代理模型在飞行器多学科优化中的应用研究_蒋鲁佳.pdf

第 43 卷第 3 期2023 年 6 月弹箭与制导学报Journal of Projectiles，ockets，Missiles and GuidanceVol.43 No.3Jun.2023DOI:10 15892/j cnki djzdxb 2023 03 008收稿日期:2022 08 10作者简介:蒋鲁佳(1979)，男，高级工程师，博士，研究方向:飞行器设计。引用本文:蒋鲁佳，辛万青，张鸣，等 代理模型在飞行器多学科优化中的应用研究 J 弹箭与制导学报，2023，43(3):56-61JIANG Lujia，XIN Wanqing，ZHANG Ming，et al Application of surrogate model in aircraft multidisciplinary design optimization J Journal of Projectiles，ockets，Missiles and Guidance，2023，43(3):56-61代理模型在飞行器多学科优化中的应用研究蒋鲁佳，辛万青，张鸣，王威，陈红波(北京宇航系统工程研究所，北京100076)摘要:飞行器多学科优化能够提高飞行器总体设计的质量和综合性能，然而，在优化设计过程中，庞大的数据量与计算量、复杂的信息交互、非线性设计空间等会耗费大量的优化计算时间，从而降低优化效率及优化结果的准确性。文中针对飞行器多学科设计模型的特点，从工程应用的角度出发，通过构造代理模型，简化了优化迭代过程中需要进行的复杂的学科分析，有效提升了飞行器多学科设计优化的效率。关键词:飞行器总体设计;多学科设计优化;代理模型;总体设计中图分类号:V19文献标志码:A文章编码:1673-9728(2023)03-0056-06Application of Surrogate Model in Aircraft MultidisciplinaryDesign OptimizationJIANG Lujia，XIN Wanqing，ZHANG Ming，WANG Wei，CHEN Hongbo(Beijing Institute of Astronautical Systems Engineering，Beijing 100076，China)Abstract:Aircraft system multidisciplinary design optimization can improve design quality and integrated performance How-ever，huge amounts of calculation，complex data exchanges，and complicated nonlinearities require a lot of calculation time，which may reduce optimization efficiency and accuracy of optimization An engineering way to simplify complex subjects analy-sis during optimization iteration with surrogate model is presented，according to the characteristics of system multidisciplinarydesign model of aircraft esults show that the method can improve aircraft system multidisciplinary design optimization efficiencyKeywords:aircraft system design;MDO;surrogate model;system design0引言多学科设计优化是为解决复杂系统设计困难提出的概念，通过实现多个学科的自动设计和优化能够缩短产品研制周期、提高设计质量、降低研制成本，具有重要的研究意义和应用前景1，尽管在很多领域得到了应用，并不断向规范化、商业化发展，然而，在多学科设计优化过程中，大量的计算、学科之间复杂的数据交互以及学科分析中非线性响应都会消耗大量的计算时间，从而降低优化算法的寻优效率以及优化结果的准确性。代理模型技术通过构造近似函数可以将复杂的学科分析简化，从而避免了在优化过程中进行的极其耗时的多学科分析，从而降低了设计空间搜索的工作量。目前该技术已应用于风力涡轮机、巡航导弹头部外形、运输机机翼等优化设计中，并取得了较好的设计结果2-4，此外，还有人提出了一些基于代理模型技术的优化算法，并验证该方法能够有效提升优化效率5-6。文中以飞行器多学科设计优化为例，探寻代理模型技术在其中应用的思路和方法。1代理模型原理代理模型主要有多项式响应面模型、Kriging 模型、径向基函数模型以及人工神经网络模型等。1)多项式响应面模型多项式响应面的前几项数学表达式为:f(x)=0+mi=1ixi+mi=1mjiijxixj(1)式中:xi为 m 维自变量 x 的第 i 个分量;0，i，ij为待定参数。多项式响应面模型具有良好的可微性和连续性，易于实现优化，且可以通过系数判断各项对系统影响的大小7，但是，在处理复杂程度较高的非线性问题时，多项式响应面模型预测和拟合的结果相对较差。第 3 期蒋鲁佳等:代理模型在飞行器多学科优化中的应用研究此外，当建立模型的阶数较高时，过拟合的情况也有可能发生8。2)Kriging 模型Kriging 模型一般表示为:f(x)=g0(x)+z(x)(2)式中:g0(x)视作模型中确定的部分，可用多项式来表示;z(x)为涨落，是一个均值为 0、方差为 2的随机函数。Kriging 模型处理复杂程度较高的非线性问题时，往往能够取得较好的结果，但是构造模型所消耗的时间较长，且由于算法复杂，较难通过软件实现，因此在实际使用中会受到一定限制7，9-11。3)径向基函数模型径向基函数的基本形式为:f(x)=ni=1wi(r)=wT(3)式中:w(x)=w1w2wn;=(r1)(r2)(rn)，wi为权系数;(r)为径向函数;ri=x xi为样本点 xi与待测点 x 之间的欧几里得度量12。径向基函数模型的基本思路是首先确定一组样本点，然后再以这些样本点为中心，以径向函数作为基函数，通过把这些基函数线性叠加后计算待测点处的响应值13，径向基函数模型会根据选取径向函数的变化而变化14。径向基函数模型是一个结构相对简单且计算量较小的代理模型15-16。4)神经网络模型神经元的结构模型如图 1 所示。图 1神经元结构模型Fig 1Neuron structural model其中，wi为神经元与输入 xi间的连接权重;i为神经元的阈值;xi为神经元的输入信号;f 为传递函数17。神经网络模型使用输入和输出样本训练网络，通过调节各层神经元之间的权系数，实现模型的构建。神经网络模型建立的过程较其他代理模型更为简单，且可以通过实现并行计算来提高效率18-20。2飞行器多学科设计建模文中以飞行器为背景，采用由最小起飞质量和最大射程组成的多目标函数作为飞行器总体多学科设计优化的目标函数，并将影响该目标函数以及设计方案可行性的几个专业，包括发动机结构及内弹道设计、飞行器外形设计、飞行气动设计、飞行器结构设计、质量参数分析、飞行轨迹设计、姿控设计以及飞行载荷设计作为实现飞行器总体多学科设计优化集成的学科21。各学科使用方案论证阶段的设计方法或能够满足该阶段要求的工程计算方法建立各学科设计模型。通过封装每个学科模型，使各学科成为具备独立分析和设计能力的模块。对建立的各学科设计模型的输入、输出数据进行分析，根据分析结果建立的飞行器总体多学科设计关系如图 2所示。图 2飞行器总体多学科设计关系Fig 2elationship of aircraft system design subjects从图 2 中可以看出多学科设计模型之间数据传递关系复杂，且存在多个反馈回路，而反馈回路会为飞行器总体多学科设计系统分析和优化带来较大的困难，为此，采用多学科设计优化耦合关系处理方法22 进行解耦，解耦后的飞行器总体多学科设计关系消除了原系统中存在的反馈回路，如图 3 所示，系75弹 箭 与 制 导 学 报第 43 卷统在进行多学科分析时，只需由设计结构矩阵左上角的学科开始，依次进行分析即可23。图 3调整后的飞行器总体设计 DSMFig 3DSM of aircraft system design after adjustment使用 iSIGHT-FD 软件平台对飞行器总体多学科设计进行集成，集成的流程图和数据关系分别如图 4和图 5 所示24。图 4飞行器总体多学科设计集成的流程图Fig 4Flow chart of integrated aircraft systemmultidisciplinary design图 5飞行器总体多学科设计集成数据关系Fig 5elationship of integrated aircraft systemmultidisciplinary design3飞行器多学科设计优化采用非支配遗传算法对建立的飞行器总体多学科设计优化模型的设计空间进行搜索，设置的种群数量为 50，迭代次数为 50，交叉概率为 0 9，模型运行共耗时 91 h9 min51 s，平均每次迭代用时约 2 min11 s，得到的优化结果如图 6 所示，其中，纵坐标代表飞行器航程，横坐标代表飞行器起飞质量，图中隐去各坐标轴的度量(下同)，图中蓝色的点即为Pareto解集，红色的点为满足各种约束条件的可行解集。图 6优化结果Fig 6esult of optimization由以上优化结果可以看出，Pareto 解集大致形成了一个 Pareto 面，由于 Pareto 解集中的点是由优化迭代范围内的非劣解集组成，因此，所有可行解包括优化的初始点都在这个 Pareto 面的右下方。在纵轴或横轴的任意位置画一条与横坐标轴或纵坐标轴平行的直线，该直线与 Pareto 面的交点就是在射程一定的条件下起飞质量最小的单目标优化问题或在起飞质量一定的条件下射程最大的单目标优化问题的最优解，Pareto 解集也正是由这些“起飞质量一定的最大射程”或“射程一定的最小起飞质量”单目标优化问题的最优解组成。通过对优化结果分析发现，飞行器总体多学科设计优化 Pareto 解集中两个端点设计变量的变化非常小，特别是一些外形参数变化都是在 1 5 mm 左右，这对于工程设计来说，只相当于在实际生产制造过程中产生的误差，最终得到的起飞质量和射程目标函数85第 3 期蒋鲁佳等:代理模型在飞行器多学科优化中的应用研究也非常的接近。经进一步分析可知，虽然耗费了大量的计算时间，进行了 2 500 次迭代计算，也得到了Pareto解集，但这仅是在 2 500 次迭代结果中得到的Pareto 解集，迭代次数与设计空间上的可行解集相比还是非常有限的，尽管选择的非支配排序遗传算法在设计空间上具有全局搜索的能力，即理论上只要有充足的时间一定可以得到最优的 Pareto 解集，但是平均每次迭代需要耗费 2 min11 s 的模型，要进行全局搜索消耗的计算时间是非常巨大的。对于建立的飞行器总体多学科设计优化模型存在的分析时间长、计算量大的问题，在当前计算机发展水平下，采用直接优化的方法获得全局最优解还存在一定的困难。为此，提出使用代理模型对复杂的多学科设计模型进行近似，并基于此开展优化设计的方法。4基于代理模型的飞行器多学科设计优化将飞行器总体多学科设计优化模型中各学科分析模型作为一个整体建立代理模型，即在不考虑其内部各学科设计模型的输入输出以及各学科之间数据传递关系的条件下，建立飞行器总体多学科设计模型的代理模型。首先使用了典型样本点分别采用响应面代理模型和神经网