基于凸模型的多学科不确定性优化设计方法

摘要

复杂工程系统通常涉及到相互耦合的多个学科,而且其中往往存在不确定性因素,所以研究多学科不确定性优化设计问题有一定的工程意义。然而由于多学科系统涉及的变量众多且变量之间的关系复杂,要得到不确定变量的分布规律有一定困难,凸模型在处理不确定性信息较少的问题中有其优势,有望应用于工程问题。凸模型理论和多学科优化理论都是面向复杂工程系统的新的方法学,因而进行两者交叉研究,可以相互促进其理论体系的进一步完善。因此,本文基于凸模型理论,研究多学科不确定性优化设计方法,为多学科设计优化的工程应用提供必要的基础。本文的主要研究工作如下:
　　 (1)本文首先研究了基于凸模型多学科系统的变差分析,采用高斯-塞德尔型迭代方法来求得耦合变量变差范围,进而求得其它状态变量变差范围。利用一次二阶矩方法中的验算点法求解非概率可靠性指标,采用多学科可行方法进行多学科分析,得到了求解基于凸模型的多学科系统可靠性分析的方法。
　　 (2)提出了一种针对多学科优化中目标函数和约束存在不确定性问题的求解方法。该方法基于区间数的序关系方法将不确定性目标函数转化为两目标的确定性目标函数,并对两目标进行线性加权转化为单目标问题；通过改进的满意度方法将不确定性不等式约束转换为确定性不等式约束,等式约束中的状态变量通过高斯-塞得尔迭代求得；采用罚函数法将约束问题转化为无约束问题进行求解并将多学科可行方法作为优化方法。
　　 (3)针对约束存在不确定性的多学科问题,建立了一种新的多学科稳健性优化设计方法。该方法中采用凸模型描述不确定参量,通过遗传算法求得约束的最大值,根据实际情况选取满意度水平后再求得相应的约束值,多学科优化过程依靠两级集成系统合成法实现。该方法对于处理多学科不确定性优化设计问题有一定的指导意义。
　　 (4)将序列优化与可靠性评价方法应用于基于凸模型的多学科不确定优化之中以提高计算效率。常规的基于可靠性的多学科设计优化问题是一个三层循环嵌套优化问题,最外层为确定性优化,中间层为可靠性分析,最内层为多学科分析。序列优化与可靠性评价方法的核心思想是将可靠性分析从多学科优化中分离出来,可靠性分析与确定性多学科优化过程构成一个循环。在该方法中,可靠性分析采用功能度量法,多学科优化方法采用多学科可行方法或者二级系统一体化合成优化方法。
　　 (5)通过一种灵敏度信息更新方法来提高多学科不确定性优化设计的计算效率,该方法的基本思想是减少在灵敏度分析中调用学科分析次数。首先在灵敏度信息中找出非灵敏项及线性项,然后在一定的多学科优化循环次数中不对非灵敏项及线性项的灵敏度值进行更新,采用近似的灵敏度信息来代替真实的灵敏度信息。将该方法嵌入到多学科不确定性优化设计之中得到了基于灵敏度更新策略的多学科不确定性优化设计方法。

目录

文摘

英文文摘

插图索引

附表索引

第1章 绪论

1.1 多学科不确定性优化的研究意义

1.2 多学科及不确定性优化设计的研究现状

1.2.1 多学科优化设计研究概述

1.2.2 不确定性优化设计研究概述

1.2.3 多学科不确定优化设计研究现状

1.3 多学科不确定优化设计目前面临的问题

1.4 本文研究内容

第2章 多学科系统的变差及可靠性分析

2.1 引言

2.2 不确定性的凸模型描述

2.2.1 区间模型

2.2.2 椭球模型

2.2.3 椭球模型与区间模型之间的转换方法

2.3 基于凸模型的多学科系统变差分析

2.3.1 问题描述

2.3.2 基于凸模型多学科系统变差分析

2.4 基于凸模型的多学科系统可靠性分析

2.4.1 问题描述

2.4.2 多学科可行方法

2.4.3 非概率可靠性指标的求解方法

2.4.3 基于凸模型的多学科系统可靠性分析流程

2.4.4 算例与讨论

2.5 本章小结

第3章 基于凸模型及MDF的多学科不确定性优化设计方法

3.1 引言

3.2 问题描述

3.3 算法原理

3.3.1 目标函数处理

3.3.2 不等式约束的处理

3.3.3 等式约束的处理

3.3.4 转化为无约束问题

3.4 计算步骤

3.5 算例及讨论

3.5.1 测试函数

3.5.2 工程问题

3.6 本章小结

第4章 基于凸模型及BLISS的多学科稳健优化方法

4.1 引言

4.2 BLISS优化策略

4.3 问题描述

4.4 算法原理

4.4.1 约束函数不确定性处理

4.4.2 基于BLISS的多学科稳健优化流程

4.5 算例及讨论

4.6 本章小结

第5章 基于凸模型的序列优化与可靠性评价方法

5.1 引言

5.2 序列单层循环方法

5.3 基于凸模型的多学科系统序列优化与可靠性评价方法

5.3.1 问题描述

5.3.2 优化方法与流程

5.4 数值与讨论

5.4.1 数值算例与讨论

5.4.2 工程算例与讨论

5.5 本章小结

第6章 多学科不确定性优化设计中灵敏度信息更新方法

6.1 引言

6.2 并行子空间方法

6.3 CSSO和BLISS中的灵敏度分析

6.4 灵敏度更新方法

6.5 基于灵敏度信息更新策略的多学科不确定性优化方法

6.6 算例与讨论

6.6.1 算例1

6.6.2 算例2

6.6.3 算例3

6.7 本章小结

结论与展望

参考文献

致谢

附录 A 攻读学位期间所发表的学术论文目录