[發明專利]一種基于動態多模型融合的飛行器系統優化方法

有效

• 申請號: 201810340892.8
• 申請日: 2018-04-17
• 公開（公告）號: CN108491668B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 劉莉;史人赫;龍騰;武宇飛;唐亦帆
• 申請（專利權）人: 北京理工大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06F111/10;G06F111/06;G06F111/04
• 代理公司: 北京正陽理工知識產權代理事務所(普通合伙) 11639
• 代理人: 毛燕

1.一種基于動態多模型融合的飛行器系統優化方法，其特征在于：包括如下步驟：

步驟A：確定飛行器系統設計優化問題的初始條件與算法參數，所述的初始條件包括優化的飛行器系統高精度分析模型、低精度分析模型、系統設計優化問題的設計變量、目標函數、約束條件、設計空間；所述的算法參數包括初始高精度樣本點數量、低精度樣本點數量，以及預設的優化過程最大模型調用次數；

步驟B：采用最優拉丁超方實驗設計方法OLHD在設計空間內分別生成初始高精度樣本點和低精度樣本點，并計算各樣本點處對應的高精度或低精度分析模型響應值；

步驟C：基于已有高低精度樣本點和對應的真實模型響應值，分別構造或更新目標函數和約束函數的Co-Kriging代理模型；

步驟D：采用遺傳算法GA對當前目標函數的Co-Kriging代理模型和約束函數的Co-Kriging代理模型進行優化，得到當前最優解；計算當前最優解處的高低精度真實模型響應，并將當前最優解和對應的高低精度模型響應值分別加入已有高低精度樣本點集合中；

步驟E：檢查當前高精度模型調用次數是否達到最大模型調用次數；若達到最大模型調用次數，則輸出當前最優可行設計方案，即實現多模型融合的飛行器系統優化；反之則進入步驟F；

步驟F：通過雙采樣方法對設計空間采樣，分別獲得高低精度模型的新增樣本點，實現對高低精度模型的樣本點集更新，返回步驟C基于更新的高低精度模型的樣本點集對當前Co-Kriging代理模型進行更新；

還包括步驟G，

將步驟E得到的當前最優可行設計方案應用到飛行器系統設計優化領域，實現多模型融合的飛行器系統優化，提高優化過程的全局收斂性并降低計算成本，縮短設計周期；

步驟B具體實現方法為，

根據確定的飛行器系統設計優化問題的初始高低精度樣本點數量，采用最優拉丁超方實驗設計方法OLHD在初始設計空間內分別生成初始高精度樣本點X_e和低精度樣本點X_c，且在此基礎上，分別計算X_e處的高精度分析模型響應值y_e和X_c處的低精度分析模型響應值y_c；設置迭代次數k＝1；

步驟D具體實現方法為，

采用遺傳算法GA求解式中的優化問題，其中為目標函數的Co-Kriging代理模型，為第i個約束函數的Co-Kriging代理模型，x_LB和x_UB分別為設計空間的上下界；將優化結果作為當前最優解并計算處的高低精度真實模型響應，將其分別加入已有高低精度樣本點集合中；

步驟F中通過雙采樣方法對設計空間采樣包括基于信賴域的采樣步驟和基于預測方差的采樣步驟，具體實現步驟如下，

步驟F-1：對設計空間進行基于信賴域的采樣；以當前最優解為中心構造信賴域，并在信賴域內通過OLHD方法進行采樣獲得新增樣本點，提高優化過程的局部收斂能力；

步驟F-1具體實現方法為：當前信賴域采樣空間R^(k)是一個以為中心的超立方體空間，如式所示

其中，δ_k為信賴域半徑，其計算方法如式所示

其中，c₁，c₂，r₁，r₂為信賴域參數，δ_max為信賴域半徑上界，δ_min為信賴域半徑下界；此外，若當前信賴域超出初始設計空間，則選取二者交集作為信賴域采樣空間邊界；

采用OLHD方法在當前信賴域采樣空間內生成n_v個樣本點，n_v為設計優化問題維數，用以提高優化過程的局部收斂能力；

步驟F-2：對設計空間進行基于預測方差的采樣；根據目標函數Co-Kriging的預測方差信息，在預測方差最大處增加新的樣本點，提高優化過程的全局探索能力；

步驟F-2具體實現方法為：采用遺傳算法GA求解式中的優化問題，其中s²(x)為目標函數Co-Kriging模型的預測方差；通過優化獲取s²(x)最大的位置，并在該處新增樣本點，提高優化過程的全局探索能力；

步驟F-3：計算步驟F-1和步驟F-2中獲得的新增樣本點處對應的高精度和低精度分析模型響應值，并分別將新增樣本點和對應的高低精度響應值加入已有高精度樣本點和低精度樣本點集合，即實現對高低精度模型的樣本點集更新，返回步驟C基于更新的高低精度模型的樣本點集對當前Co-Kriging代理模型進行更新。