飞行器多学科设计优化若干关键技术的研究与应用

论文摘要

飞行器总体设计涉及众多学科,且各学科间相互耦合,由此引起的飞行器系统分析的计算复杂性和各学科间的通讯复杂性,使得飞行器总体设计过程十分复杂。为挖掘设计潜力,提高设计质量,多学科设计优化(Multidisciplinary Design Optimization,MDO)方法得到了极大重视。MDO方法遵循飞行器设计的多学科本质,应用有效的设计/分析/优化过程集成各学科的知识并对整个系统的设计过程进行组织和管理,通过充分利用各学科间相互作用所产生的协同效应,获得系统的整体最优解。目前,MDO已引起了国内外航天界的广泛关注,并在多种飞行器的总体设计过程中得到了成功应用,产生了巨大的效益。结合我国飞行器MDO研究的实际需求,本文主要研究了MDO中的灵敏度分析技术、近似策略、搜索策略和优化过程等四项关键技术,在此基础上形成了一套较为完整的总体设计方法,并将此方法成功应用于固体战略弹道导弹总体设计和高超声速飞行器总体设计过程中。系统研究了灵敏度分析技术。为解决MDO中离散变量的灵敏度分析问题,提出了适合连续/离散变量的广义灵敏度概念。实现了连续变量广义灵敏度分析的自动微分方法和复变量方法,改进了离散变量广义灵敏度分析的正交试验设计方法和神经网络方法。在此基础上,成功研制了鲁棒性好、适用性广的广义灵敏度分析软件包GSASP。最后,结合学科广义灵敏度,研究了系统灵敏度分析方法。研究了基于广义灵敏度的MDO近似策略——基于改进的完全两点信息近似的累积近似策略(MTPACA策略)。根据设计变量之间耦合关系的强弱,将被近似函数分为设计变量可分离、设计变量弱耦合和设计变量强耦合三种类型。对前两种类型,分别选择基于不完全三点信息的近似策略和基于完全两点信息的近似策略,并利用广义灵敏度对这两种近似策略进行了研究和改进;对第三种类型,结合全局近似策略精度较高和中范围近似策略计算量较小的优点,研究了将Rasmussen累积近似策略与基于完全两点信息近似策略相结合的MTPACA策略,该策略可以在保证近似精度的前提下,减小计算量,且易于工程实现。研究了基于广义灵敏度的MDO搜索策略。针对连续变量优化问题,引入广义灵敏度来求解设计变量的灵敏度信息,提出了基于复变量方法的广义既约梯度法;针对离散/连续混合变量优化问题,采用广义灵敏度分析方法分别计算连续变量和离散变量的灵敏度信息,并结合查点技术提出了基于广义灵敏度的混合变量优化算法。研究了并行子空间优化(Concurrent Subspace Optimization,CSSO)过程。系统分析了标准CSSO过程、改进的CSSO过程以及基于响应面的CSSO过程的优缺点,提出了相应的改进措施。综合前述的广义灵敏度分析技术、近似策略、搜索策略等研究成果,同时对移动限制策略进行了研究,在此基础上提出了基于广义灵敏度的并行子空间优化(Generalized Sensitivity Based Concurrent Subspace Optimization,GSBCSO)过程。与现有的CSSO过程相比,GSBCSO过程具有适应面广、计算量小等特点。将本文提出的方法成功应用于固体战略弹道导弹总体设计这类学科间耦合相对较弱的飞行器的优化设计问题中。首先建立了导弹总体设计问题在GSBCSO过程中的数学表述,然后运用GSBCSO过程对该问题进行了优化求解。优化结果表明,与现有方法相比,GSBCSO过程的运用可有效完成复杂系统的MDO问题,优化效率显著提高,本例充分证明了该方法的可行性和有效性。将本文提出的方法成功应用于高超声速飞行器总体设计这类学科间强耦合的飞行器优化设计问题。高超声速飞行器是典型的强耦合系统,适合使用GSBCSO过程来对其总体性能进行优化求解。优化结果表明:与多学科可行过程相比,GSBCSO过程在减少系统分析次数、降低计算复杂性的同时,一定程度地改善了高超声速飞行器的总体性能,这为高超声速飞行器进一步的总体设计研究奠定了基础。本文对飞行器MDO研究中的若干关键技术进行了较为深入的研究,且在飞行器设计实践中得到了成功应用,取得了良好的效果。论文为推动我国的MDO理论研究,促进MDO与工程相结合提供了一套较好的思路与方法,具有较大的理论和应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的研究背景与意义
• 1.2 多学科设计优化方法的定义与描述
• 1.2.1 飞行器MDO 的定义
• 1.2.2 飞行器MDO 的系统学描述
• 1.3 飞行器多学科设计优化若干关键技术的发展及研究现状
• 1.3.1 飞行器总体多学科设计优化的关键技术
• 1.3.2 灵敏度分析技术的发展及研究现状
• 1.3.3 近似策略的发展及研究现状
• 1.3.4 搜索策略的发展及研究现状
• 1.3.5 优化过程的发展及研究现状
• 1.4 本文主要研究思路及研究内容
• 第二章 飞行器MDO 中的广义灵敏度分析技术
• 2.1 广义灵敏度概念研究
• 2.2 连续变量的学科灵敏度分析方法
• 2.2.1 有限差分方法
• 2.2.2 自动微分方法
• 2.2.3 复变量方法
• 2.3 离散变量的学科灵敏度分析方法
• 2.3.1 改进的正交试验设计方法
• 2.3.2 改进的神经网络方法
• 2.4 系统灵敏度分析方法
• 2.4.1 最优灵敏度分析方法
• 2.4.2 全局灵敏度方程方法
• 2.5 广义灵敏度分析软件包
• 2.6 本章小结
• 第三章 面向飞行器MDO 的累积近似策略
• 3.1 中范围近似函数的构造
• 3.1.1 设计变量可分离的目标/约束函数
• 3.1.2 设计变量弱耦合的目标/约束函数
• 3.2 累积近似函数的构造
• 3.3 MTPACA 策略的有效性验证
• 3.3.1 验证算例1
• 3.3.2 验证算例2
• 3.3.3 验证算例3
• 3.4 MTPACA 策略在超燃冲压发动机尾喷管建模中的应用
• 3.5 本章小结
• 第四章 基于广义灵敏度的搜索策略
• 4.1 基于复变量方法的广义既约梯度法
• 4.1.1 基本原理
• 4.1.2 CVMGRG 算法的有效性验证
• 4.2 基于广义灵敏度的混合变量优化算法
• 4.2.1 基于广义灵敏度的搜索迭代法
• 4.2.2 离散单位邻域内查点技术
• 4.2.3 算法设计
• 4.2.4 GSBMVO 算法的有效性验证
• 4.3 本章小结
• 第五章 基于广义灵敏度的并行子空间优化过程
• 5.1 并行子空间优化过程简介
• 5.1.1 标准并行子空间优化过程
• 5.1.2 改进的并行子空间优化过程
• 5.1.3 基于响应面的并行子空间优化过程
• 5.2 并行子空间优化过程的改进方案
• 5.2.1 近似策略分析
• 5.2.2 移动限制策略分析
• 5.2.3 可处理设计变量的类型分析
• 5.2.4 协调优化过程分析
• 5.2.5 计算复杂性分析
• 5.3 基于广义灵敏度的并行子空间优化过程
• 5.3.1 系统分析
• 5.3.2 系统灵敏度分析与解耦
• 5.3.3 设计变量的移动限制设置
• 5.3.4 子空间并行优化
• 5.3.5 系统近似与协调优化
• 5.4 GSBCSO 过程的有效性验证
• 5.4.1 MDO 经典数值算例
• 5.4.2 Electronic Package 问题
• 5.5 本章小结
• 第六章 固体战略弹道导弹的多学科设计优化
• 6.1 固体战略弹道导弹总体设计优化模型
• 6.1.1 学科分析模型
• 6.1.2 导弹总体优化模型
• 6.2 基于MDF 过程的导弹多学科设计优化
• 6.2.1 优化流程
• 6.2.2 优化结果与分析
• 6.3 基于GSBCSO 过程的导弹多学科设计优化
• 6.3.1 基于GSBCSO 过程的导弹优化问题表述
• 6.3.2 优化结果与分析
• 6.4 本章小结
• 第七章 高超声速飞行器总体多学科设计优化
• 7.1 高超声速飞行器学科分析模型
• 7.1.1 助推器设计模型
• 7.1.2 推进学科分析模型
• 7.1.3 气动力分析模型
• 7.1.4 质量分析模型
• 7.1.5 弹道分析模型
• 7.2 高超声速飞行器基准方案设计与分析
• 7.3 高超声速飞行器基准方案优化
• 7.3.1 优化模型
• 7.3.2 基于MDF 过程的高超声速飞行器多学科设计优化
• 7.3.3 基于GSBCSO 过程的高超声速飞行器多学科设计优化
• 7.4 本章小结
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果