多目标并行高效全局优化算法研究及应用

摘要

汽车工业世界经济发展中的地位越来越突出，而从中国汽车保有量来看市场仍然巨大，需求旺盛，而无论对于传统的内燃机汽车或是新能源汽车，汽车的轻量化和安全性都是极其重要的。本文在轻量化技术的路径上，依托于使用先进的尺寸优化设计方法，对汽车车身结构的尺寸进行优化，实现轻量化，同时提升车身结构的耐撞性。在汽车车身的优化设计上，传统的基于梯度(导数)的算法难以解决汽车优化问题中的高度非线性问题，而启发式的随机搜索算法对于目标函数的响应计算需求量很大，若使用有限元模型计算目标函数的响应，将带来难以满足的计算机资源的需求和时间需求，因此基于代理模型的优化算法常常用来解决这类问题，而本文所研究的高效全局优化算法(Efficient Global Optimization，EGO)在对于黑箱问题的优化上有不错的效果。　　在实际的工程优化问题中，往往存在的都是多目标问题，因此多目标高效全局优化算法(Multi-ObjectiveEfficient global optimization，MOEGO)被广泛研究用于解决多目标工程优化问题，为了更高效的解决车身构件的尺寸优化问题，引入并行计算的MOEGO算法，并且本文提出了一种改进的多目标并行计算采集策略，即自适应的距离多点EI策略(Adaptive distance multipoint Expected improvement， ADMEI)，在构建初始的Kriging模型后，在采集并行计算修正点的环节，仍然以EI值作为提升指标，利用动态EI阈值和EI点之间动态距离阈值这两大自适应的动态参数，对搜索出来的最大EI值的设计点进行筛选，以提供足够的、优质的并行计算点，使用ZDT系列算例测试显示改进具有一定的优势。随后，将KrigingBeliever策略(KB)和自适应的距离多点EI策略进行混合融合，利用KrigingBeliever策略预测值更新Kriging模型的优势赋能于自适应的距离多点EI策略，在进一步增大挖掘高质量并行计算点的潜力，基于此思路提出了三种改进后的并行MOEGO方法：顺序混合的ADMEI-KB混合策略、KB-ADMEI混合策略和嵌套混合的ADMEIinKB混合策略，经CEC09系列算例测试得出了顺序混合的ADMEI-KB混合策略综合性能最好的结论。最后，本文提出的基于ADMEI-KB顺序混合策略的并行MOEGO算法对铝合金前防撞梁总成进行优化，在50km/h及100%重叠刚性墙的高速碰撞工况下，以比吸能和质量作为目标函数，实现了铝合金防撞梁的截面尺寸优化，在最终设计方案中实现了减重11.7%、比吸能提升32.1%、结构吸能增加16.7%的轻量化设计。

目录

声明

第1章 绪论

1.1 课题研究背景及意义

1.2 优化算法概述

1.2.1 最优化算法的分类

1.2.2 EGO 研究现状

1.3 本文的研究思路和主要内容

第2章 优化算法理论基础

2.1 多目标优化概述

2.1.1 多目标问题描述

2.1.2 多目标优化问题的相关定义

2.2 多目标优化方法

2.2.1 常见多目标优化算法

2.2.2 多目标智能优化算法

2.3 贝叶斯优化算法

2.3.1 先验模型

2.3.2 采集函数

2.4 基于代理模型的高效全局优化算法

2.4.1 代理模型技术

2.4.2 单目标 EGO 算法

2.5 本章小结

第3章 多目标并行 EGO 算法及其改进

3.1 多目标高效全局优化算法

3.1.1 MOEGO 理论

3.1.2 多目标 EI 函数

3.2 多目标算法的并行策略

3.2.3 多峰值 EI 策略

3.2.4 Kriging Believer 策略

3.2.5 其他原则

3.3基于自适应距离多点EI策略的并行MOEGO算法

3.3.1 自适应的距离多点 EI 策略

3.3.2 改进的 ADMEI MOEGO 算法

3.3.3 评价标准及收敛准则

3.3.4 数值测试及分析

3.4 多目标并行高效全局优化算法的并行策略改进

3.4.1 顺序混合策略的改进

3.4.2 嵌套混合策略

3.4.3 测试结果及分析

3.5 本章小结

第4章 汽车前端防撞梁的仿真优化

4.1 汽车前端防撞梁系统概述

4.2 铝合金前防撞梁高速碰撞性能仿真分析

4.3 铝合金防撞梁总成的高速碰撞优化设计

4.4 本章小结

总结与展望

参考文献

致谢

附录

A作者在攻读学位期间参加的科研项目

B作者在攻读学位期间发表的学术成果

C作者在攻读学位期间所授予的发明专利