使飞行器设计取得更大的发展。
大系统理论是一种有助于研究复杂系统及其特征的特殊理论体系，已经在航空航天器设计及其衍生领域广泛应用。
研究表明，大系统理论对飞行器多学科设计优化具有重要的作用，有助于提高飞行器设计效率，提升飞行性能。
究竟什么内容构成了大系统理论体系下的飞行器多学科设计优化方法？首先，采用大系统理论开展飞行器多学科设计优化，可以更好地提升系统性能，以优化飞行器设计为目标。
这种优化方法关注设计以及协调各方参与者之间的协作，将多学科设计优化融入整体的大系统理论考虑范围，从而推进技术设计的创新。
其次，大系统理论体系分析方法和工具已经应用于飞行器多学科设计优化的研究工作中。
这些分析方法能够对飞行器的多学科特性进行形态最优化、结构最优化和性能最优化，从而获得最优的设计参数，提高设计效率。
与此同时，这些方法还可以更有效地帮助研究者确定有效的分布参数等，以优化飞行器设计。
再次，多学科优化技术也应用于飞行器多学科设计优化中，以优化飞行器设计。
例如，鲁棒优化技术是一种基于目标函数和限制条件进行优化的技术，可以有效地帮助解决飞行器设计中的多学科优化问题，帮助研究者准确地优化设计参数。
另外，还可以采用元设计方法、模糊系统方法等多学科优化技术，对飞行器的多学科设计进行优化，提高飞行性能和飞行效率。
最后，大数据分析技术也可以用于飞行器多学科设计优化，以及优化设计参数等。
大数据分析技术可以帮助研究者提取大量有助于提高飞行性能和飞行效率的数据特征，从而帮助研究者进一步分析飞行器的多学科设计特性，快速优化飞行器设计参数。
总之，大系统理论体系下的飞行器多学科设计优化方法将有助于实现更加高效、精准的飞行器设计，提升飞行性能和飞行效率。
该方法将大系统理论与多学科优化技术和大数据分析技术相结合，实现飞行器设计参数优化，从而提升设计效率，改善飞行器设计水平。
多学科设计优化算法及其在飞行器设计中应用
科设计优化 主要 围绕系统之中 互相作用的协同机制来达到系 统 工程的初步 设计的目 的。 本文以多学科 设计优 化算法和飞 行 器设计两项内容为重点， 简 要分析优化 算法在飞 行器设计中的应用。 【 关键 词ｌ多 学科设计优化算法； 飞 行器设计； 协同优化方案； 复杂系
从数学上可以表达 为： 寻找 ： Ｘ 最小化 ： ｆ ＝ ｆ （ ｘ， Ｙ ） 约束 ： ｈ ： 【 ｘ， Ｙ ）＝ ０（ ｉ ＝ｌ ， ２ ， …ｍ）
计中。 其优点在于系统全 局最优解的得出几率的增 高和系统分析次数 的 降低 。 但当设 计变量 和状态变 量ｙ 不断增大 时， 人 工神 经网络 的反应时
一
一
着较 强的顺序 性 ， 而非层次 系统 中的 子系统呈现 出 “ 网” 结 构， 有 耦合 该方法 能够促 进连 续或离散 混 合变量的优 化问题 ， 并有效 消除 数值噪 关系。 目 前 多学科设 计优化算法以非分层系统 为主研 究点。 音。 在飞行 器设计 中， 该算 法多应 用于通用航 天飞机 与旋 翼机 的初步设
大复杂性 为重点， 而理 想化的算法 包括以下几方面特性 ： 模块 化结 构； 虽然 国内的多学科 设计优 化算法 得到 了较 好 的发展 ， 但 其理论 问 定量 的信息交换 ， 子系统之 间优化和 分析的并 行， 设计 的能动 性 ； 计算 题和实际问题依然较多。 并行子空 间优化算法和 协作优化 算法还需要设 次数的减 少ｔ 子系统与工程设计组 织形式的一致性 ・ 全局 最优解的 得出 计人 员对其 收敛性 进行 完善的理论 证明。目 前， 多学 科设计优化 算法广
定 程度的冲击 ， 其设 计周期和开发成本都 相对有所增大 。 本 文以多学科 构的不 稳定。 设 计优化 算法 和飞行 器设计 为重点 ， 简要分 析多学 科设计 优化算 法的 在 全局敏感 分析基础 上做 了改 进的并行 子空间优化算 法能够提 高 子 系统优化 整合后的整 体效 果 ， 数据分 析近似 模型 的精确 性得 到了较 具体应用 。 大 的提升。 改 进版的优化算 法很好地解 决了系统分析 中的振 荡现象 。 但 多 学科设 计 优化 仅能解 决连 续设 计变 量的 般而言， 复杂系统 的分 析方法是将该 系统划 分为若干 子系统， 因 上述两 种并行 子空 间优化 算法都 有局 限性 ， 子系统之 间作用机制 的不同 ， 复杂系统又被 归属于两 大类 ， 一 类是层次 优化 。 系统 ， 另一类是 非层次系统 。 层次 系统 下各子 系统 呈现 出 “ 树” 结 构， 有 基于 响应 面的优化算法 并不要求设计人员对系统敏 感性开展分析，
多学科优化设计在航空航天领域的应用及发展_李哲
多学科优化设计在航空航天领域的应用及发展李 哲(国防科学技术大学人文管理学院,长沙 410073)马忠辉(北京宇航系统工程研究所,北京 100076)摘 要 多学科优化设计是世界各国工业设计界新兴的研究领域。
文章对多学科优化设计的主要基本理论、应用研究及发展进行了综述分析。
优化算法是多学科优化设计的重要内容,文章对此进行了介绍,并对多学科优化设计中涉及的软件开发及集成设计框架、软件结构管理的研究成果及研究动态进行了分析。
总结并对比分析了多学科优化设计在航空航天领域的几个典型应用及其特点,并将多学科优化设计与计算机集成制造系统的研究与发展的关系进行评述。
关键词 多学科优化设计 信息集成 工程设计 算法 计算机集成制造系统中图分类号: T B21 文献标识码:A 文章编号:1009-8518(2004)03-0065-06Study and Development of Multidisciplinary Design OptimizationLi Zhe(National University of Defense T echnology ,Changsha 410073)Ma Zhonghui(China Academy of Launch Vehicle T echnology System Engineering Division ,Beijing 100076)Abstract Multidisciplinary design optimization is a new field within engineering design all over the w orld 1In this paper ,the current status and development of s ome basic theories ,such as optimization alg orithm ,framew ork and s oftware configuration management ,are introduced 1S ome representative applications of MDO in aircraft and reusable launch vehi 2cle are presented 1The relationship between CI MS and MDO is discussed 1K ey Words Multidisciplinary design optimization In formation integration Ag orithm C om puter integrated man 2u facturing system Engineering design收稿日期:2004-05-301 引言航空航天领域的设计,如飞机、导弹等都涉及到气动、结构、控制、发动机等很多学科,而传统的串行设计方式的最大弊端在于它人为的割裂了各学科之间的相互作用,并没有利用各学科之间相互影响产生的协同效应。
第8章飞行器多学科设计优化技术
第8章飞行器多学科设计优化技术飞行器多学科设计优化技术（MDODT）是一种以飞行器设计为核心的综合应用学科，它从多个学科的角度出发，综合运用数学方法、计算机技术等各种手段，对飞行器的不同部件和系统进行全面综合优化，以获得最优设计方案。
本文将介绍飞行器多学科设计优化技术的相关概念、方法和应用领域。
首先，飞行器多学科设计优化技术是一种综合应用学科，它综合了航空、力学、材料、控制等多个学科的理论和方法，通过建立数学模型和使用计算机仿真技术，对飞行器的各个部件和系统进行综合优化。
这种综合应用学科的出现，主要是由于飞行器设计的复杂性和不确定性，传统的单学科设计方法无法满足多种需求和约束条件的综合优化。
因此，MDODT通过将不同学科的知识和方法进行整合，可以综合考虑多种需求和约束条件，提供更优的设计方案。
其次，MDODT主要应用的方法包括数学建模、计算机仿真、优化算法等。
数学建模是MDODT的基础，通过建立飞行器各个部件和系统的数学模型，将设计问题转化为数学问题。
计算机仿真是MDODT的关键技术之一，通过运用计算机软件对数学模型进行仿真计算，能够有效地评估不同设计方案的性能，并进行优化分析。
优化算法是MDODT的核心方法，它能够在设计空间中最优解，通过迭代优化的方式，不断改进设计方案。
最后，MDODT的应用领域非常广泛。
首先，它可以应用于飞行器的整体设计优化。
例如，针对民用客机，可以通过MDODT来优化机翼形状、发动机布置、机身结构等，以提高飞机的性能和经济性。
其次，MDODT也可以应用于飞行器的部件和系统的设计优化。
例如，对于航空发动机，可以通过MDODT来优化喷气口形状、燃烧室结构等，以提高发动机的燃烧效率和推力。
此外，MDODT还可以应用于飞行器的控制系统、传感器系统、导航系统等的设计优化，以提升飞行器的自动化程度和飞行安全性。
综上所述，飞行器多学科设计优化技术是一种综合应用学科，通过综合运用数学建模、计算机仿真、优化算法等方法，对飞行器的不同部件和系统进行综合优化。
飞行器的多目标优化设计与应用研究
飞行器的多目标优化设计与应用研究在现代科技的飞速发展中，飞行器的设计与应用始终是一个备受关注的领域。
从航空航天的飞机、火箭，到民用领域的无人机，飞行器的性能、效率、可靠性等方面的优化设计至关重要。
多目标优化设计方法的引入，为飞行器的研发带来了新的思路和机遇。
飞行器的设计是一个复杂的系统工程，需要综合考虑众多因素。
首先，空气动力学性能是关键之一。
飞行器在空气中飞行时，所受到的阻力、升力等气动力直接影响其飞行速度、航程和燃油消耗。
优化飞行器的外形，如机翼的形状、机身的流线型设计等，可以有效地降低阻力，提高升力，从而提升飞行效率。
其次，结构强度和重量也是设计中需要平衡的重要因素。
一方面，飞行器的结构必须足够坚固，以承受飞行过程中的各种载荷和应力，确保飞行安全；另一方面，过重的结构会增加飞行器的重量，导致燃油消耗增加，降低有效载荷和航程。
因此，通过采用先进的材料和优化结构布局，实现强度和重量的最佳平衡，是多目标优化设计的重要任务之一。
再者，飞行器的动力系统性能也直接关系到其整体性能。
发动机的推力、燃油效率、可靠性等都是需要优化的目标。
同时，控制系统的稳定性和精度也对飞行器的飞行品质和任务完成能力有着重要影响。
多目标优化设计方法在飞行器设计中的应用，旨在同时优化上述多个相互关联且有时相互冲突的目标。
传统的单目标优化设计方法往往只能关注一个主要目标，而忽略了其他重要因素。
多目标优化设计则能够在多个目标之间寻找最佳的平衡点，得到一组非劣解，即所谓的Pareto 最优解集。
在实际应用中，多目标优化设计方法多种多样。
数学规划方法是其中的一类常见方法，如线性规划、非线性规划等。
这些方法通过建立目标函数和约束条件的数学模型，运用数值计算方法求解最优解。
然而，对于复杂的飞行器设计问题，由于目标函数和约束条件的复杂性，数学规划方法可能会面临计算量大、收敛困难等问题。
进化算法是另一类广泛应用的多目标优化方法，如遗传算法、粒子群优化算法等。
飞行器多学科协同设计系统的构建与应用
王锦程，周宇芳，谢蕾，苏伟，赵振杰北京航天长征飞行器研究所，北京100076飞行器多学科协同设计系统的构建与应用摘要：飞行器多学科协同设计是困扰当前飞行器综合性能提升、飞行器设计效率提高的关键问题之一，而工程性的飞行器多学科协同设计系统构建与应用借鉴资料不多。
本文介绍了依据飞行器总体设计过程为代表的飞行器设计体系构建的多学科协同设计框架及其在气动设计方面的应用过程及效果，为飞行器协同设计的工程应用提供参考。
关键词：飞行器；多学科；协同；气动设计Construction and Application of Multidisciplinary Collaboration Design System for AerocraftAbstract: The technology of multidisciplinary collaboration design is one of the keys to improve the areocraftcombination property and design efficiency, but hard to find relative work of how to construct and apply the multidisciplinary collaboration designsystem. This paper present the frame of multidisciplinary collaboration design system which based on areocraft design processes and the application process and effect onaerodynamic design, which provide reference for analogous areocraftmultidisciplinary collaboration design. Keywords: Areocraft；Multidisciplinary；Collaboration；Aerodynamic design1引言随着飞行环境的综合限制因素增多及航天新理念、新技术的飞速发展，飞行器呈现出外部形状与内部构成日渐复杂、承载功能与性能要求不断多元化、成本与质量控制要求更严、研制周期明显缩短和等特点[1]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
MDO 的主要优点表现在 :
本文 2007210231收到 , 作者分别系中国航天科工集团第三研究院三部工程师 、高工 、工程师 、工程师
·18·
飞航导弹 2008年第 4期
1) 应用模块化的设计结构实现了各学科模块 化的并行设计 , 进一步缩短设计周期 ;
2) 应用学科间相互协同的机制进一步挖掘设 计潜力 , 通过系统综合分析进行方案选择和评估 , 提高了方案的科学性 ;
Renaud和 B atill等人改进和发展了该算法 。目前该 算法主要包括 : 基于敏感分析的并行子空间优化算 法 、改进的基于敏感分析的 CSSO 算法 、基于响应 面的 CSSO 算法 。 2. 1. 4 协同优化方法 (CO )
协同优化算法是由 Kroo等人在一致性约束算 法基础上提出的一种多级 MDO 算法 。CO 是一种双 级层次的 MDO 方法 , 其顶层是系统优化器 , 对系 统级的目标 ( z) 进行优化以满足学科间约束的兼容 性 (J3 ) , 同时最小化系统目标 ( F) 。每一个子系统 优化器在子空间设计变量 (Xi ) 子集与子空间分析 的计算结果 ( Yj ) 间以最小均方差方法进行优化 。在 满足子空间约束 ( gj ) 的同时 , 来求系统级设计变量 z。在子空间优化过程中 , 系统级设计变量 z作为固 定值来考虑 。由于对子空间分析 j的重要性 , 学科 设计变量 Xsj, 与学科间交叉设计变量 Xj 都在子空 间分析中进行了设置 。
情报交流
多学科设计优化技术在飞行器 总体设计领域的应用
王家庆 孙建勋 于红艳 陈建江
摘 要 描述了多学科设计优化技术的基本概念 、基
本思想与优点 , 以及研究的关键技术 , 介绍了应用多学科设 计优化技术解决飞行器多学科设计优化的应用实例 , 并对 应用前景进行了展望 。
关键词 多学科设计优化 总体设计 近似技术
飞航导弹 2008年第 4期
2 MDO 研究的关键技术 MDO 可以认为是包含很多学科和技术的概念
实体 。根据多学科设计优化问题的特点 , 美籍波兰 人 J. Sobieszcanski2Sobieski对 MDO 的基本研究内容 进行了基本归类 , 主要包括以下内容 :
1) 系统建模技术 ; 2) 面向设计的分析 ; 3) 近似技术 ; 4) 系统敏感性分析 ; 5) 系统分解方法 ; 6) 设计空间探索技术 ; 7) MDO 方法 ; 8) 人机交互与集成环境 。 限于篇幅 , 本文将对其中的部分研究内容进行 介绍 。 2. 1 MDO 方法 一般的 MDO 方法是将工程系统涉及的多个学 科综 合 起 来 进 行 考 虑 。目 前 主 要 包 括 以 下 几 种 MDO 方法 , 多学科可行法 (M ultidiscip linary Feasi2 bility, 简称 MDF, 也称为“A ll2in 2One”) 、单学科可 行法 ( Individual D iscip linary Feasible, 简 称 IDF ) 、 并行子空间优化方法 ( Concurrent SubSpace Op tima2 zation, 简称 CSSO ) 、协 同优 化方 法 ( Collaborative Op tim ization, 简称 CO ) 、两级 集成 系统综 合方 法 (B i2level Intergrated System Synthesis, 简称 BL ISS) 等。 MDO 方法的关键在于把设计任务分解成不同 的子任务 , 然后分别对每个子任务模块进行优化 , 并在系统水平进行综合优化 。系统水平下各子任务 的并行执行适合于整体并行处理技术 。 2. 1. 1 多学科可行法 (MDF, A ll2in2One) MDF是解决 MDO 问题的最普通的方法 。在这 种方法中 , 首先系统优化给学科分析提供设计变量 集合 xD , 然后通过值为 xD 的固定点迭代执行一次 完整的多学科分析 (M u ltid isc ip lina ry ana lysis, 简 称 MDA ) , 从而获得系统的输出变量 U ( xD ) , 最后 利用 xD 和 U ( xD ) 计算目标函数 F ( xD , U ( xD ) ) 和约 束函数 g ( xD , U ( xD ) ) 。 MD F优化问题数学上可表述如下 : 最小化 : F ( xD , U ( xD ) ) 满足 : g ( xD , U ( xD ) )
MDO 是一种设计方法学 , 其基本思想是在复 杂系统设计的整个设计过程中集成各个学科 (子系 统 )的知识 , 应用有效的设计 /优化策略和分布式计 算机网络系统来组织和管理整个系统的设计过程 , 通过充分利用各个学科 (子系统 )之间的相互作用 所产生的协同效应协调不同学科设计之间的耦合和 可能遇到的冲突 , 实施多学科优化方法的软件和硬 件结构 , 集成设计 、分析工具 , 使设计从孤立的 、 串行的过程成为并行的 、协同的过程 , 把设计的焦 点从单独的部件级转移到系统级整体性能优化 (即 更好质量或性能 ) , 从而可以缩短设计周期和提高 设计效率 , 得出整体上的最优设计 。
3) 通过系统高度集成实现了复杂系统优化设 计过程中自动迭代循环 , 提高了系统优化设计的效 率;
4) 应用学科综合提高了系统设计的鲁棒性 (稳 健性 )和经济性 , 通过门类齐全的多学科综合设计 降低了研制费用 。 1. 3 发展阶段
MDO 的发展主要经历了三个阶段 。 第一阶段 : 优化设计方法阶段 。在该阶段中 , MDO 技术研究的重点主要考虑集成 。该阶段的典 型特点是 : 初步考虑复杂系统设计中各分系统间的 相互作用与影响 , 但整个系统设计不分层 , 通过优 化方法将各学科模型集成起来 。该阶段 MDO 技术 应用的缺点是搜索时间长 , 学科模型只能取近似模 型 , 只能处理简单的例子 , 难以处理大型复杂系统 的优化问题 。 第二阶段 : 分布式学科分析研究阶段 。该阶段 的典型特点是利用多台计算机采用分布方式开展学 科分析研究 , 每个学科构成了独立的分析模块 , 它 们之间利用数据库进行系统管理与协调 , 因此有效 扩大了处理问题的规模 。但由于该阶段各学科只分 析不设计 , 总的设计过程全部依赖于系统级优化工 具 , 因而也难以处理更大规模的复杂系统的优化问 题。 第三阶段 : 系统级设计优化阶段 。该阶段的 典型特点是各学科在系统级给定的设计约束条件 下 , 各自独立完成本学科分析与设计 , 将设计结 果返回到系统级 , 由系统级进行协调优化 , 最终 得到满足所有要求的最优设计 。该阶段 MDO 技术 应用中将大规模复杂系统优化设计问题分解为若 干子系统的优化设计问题 , 由系统级协调各子系 统间的耦合作用 , 充分利用分布式计算机系统进 行协调设计 , 其思想与现有工业体系的组织 、设 计 、管理模式基本吻合 , 因而能有效处理大规模 复杂系统优化问题 。
情况 , 即适合于解决具有松散耦合情况的设计问 题。
2. 1. 5 两级集成系统综合方法 (BL ISS方法 ) BL ISS方法是一种通过分解策略优化工程系统
的方法 。该方法把具有较少设计变量的系统层与具
·19·
xL ≤ xD ≤ xU 其中 xD 为设计变量集 ; xU 和 xL 分别为设计变 量的上下限 ; U 为状态变量集 。 如果应用基于梯度的方法来求解上面的问题 , 那么不必要在每次迭代中都要进行 MDA 分析 , 而 是在需要计算各迭代点的导数时才进行 MDA 分 析 。在实际应用中 , 各学科之间要完全达到一致是 极其耗时的 , 因此 MDF的主要缺点是运算开销大 , 难以集成应用到实际工程产品中 。 2. 1. 2 单学科可行法 ( IDF) IDF提供了一种在优化过程中避免进行 MDA 分析的方法 。IDF保留了单学科的可行性 , 同时通 过控制学科之间的耦合变量 , 驱动单学科向多学科 的可行性和最优性逼近 。在 IDF中 , 代表在学科间 通讯或耦合的变量作为优化变量 , 实际上这些变量 是单个学科分析求解问题时的设计变量 。 IDF的优化问题表述为 : 最小化 : F ( xD , U ( x) ) 满足 : g ( xD , U ( x) )
实际应用中 , 学科间一致性约束 J 通常采用不
等式处理 , J 定义如下 :
Jj
=| Xj
-
Zsj | 3 3 2
+| Yj
-
Z
c j
|3
32
式中 ,
Zsj 代表系统设计变量变
量。
CO 算法的优点是消除了复杂的系统分析 , 各 个子系统能并行地进行分析和优化 。CO 算法主要 适合于处理子系统变量远远多于学科间交叉变量的
设计空间探索
引 言 现代飞行器是一个复杂的系统 , 也是多种学科
先进技术的综合体 。在飞行器总体设计过程中 , 涉 及到空气动力学 、飞行力学 、结构力学 、热力学 、 电磁理论 、高能物理以及自动控制等多类学科 , 这 些学科之间具有强烈的耦合关系 。另外 , 随着现代 飞行器设计技术的迅猛发展以及各种创新技术在产 品设计中的应用 , 组成飞行器产品的各分系统越来 越复杂 , 各系统之间的耦合也越来越紧密 , 传统的 飞行器设计方法已经不能满足其设计要求 , 必须应 用新方法与新技术 , 以提高飞行器的综合性能 。
C ( x) = xμ - μ- = 0 其中 , xD 为设计变量 ; x为优化变量 , 且满足 x = ( xD , xμ ) ; xμ 为学科间耦合变量 ; C 为学科间约 束 , 而在实际应用中通常取 C2j ( x) ≤ 0. 0001, j = 1, ……, 学科数 。值得注意的是 , 计算 U ( x) 值首 先需要各学科独立进行分析 , 并同时求解优化变量 x的值 , 因此各学科的分析计算可以并行执行 。 IDF 提供了一种可避免进行完全计算的 MDA 优化方 法 , 在保持各单学科分析过程的情况下 , 只是通过 耦合变量将各单个学科的优化分析连接起来 。 2. 1. 3 并行子空间优化方法 (CSSO ) CSSO 是一种非分层的系统优化算法 , 用来并 行优化分解后的子空间 , 然后进行一个协调过程 , 以达到收敛优化问题和解决子空间之间冲突的目 的 。也就是说 , 子空间局部优化 , 系统层全局协调 。 在 CSSO 中 , 每一个子空间优化问题都是系统水平 的优化问题 ; 子空间的设计变量是系统设计变量的 子集 ; 在子空间的优化过程中 , 需要用到全局敏感 性方程 ( GSE)对目标函数和约束函数进行逼近评 估 ; CSSO 使每个循环中的 MDA 变得可行 , 将所有 的设计变量在系统水平同步地进行处理 。 CSSO 最 早 是 由 Sobieski 提 出 来 的 , 后 来 ·20·