CN111967090A - 一种优化设计空间的动态改进方法 - Google Patents
一种优化设计空间的动态改进方法 Download PDFInfo
- Publication number
- CN111967090A CN111967090A CN202010771310.9A CN202010771310A CN111967090A CN 111967090 A CN111967090 A CN 111967090A CN 202010771310 A CN202010771310 A CN 202010771310A CN 111967090 A CN111967090 A CN 111967090A
- Authority
- CN
- China
- Prior art keywords
- design
- design space
- optimizing
- optimization
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/20—Design reuse, reusability analysis or reusability optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种优化设计空间的动态改进方法,本方法利用方差分析与Pareto前沿相结合来实现对设计空间的动态扩展,优化一定步数后,根据Pareto前沿中种群个体的空间分布来动态调整设计空间范围,利用方差分析的结果来指导对处于设计空间边界的设计变量进行设计空间的扩展,一定程度上弥补了初始设计空间不够完备的问题。本发明公开的优化设计空间的动态改进方法可以降低初始设计空间的范围,从而可以在相同的种群规模下提高优化效率和精度,降低计算成本;同时,本方法中Pareto前沿的种群提供了设计空间调整的位置信息,方差分析的结果又可以给出设计空间调整是扩大还是减少的指导性建议,从而提高了设计空间调整的针对性。
Description
技术领域
本发明属于飞行器设计技术领域,尤其涉及一种优化设计空间的动态改进方法。
背景技术
梯度类优化方法和进化类优化方法是当前在飞行器设计领域广泛使用的两大类优化设计技术。梯度类优化方法,设计变量根据目标函数对设计变量的梯度信息进行更新,设计变量只需给定初值,不需要制定变量的变化范围。进化类算法在完成参数化后,需要给定设计变量的变化范围,即设计空间,进化算法在设计空间内寻找最优解,设计空间的范围是否完备对进化类算法的优化结果有直接的影响。
现在常用的确定设计空间的方法是在考虑几何约束的情况下以初始外形的设计变量初始值为基础,给定扰动量,得出设计变量变化的上下边界,设计空间在优化过程中一般保持不变。飞行器气动外形设计,具有全局性、非线性、多极值等特点,特别是在概念设计阶段,为了得到全局综合最优的方案,通常需要尽可能扩大设计空间范围,但是设计空间的扩大会降低种群在设计空间中的分布均匀性,需要采用较大的种群数量才能满足分布密度的需求,由此又带来优化效率的下降和计算成本的提升。
此外,目标函数对每个设计变量的敏感程度是不一致的,因而每个设计变量对设计空间的调整需求是不一致的,有的设计变量需要尽可能扩大设计空间,有的则需要缩小设计空间,初始给定的设计空间对某些设计变量范围必然不够完备,特别是该设计变量最优值在设计空间边界附近时,就需要考虑对设计空间进行动态扩展。
发明内容
本发明的目的在于,为克服现有技术缺陷,提供了一种优化设计空间的动态改进方法,利用方差分析与Pareto前沿相结合来实现对设计空间的动态扩展,优化一定步数后,根据Pareto前沿中种群个体的空间分布来动态调整设计空间范围,利用方差分析的结果来指导对处于设计空间边界的设计变量进行设计空间的扩展,一定程度上弥补了初始设计空间不够完备的问题。
本发明目的通过下述技术方案来实现:
一种优化设计空间的动态改进方法,所述优化设计空间的动态改进方法至少包括如下步骤:
S2:对设计变量进行采样计算,对采样计算结果进行方差分析,得到优化目标对设计变量的灵敏度信息;
S3:对初始翼型开展多点/多目标优化设计,设定迭代步数,得到优化结果的Pareto前沿;
S4:选取Pareto前沿中包含目标函数极值点的种群个体{Pi,i=1,L M};
S6:返回步骤S3,再次进行优化,直至满足迭代停止条件。
根据一个优选的实施方式,所述步骤S1中,对初始翼型进行模型参数化的方法包括但不限于CST方法。
根据一个优选的实施方式,所述步骤S3中,对初始翼型开展多点/多目标优化设计的方法包括但不限于为进化算法。
根据一个优选的实施方式,所述步骤S6中,迭代停止条件为完成步骤S3中的迭代步数。
前述本发明主方案及其各进一步选择方案可以自由组合以形成多个方案,均为本发明可采用并要求保护的方案;且本发明,(各非冲突选择)选择之间以及和其他选择之间也可以自由组合。本领域技术人员在了解本发明方案后根据现有技术和公知常识可明了有多种组合,均为本发明所要保护的技术方案,在此不做穷举。
本发明的有益效果:本发明公开的优化设计空间的动态改进方法可以降低初始设计空间的范围,从而可以在相同的种群规模下提高优化效率和精度,降低计算成本;同时,本方法中Pareto前沿的种群提供了设计空间调整的位置信息,方差分析的结果又可以给出设计空间调整是扩大还是减少的指导性建议,从而提高了设计空间调整的针对性。
附图说明
图1是本发明方法的流程示意图;
图2是本发明一个应用例中目标函数设计变量的灵敏度结构示意图;
图3是本发明一个应用例中翼型上表面设计变量调整前后结果比较示意图;
图4是本发明一个应用例中翼型下表面设计变量调整前后结果比较示意图;
图5是本发明一个应用例中不同设计空间优化翼型表面压力分布结果比较示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,为使本发明实施例的目的、技术方案和优点更加清楚,下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
因此,以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
另外,本发明要指出的是,本发明中,如未特别写出具体涉及的结构、连接关系、位置关系、动力来源关系等,则本发明涉及的结构、连接关系、位置关系、动力来源关系等均为本领域技术人员在现有技术的基础上,可以不经过创造性劳动可以得知的。
参考图1所示,本发明公开了一种优化设计空间的动态改进方法,所述优化设计空间的动态改进方法至少包括如下步骤:
优选地,所述步骤S1中,对初始翼型进行模型参数化的方法包括但不限于CST方法。其中,形状类别函数变换(Class-Shape Transformation,CTS)方法是一种新型气动外形参数化方法,该方法具有良好的鲁棒性,且涉及参数少、精度高,结果简单直观。
步骤S2:对设计变量进行采样计算,对采样计算结果进行方差分析,得到优化目标对设计变量的灵敏度信息。利用该灵敏度信息能够指导设计变量的调整方向。
步骤S3:对初始翼型开展多点/多目标优化设计,设定迭代步数,得到优化结果的Pareto前沿。
优选地,所述步骤S3中,对初始翼型开展多点/多目标优化设计的方法包括但不限于为进化算法。
步骤S4:选取Pareto前沿中包含目标函数极值点的种群个体{Pi,i=1,L M}。
即是,利用Pareto前沿得到的种群个体的设计变量信息,确定设计空间调整的位置,结合方差分析得到的灵敏度信息,能够确定设计空间调整的方向。
步骤S6:返回步骤S3,再次进行优化,直至满足迭代停止条件。
优选地,所述步骤S6中,迭代停止条件为完成步骤S3中的迭代步数。
本发明方法作为独立模块内嵌于现有的优化体系,确定好调整策略和调整系数后,可以自动运行,通过多轮迭代调整后可以得到满足指标要求的最优解。
在飞行器设计过程中,设计空间的给定需要尽可能包含全局最优的设计点,初始设计空间必然有其不完备性,需要在优化过程中根据优化信息动态调整,传统的直接给定大设计空间的做法会降低优化方法的搜索效率,也会增加计算成本。利用本发明技术可以取得如下效果:1)可以降低初始设计空间的范围,从而可以在相同的种群规模下提高优化效率和精度,降低计算成本;2)Pareto前沿的种群提个提供了设计空间调整的位置信息,方差分析的结果又可以给出设计空间调整是扩大还是减少的指导性建议,提高了设计空间调整的针对性。
具体应用例:
以翼型优化算例说明申请提案的具体流程:RAE2822翼型作为初始翼型,进行减阻优化设计研究,来考查设计空间动态开展方法的有效性。具体设计状态为:M∞=0.734,Re=6.5×106,Cl=0.824,
优化目标为阻力系数最小,几何约束条件为优化前后翼型面积不减。优化问题描述为:
采用CST方法对翼型上下表面进行参数化,上下表面各取13个控制点作为设计变量。翼型的计算网格规模为769×129。采用均匀设计方法选取154个采样点进行设计变量的方差分析,得到目标函数对设计变量的灵敏度结果,如图2所示。
针对优化问题采用进化算法开展优化流程,进化过程中每40步调整一次设计空间。设计空间在调整前后的对比如图3和图4所示,可以看出上表面设计变量的设计空间经过调整后有明显变化,这也反映了目标函数对上表面的设计变量更加敏感,需要根据各类信息精细化调整设计变量和设计空间,才能得到更好的优化结果。
不同设计空间下得到的优化翼型的表面压力分布的比较如图5所示,可以看出,经过设计空间动态改进后的优化翼型与直接优化结果相比,翼型中段的激波强度减弱,等值线变得平顺光滑。采用本发明设计空间的动态改进方法取得了较好的优化效果。
前述本发明基本例及其各进一步选择例可以自由组合以形成多个实施例,均为本发明可采用并要求保护的实施例。本发明方案中,各选择例,与其他任何基本例和选择例都可以进行任意组合。本领域技术人员可知有众多组合。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种优化设计空间的动态改进方法,其特征在于,所述优化设计空间的动态改进方法至少包括如下步骤:
S2:对设计变量进行采样计算,对采样计算结果进行方差分析,得到优化目标对设计变量的灵敏度信息;
S3:对初始翼型开展多点/多目标优化设计,设定迭代步数,得到优化结果的Pareto前沿;
S4:选取Pareto前沿中包含目标函数极值点的种群个体{Pi,i=1,L M};
S6:返回步骤S3,再次进行优化,直至满足迭代停止条件。
2.如权利要求1所述的一种优化设计空间的动态改进方法,其特征在于,所述步骤S1中,对初始翼型进行模型参数化的方法包括但不限于CST方法。
3.如权利要求1所述的一种优化设计空间的动态改进方法,其特征在于,所述步骤S3中,对初始翼型开展多点/多目标优化设计的方法包括但不限于为进化算法。
4.如权利要求1所述的一种优化设计空间的动态改进方法,其特征在于,所述步骤S6中,迭代停止条件为完成步骤S3中的迭代步数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010771310.9A CN111967090A (zh) | 2020-08-04 | 2020-08-04 | 一种优化设计空间的动态改进方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010771310.9A CN111967090A (zh) | 2020-08-04 | 2020-08-04 | 一种优化设计空间的动态改进方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111967090A true CN111967090A (zh) | 2020-11-20 |
Family
ID=73363414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010771310.9A Pending CN111967090A (zh) | 2020-08-04 | 2020-08-04 | 一种优化设计空间的动态改进方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967090A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440377A (zh) * | 2013-08-27 | 2013-12-11 | 北京航空航天大学 | 基于改进并行de算法的飞行器气动外形优化设计方法 |
CN106845019A (zh) * | 2017-02-27 | 2017-06-13 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种自适应机翼翼型设计方法 |
CN109063355A (zh) * | 2018-08-15 | 2018-12-21 | 北京理工大学 | 基于粒子群优化与Kriging模型的近似优化方法 |
CN109408941A (zh) * | 2018-10-18 | 2019-03-01 | 清华大学 | 基于数据挖掘和遗传算法的飞行器气动优化方法 |
-
2020
- 2020-08-04 CN CN202010771310.9A patent/CN111967090A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440377A (zh) * | 2013-08-27 | 2013-12-11 | 北京航空航天大学 | 基于改进并行de算法的飞行器气动外形优化设计方法 |
CN106845019A (zh) * | 2017-02-27 | 2017-06-13 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种自适应机翼翼型设计方法 |
CN109063355A (zh) * | 2018-08-15 | 2018-12-21 | 北京理工大学 | 基于粒子群优化与Kriging模型的近似优化方法 |
CN109408941A (zh) * | 2018-10-18 | 2019-03-01 | 清华大学 | 基于数据挖掘和遗传算法的飞行器气动优化方法 |
Non-Patent Citations (3)
Title |
---|
吴镇: ""优化设计中的智能方法与可视化技术研究"", 《中国博士学位论文全文数据库 (信息科技辑)》 * |
孙俊峰 等: ""通用飞行器气动优化设计数字化集成平台——DIPasda"", 《航空学报》 * |
蔡伟: ""不确定性多目标MDO理论及其在飞行器总体设计中的应用研究"", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jeong et al. | Data mining for aerodynamic design space | |
Full et al. | FUZZY QMODEL—A new approach for linear unmixing | |
US20150190971A1 (en) | Method for structure preserving topology optimization of lattice structures for additive manufacturing | |
JP4783586B2 (ja) | スペクトル分析を用いたメッシュパラメータ化による伸縮について | |
CN105209984B (zh) | 用于确定技术***输出值的模型的方法 | |
CN109460629A (zh) | 一种基于近似模型法的冷却风扇性能优化方法 | |
WO2023217290A1 (zh) | 基于图神经网络的基因表型预测 | |
CN110210134B (zh) | 一种白车身结构优化设计方法及结构优化设计装置 | |
CN105718634A (zh) | 一种基于非概率区间分析模型的翼型鲁棒优化设计方法 | |
CN117369244B (zh) | 一种基于焊接机器人焊枪位置控制优化方法 | |
CN114254460B (zh) | 基于图卷积神经网络的透平机械气动鲁棒性优化方法 | |
CN105550244A (zh) | 一种自适应聚类方法 | |
CN107560539B (zh) | 用于在复杂图案化结构中进行测量的方法和*** | |
CN113868765A (zh) | 基于近似模型的船舶主尺度参数优化方法 | |
CN111967090A (zh) | 一种优化设计空间的动态改进方法 | |
CN111241752B (zh) | 一种基于数字孪生和强化学习的离心式叶轮综合优化方法 | |
CN111782904B (zh) | 一种基于改进smote算法的非平衡数据集处理方法及*** | |
CN112487570A (zh) | 基于自由变形技术的离心压缩机分流叶片形状优化方法 | |
CN109033678A (zh) | 一种基于虚拟样本生成的飞行器近似优化设计方法 | |
CN116011337A (zh) | 一种抗数值噪声的高效工程设计方法 | |
CN115935508A (zh) | 基于小弧度翼型的多学科优化方法、***、设备、介质 | |
CN116306769A (zh) | 一种含对抗生成网络的贝叶斯优化方法及*** | |
CN115688482A (zh) | 基于滚动球变换的tin-ddm地形复杂度度量方法 | |
CN115857432A (zh) | 基于曲率极大值优化的刀具轨迹光顺方法和*** | |
CN114811858A (zh) | 一种空调负荷在线学习方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |
|
RJ01 | Rejection of invention patent application after publication |