MDO在飞行器设计中的应用.ppt

MDO在飞行器设计中的应用.ppt

《MDO在飞行器设计中的应用.ppt》由会员分享，可在线阅读，更多相关《MDO在飞行器设计中的应用.ppt（23页珍藏版）》请在冰点文库上搜索。

多学科设计优化算法在飞行器设计中的应用,小组成员：

罗欢欢刘阳李之翰金露刘晓菲,概述,MDO,飞机设计是一个多阶段多学科过程，同时是一个反复迭代、逐渐接近最优的过程。

由于飞机是一种大型复杂工程系统，涵盖多学科，并且多学科间往往存在紧耦合，加之大量的变量以及约束条件，使得将各学科有效的结合进行飞机的综合优化设计难度大。

多学科设计优化（MultidisciplinaryDesignOptimization,简称MDO）是一种通过充分探和利用工程系统中相互作用的协同机制来设计复杂系统和子系统的方法论。

MDO研究包括三大方面,面向设计的各门学科分析方法和软件的集成;探索有效的MDO算法,实现多学科（子系统）并行设计,获得系统整体最优解;MDO分布式计算机网络环境。

其中,MDO算法是MDO领域内最为重要、也最为活跃的研究课题。

难点,计算复杂性-系统分析非常复杂。

由于耦合效应，系统分析在各个学科的分析模型之间进行多次迭代信息交换复杂性-组织和管理各个学科之间的信息交换。

子系统之间的耦合效应使得MDO中各个子系统之间的信息交换复杂。

MDO算法应具有的特性,能以较大的概率找出全局最优解;算法应按学科（或部件）将复杂系统分解为若干子系统,并且这种分解方式能尽量地与现有工程设计的组织形式相一致;所需系统分析的计算次数应尽可能地少;具有模块化结构,工业界现有的各学科分析和设计工具（计算机程序）不需改动（或只需很少改动）就能在算法中获得利用;子系统之间应有定量的信息交换;各个学科组（子系统）尽可能地进行并行分析和优化;能体现设计人员在设计优化过程中的能动性。

单级优化算法,标准的系统级优化算法,当系统不太复杂时,即状态变量、目标函数、约束计算不复杂,设计变量不多（不超过102的数量级）时,可用现有的优化算法将系统作为一个整体进行优化设计。

这种方法在MDO领域也被称为NestedAnalysisandDesign方法（简称NAND）。

NAND算法的优点是它比较可靠,对于大多数MDO问题,它能找出全局最优解或局部最优解。

基于GSE的单级优化算法,在设计中减少系统分析计算量的一个方法是采用敏感分析技术。

为了解决耦合系统敏感分析问题,J.Sobieski提出了全局敏感方程（GlobalSensitivityEqua-tions,简称GSE）。

敏感性分析（SensitivityAnalysis）,假设模型表示为y=f（x1,x2,xn）（xi为模型的第i个属性值）,令每个属性在可能的取值范围内变动,研究和预测这些属性的变动对模型输出值的影响程度.我们将影响程度的大小称为该属性的敏感性系数.敏感性系数越大,说明该属性对模型输出的影响越大重点考虑敏感性系数较大的属性.这样就可以大大降低模型的复杂度,减少数据分析处理的工作量,在很大程度上提高了模型的精度。

敏感性分析就是一种定量描述模型输入变量对输出变量的重要性程度的方法,一致性约束优化算法,一致性约束优化算法（CompatibilityConstrainedOptimization）的基本思想是在优化过程中避免各个子系统之间直接的耦合关系,通过引进辅助设计变量,使得每个子系统能独立地进行分析。

这种算法使得分析过程和设计过程同时完成,这种算法也被称为同时分析和设计算法（SimultaneousAnalysisandDesign,简称SAND算法）,并行子空间优化算法,并行子空间优化算法最早是由Sobieski提出的,后来Renaud和Batill等改进和发展了这种算法。

基于敏感分析的并行子空间优化算法,克服基于GSE的单级优化算法只能并行地进行敏感分析,而不能进行设计优化的缺点,Sobieski提出了一种并行子空间优化算法（ConcurrentSubspaceOptimization,简称CSSO）,改进的基于敏感分析的CSSO算法,Renaud等提出了一种改进的CSSO算法,对原CSSO的改进主要体现在系统协调方法。

在改进的CSSO算法中,协调方法是通过系统分析的近似模型进行优化,来获得一个新方案,而不是简单地将子空间优化结果叠加在一起。

改进的CSSO方法保持原CSSO的优点,同时,由于采用了对系统分析的近似模型进行优化的协调方法,避免了迭代过程的振荡现象。

基于响应面的CSSO算法,Batill等在改进的基于敏感分析的CSSO算法基础上,提出了基于响应面CSSO算法。

在这种CSSO算法中,每个子空间优化中所需的其它子系统状态变量和协调方法中的系统分析近似的模型均用响应面（人工神经网络）来表达。

协作优化算法,协作优化算法（CollaborativeOptimization,简称CO）是由Kroo等人在一致性约束优化算法基础上提出的一种多级MDO算法。

基本思想是每个子空间在设计优化时可暂时不考虑其它子空间的影响,只需满足本子系统的约束,它的优化目标是使该子系统设计优化方案与系统级优化提供的目标方案的差异最小。

各个子系统设计优化结果的不一致性,通过系统级优化来协调,通过系统级优化和子系统优化之间的多次迭代,最终找到一个一致性的最优设计。

目前大多数MDO应用研究往往只包括气动、结构、性能等学科,而动力系统和隐身性能等学科还很少涉及。

将来MDO的应用研究不仅要包括这些传统学科的先进分析方法和专家知识,而且还要包括可靠性、维修性和经济分析等新型学科的分析模型和统计数据。

参考文献：

1余庆雄，丁运亮.多学科设计优化算法及其在飞行器设计中应用J.航空学报2000,21

（1）1-6.2蔡毅，邢岩，胡丹敏感性分析综述J.北京师范大学学报（自然科学版）2008,44

（1）9-16.3SellarRS,BatillSM,RenaudJE.Responsesurfacebased,concurrentsubspaceoptimizationformultidisciplinarysystemdesignR.AIAA-96-0714,Nevada:

A-IAA,1996.4Sobieszczanski-SobieskiJ.SensitivityofcomplexinternallycoupledsystemsJ.AIAAJournal,1990,28

（1）:

153160.5SellarRS,BatillSM,RenaudJE.Responsesurfacebased,concurrentsubspaceoptimizationformultidisciplinarysystemdesignR.AIAA-96-0714,Nevada:

A-IAA,1996.,