[發明專利]一種面向組件的飛行器總體雙循環優化方法及系統

有效

• 申請號: 201811210051.1
• 申請日: 2018-10-17
• 公開（公告）號: CN109472060B
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 池元成;郭大慶;張冶;海爾翰;王長慶;鄭宏濤;蔡巧言;王彥靜;王立偉;賈倩;姜悅;崔毅楠;何漫;張恒
• 申請（專利權）人: 中國運載火箭技術研究院
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/006;G06N3/126;G06F111/10;G06F111/04
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 馬全亮

一種面向組件的飛行器總體雙循環優化方法及系統，包括(1)初始化：確定外循環優化的群智能優化算法的初始條件；(2)進行外循環優化；(3)從外循環優化中選擇最優解進入內循環優化；(4)初始化：確定內循環優化的群智能優化算法的初始條件；(5)進行內循環優化；(6)從內循環優化中選擇最優解進入內循環優化目標函數值隊列；(7)輸出本次優化的最優解。本發明解決了基于組件化模塊化思想的飛行器總體優化問題，相比于傳統優化方法，通過內外循環雙層優化，飛行器快速選型的基礎上，進一步提高飛行器總體性能，實現了內外循環并行執行，提高了飛行器設計效率。

技術領域

本發明涉及一種面向組件的飛行器總體雙循環優化設計方法及系統，屬于飛行器總體方案設計與優化領域。

背景技術

隨著模塊化組件化設計思想的提出，飛行器總體也逐漸采用基于組件的設計模式。組件化的思想是將飛行器按照總體組成進行劃分，如頭部、殼體、發動機等，每個組成部分單獨進行設計或者使用已有型號的設計形成組件庫，如頭部1、頭部2、頭部3、殼體1、殼體2、發動機1、發動機2、發動機3等。以組件庫為基礎開展飛行器總體設計時，首先根據飛行器用戶需求，將不同類型的組件快速組合優化，從而形成滿足用戶需求的飛行器總體可行方案，如頭部2、殼體1、發動機3的組合，然后以飛行器性能、重量、成本等為目標，對飛行器總體可行方案進行優化設計，最終獲得最優的飛行器總體方案。

群智能算法是一種仿生優化算法，通過模擬自然界優勝劣汰，逐步更新迭代種群群體，最終獲得最優解。群智能算法由于具有天然的并行性，且尋優速度塊，搜尋范圍廣，不易陷入局部最優的特點。因此，在很多領域都得到了廣泛的應用。

目前，傳統的優化方法，往往針對優化問題采用群智能優化算法，定義變量、約束條件，依靠算法本身的搜索性能，忽略組件化策略，直接進行優化。從而，優化問題龐大，搜索效率低。

發明內容

本發明的技術解決問題是：克服現有技術的不足，利用飛行器總體組件，提出一種面向組件的飛行器總體雙循環優化方法及系統，快速完成飛行器總體方案優化設計，填補現有技術的不足。

本發明采用的技術方案為：

一種面向組件的飛行器總體雙循環優化方法，步驟如下：

(1)初始化：確定外循環優化的群智能優化算法的初始條件；

(2)進行外循環優化；

(3)從外循環優化中選擇最優解進入內循環優化；

(4)初始化：確定內循環優化的群智能優化算法的初始條件；

(5)進行內循環優化；

(6)從內循環優化中選擇最優解進入內循環優化目標函數值隊列；

(7)輸出本次優化的最優解。

所述步驟(1)確定外循環群智能優化算法的初始條件具體為：

令T＝1，s＝1，初始化外循環群智能優化算法的種群，即在設計變量定義域內，隨機生成變量X_ij^T，i＝1,…,N,j＝1,…,D；其中，T為外循環迭代次數，s為內循環優化目標函數值隊列的個數，N為種群數，D為設計空間的維度。

所述步驟(2)進行外循環優化，具體為：

根據目標函數值，調用外循環群智能優化算法H，更新設計變量的值，生成新的設計變量X_ij^T+1＝H(X_ij^T)。

所述步驟(3)從外循環中選擇最優解進入內循環，具體為：