论文摘要
飞行器总体设计属于典型的复杂系统多目标多学科优化问题,同时飞行器总体设计过程中往往存在许多不确定性因素。论文从提高飞行器总体设计水平出发,对不确定性多目标多学科设计优化（Uncrtainty Multi-Objective Multidisciplinary Design Optimization, UMOMDO）的理论及应用进行了系统研究,重点研究了设计空间搜索策略和MDO优化过程两项关键技术,并通过构建多学科集成设计优化系统为飞行器总体设计提供较好的辅助工具。在理论研究方面:首先,对不确定性多目标MDO理论基础进行研究。研究了多目标优化理论以及不确定性设计优化理论,为不确定性多目标MDO的提出奠定了理论基础。然后,研究了设计空间搜索策略。提出了一种新型的智能优化算法——植物生长算法（Plant Growth Optimization, PGO）,通过算例测试分析表明,PGO是一种有效的设计空间搜索策略。在此基础上,采用基于Pareto的适应度分配策略以及适应度共享技术来逼近优化问题的Pareto前沿,提出了多目标植物生长算法（Multi-Objective Plant Growth Optimization, MOPGO）,通过算例测试表明:多目标植物生长算法能够搜索到分布性较好、精度较高的非支配解集;针对传统混合智能算法计算量大、收敛速度慢的缺点,结合神经网络和序贯近似建模技术提出了不确定性混合植物生长算法（Uncertainty Hybrid Plant Growth Optimization, UHPGO）,桁架结构不确定性优化算例结果表明:不确定性混合植物生长算法能在不降低解精度的前提下减少计算量。最后,研究了MDO优化过程。针对经典的多级MDO优化过程BLISS 2000（Bi-Level Integrated System Synthesis 2000）迭代次数多计算量大的缺点,提出了动态加密策略和探测加速策略两种改进措施,提高算法收敛速度和精确度。在此基础上,针对多目标优化问题求解的两种有效方法,将多个子目标分配到相应的子学科优化中,提出了基于Pareto的多目标BLISS优化过程以及基于期望目标的多目标BLISS优化过程。同时,在BLISS优化过程中考虑不确定性因素,集成不确定性设计优化方法,提出了不确定性BLISS优化过程,并将UHPGO嵌入到优化过程中,提高不确定性优化效率。在应用研究方面:首先,以某型号战斗机为对象,建立了其总体设计学科模型及不确定性多目标优化模型。针对概念设计阶段信息少、需要通过多目标优化提供问题Pareto最优集的特点,考虑优化过程中的不确定性因素,提出了基于Pareto的不确定性多目标BLISS优化过程（Uncertainty Multi-Objective Pareto Bi-Level Integrated SystemSynthesis, UMOPBLISS）。采用UMOPBLISS对飞机总体不确定性多目标设计优化问题进行集成实现与优化求解,结果较好地体现了UMOPBLISS的优越性,提高概念设计阶段设计的自由度,为进一步的设计奠定了较好的基础。针对优化指标提出期望目标的实际情况,同时充分考虑设计中的不确定性因素,提出了基于期望目标的不确定性多目标BLISS优化过程（Uncertainty Expected Goal based Multi-Objective Bi-Level Pareto Integrated System Synthesis, UEGMOBLISS）。采用UEGMOBLISS对飞机总体不确定性多目标设计优化问题进行集成实现和优化求解,结果较好的验证了UEGMOBLISS的可行性和有效性。最后,建立了多学科集成设计优化系统,为MDO设计方法在飞行器总体设计中实现提供了较好的平台工具。并在飞机总体概念设计多学科设计优化应用实例的基础上,开发了飞机概念设计多学科集成设计优化平台。论文初步形成了不确定性多目标MDO方法,拓展了MDO理论研究体系。并将其应用在飞机总体方案设计中,为探索不确定性多目标MDO在工程实际中的应用进行了有益的尝试,为提高飞行器总体设计水平奠定了良好的基础。
论文目录
相关论文文献
标签：不确定性多目标论文; 多目标优化论文; 不确定性设计优化论文; 智能优化算法论文; 优化过程论文; 飞机总体设计论文; 多学科集成设计优化系统论文;