设计飞机的依据

Size: px

Start display at page:

Download "设计飞机的依据"

嘉蓝
5 years ago
Views:

1 多学科设计优化 (MDO) (Multidisciplinary Design Optimization) 概念与流程

2 内容提要复杂工程系统的特征与分类多学科设计优化问题的表述和术语多学科设计优化的难点多学科设计优化 (MDO) 的策略 ( 方法 / 算法 ) 对 MDO 方法的要求 MDO 方法及应用

3 复杂工程系统的特征与分类特征涉及多门学科由多个子系统组成分类层次系统 (Hierarchic System) 非层次系统 (Non-hierarchic System)

4 复杂工程系统的分类层次系统系统 1 子系统 2 子系统 3 非层次系统 ( 藕合系统 ) 系统 A 子系统 4 子系统 5 子系统 6 系统 B 系统 C

5 MDO 问题的表述 Find: x Minimize: f = f (x,y) Subject to ::h i (x,y) = 0 ( i=1,2,,m ) g i (x,y) 0 ( j=1,2,,n )

6 MDO 问题的术语设计变量 { x } : 全局设计变量, 局部设计变量系统参数 { p } 系统状态变量 { y } 学科分析 (DA, Discipline Analysis) 子空间设计变量 ( 局部设计变量 ) 子空间状态变量多学科分析 (Multidiscipline Analysis) 或称系统分析 (System analysis) 系统评估 (System Evaluation) 一致性设计 (Consistent Design) 可行设计 (Feasible Design) 最优设计 (Optimum Design) {p} {x} DA 2 DA 1 DA 3 {y} {x} 系统评估 f g 多学科分析

7 MDO 问题的表述 : 例子最小化 : f x 2 2 x 设计变量 : x 1, x 2, x 3 3 约束 : g y /8) 1 0 g y ( ( y 2 10 x x x e /10) 0 ( y 2 ) DA1 y y 2 1 y1, y2 : 状态变量耦合变量学科 1 分析 x 2 1 y 1 DA2 x 2 x y y x x 学科 2 分析 0.2y 2 x 1, x 3 是全局设计变量

8 多学科设计优化的难点系统分析的计算复杂性由于耦合效应, 系统分析需在各学科的分析模型之间进行多次迭代才能完成子系统之间信息交换复杂性系统 A 系统 B 系统 C

10 MDO 问题求解 - 多学科设计优化策略定义 : MDO 策略, 也称 MDO 方法, 或 MDO 算法 The idea of how codes should be tied together in a design environment The methodology for connecting disciplinary analyses 研究的问题 : 如何将复杂的多学科设计优化问题分解为若干较为简单的各学科 ( 或各子系统 ) 设计优化问题? 如何协调各学科的设计进程? 如何综合各学科的设计结果? 如何更快地获得设计最优解?

11 对 MDO 策略 ( 方法 / 算法 ) 的要求多学科分析的计算次数应尽可能地少 ; 较好的全局最优解搜索能力 ; 将能复杂系统优化设计分解为若干子系统设计优化 ; 各个学科组能尽可能独立地进行并行分析和优化 ; 便于应用, 易于实施 ; 鲁棒性好, 适应性强

12 现有的 MDO 方法的回顾单级优化策略成套分析和设计的 MDO 方法基于各学科平行分析的 MDO 方法多级优化策略基于各学科平行设计优化的 MDO 方法

13 成套分析和设计 (NAND) 方法特点英文名 :Nested ANalysis and Design, 简称 NAND 算法简单, 优化过程同单学科优化过程一样分析模型涉及多学科所需的多学科分析次数多适用于多学科分析较简单情况鲁棒性好也称 All in One 方法

14 成套分析和设计 (NAND) 方法应用 NASA 开发的 ACSYNT (AirCraft SYNthesis) NASA 开发的 FLOPS (FLight OPtimization System) 滑翔机气动 / 结构 / 性能一体化设计 (Grossman 等 ) 最近的发展 : 基于可变复杂性模型的 MDO 方法目的 : 减少系统分析的计算量可变复杂性模型 (Variable-Complexity Modeling, 简称 VCM) f d (x)= (x) f a (x) (x) 为比例因子 ( 修正因子 ) 当设计变量 x 变化范围较小时, 可认为 (x) 为常量

15 飞机概念设计优化计算环境基于 all-in-one 方法, 在 isight 环境下实现的飞机概念优化设计基于 all-in-one 方法, 在 OPTIMUS 环境下实现的飞机概念优化设计

16 基于各学科平行分析的 MDO 方法特点分布式计算模块各学科分析模块易于管理和维护学科分析模块可实现并行计算 Analysis 1 Analysis 2 Analysis 3 Optimization Coordination DBMS 单级优化各学科组只提供计算结果

17 基于各学科平行分析的 MDO 方法二种典型的方法一致性约束优化算法英文名 :Compatibility Constrained Optimization 也称为 SAND (Simultaneous ANalysis and Design) 方法流程图基于 GSE 的单级优化算法英文名 :GSE-Based Single Level Optimization GSE: 全局敏感方程 (Global Sensitivity Equations) 方法流程图

18 SAND 方法流程图并行分析子系统 A 系统级优化原优化问题 + 等式约束 y 1 -x a1 = 0 y 2 -x a2 = 0 y 3 -x a3 = 0 x 子系统 B x a = x a1,, x a2, x a3 x x a2, x a3 x x a1, x a3 x x a1, x a2 子系统 C y 1 y 2 y 3 用辅助设计变量 x a 代替其它子系统的状态变量 y i 子系统之间的通讯通过含有等式约束的系统级优化过程来协调通过完成系统级优化问题, 最终使得辅助设计变量与状态变量一致系统分析过程和设计过程同时完成曾应用于中程运输机总体参数优化 (PASS)

19 用 SAND 方法求解算例问题系统级优化 Min: f x 2 2 x 3 y 1 e ( y 2 ) Find: x 1, x 2, x 3, x a1, x a2 S.T. : g ( y /8) 1 0 g 10 ( y /10) x 10 0 x 10 0 x y 1 -x a1 = 0,y 2 -x a2 = 0 1 并行分析 x x a = x a1,, x a2 x x a2 子系统 1 2 y x x x 0.2x a2 x x a1 子系统 2 y x x x 2 a1 1 3 y 1 y 2

20 基于 GSE 的单级优化方法流程图初始设计系统分析 A B C 系统敏感分析子系统偏导数计算 A B C GSE 结束收敛判断优化基于 GSE 系统分析近似模型局部敏感分析 ( 偏导数计算 ) 由各子系统同时进行利用 GSE 得到系统全局敏感性 ( 全导数 ) 根据全局敏感分析构造系统近似模型, 用优化算法寻找系统近似模型最优解应用实例 : 通用航空飞机气动 / 结构 / 性能一体化设计 (Hajelar 等 )

21 基于各学科平行设计优化的 MDO 方法多级优化方法 Design Subtask Design Subtask Design Subtask Optimization Coordination DBMS Design Subtask

22 基于各学科平行设计优化的 MDO 方法多级优化方法并行子空间优化英文名 :Concurrent Subspace Optimization, 简称 CSSO 流程图及特点协同优化英文名 : Collaborative Optimization, 简称 CO 流程图及特点二级一体化系统综合英文名 : Bi-Level Integrated System Synthesis, 简称 BLISS 流程图及特点

23 并行子空间优化算法 1: 设计数据库驱动的 CSSO 初始值系统分析 A B C 系统敏感分析子系统偏导数计算 A B C GSE 结束收敛判断 A B C 系统级优化优化近似系统分析设计数据库子空间并行优化优化分析优化分析优化分析涉及某子空间的状态变量计算用该学科的分析方法进行分析, 其它状态变量采用基于 GSE 的近似计算每个子空间只优化与该学科有关的设计变量系统级优化的分析模型是由设计数据库构造的近似模型应用 : 通用航空飞机初步设计机械构件和机电产品

24 并行子空间优化算法 2: 基于响应面的 CSSO 一组初始设计点系统分析 A B C 结束收敛? 系统级优化系统响应面优化步骤建立初始数据库, 构造初始响应面子空间设计和优化神经网络更新设计数据库和响应面系统级优化子空间设计子空间 A 子空间 B 子空间 C 系统分析 A B C 特点响应面的作用简化计算量是各个子系统之间进行信息交换的纽带连续 / 离散设计变量

: 与系统级优化传给设计变量值尽量一致设计变量 : 子系统 1 自身设计变量 / 耦合变量约束 : 子系统 1 的自身约束子系统 N 优化目标

25 协同优化方法的流程简图系统级优化目标 : 系统总目标设计变量 :DV1,DV2,DV3 约束 : 子系统设计方案的相容 DV1: 与总目标有关的变量 DV2: 学科间的共享变量 DV3: 学科间耦合的状态变量 DV1,DV2,DV3 DV1,DV2,DV3 子系统 1 优化目标 : 与系统级优化传给设计变量值尽量一致设计变量 : 子系统 1 自身设计变量 / 耦合变量约束 : 子系统 1 的自身约束子系统 N 优化目标 : 与系统级优化传给设计变量值尽量一致设计变量 : 子系统 N 自身设计变量 / 耦合变量约束 : 子系统 N 的自身约束子系统 1 分析模型子系统 N 分析模型

26 用 CO 方法求解算例问题 x 1, x 3 是共享设计变量 Y 2 X 2

27 协同优化方法的特点各子系统不直接发生耦合联系, 通过系统级优化来协调系统级优化提供给各学科组目标方案 ( 设计变量值 ) 子系统的自主性在满足本学科的约束条件下尽可能与目标方案一致无需多学科分析 ( 系统分析 ) 环节易于实现 : 可用于分布式计算环境与现有工业部门的组织形式较接近

28 协作优化方法存在的问题收敛性问题系统级优化问题中约束函数可能不连续系统级优化是等式约束问题, 其拉格朗日函数不等于零计算量问题所需的子系统分析计算量大子系统目标函数的缺陷没有直接与子系统设计的目标有关

29 协同优化方法的改进基于响应面的协同优化 (1) 系统级优化目标 : 系统总目标约束 : 子系统设计方案的相容子系统 1 优化目标 : 与系统级优化结果尽量一致约束 : 子系统 1 的自身约束子系统 N 优化目标 : 与系统级优化结果尽量一致约束 : 子系统 N 的自身约束子系统 1 响应面子系统 1 分析子系统 N 响应面子系统分析

30 协同优化方法的改进基于响应面的协作优化 (2) 系统级优化目标 : 系统总目标约束 : 子系统设计方案的相容子系统 1 响应面子系统 N 响应面子系统 1 优化目标 : 与系统级优化结果尽量一致约束 : 子系统 1 的自身约束子系统 N 优化目标 : 与系统级优化结果尽量一致约束 : 子系统 N 的自身约束子系统 1 分析子系统分析

31 协同优化方法的应用超声速民机高精度分析模型

32 High Fidelity Multidisciplinary Optimization System Optimizer max 1 Aerodynamics Structures Mission Analysis

33 Collaborative Optimization A502 Aerodynamics Analysis Boeing code for analysis of subsonic and supersonic flows over complex configurations. Higher-order surface panel method Equivalent flat-plate skin-friction and handbook methods for parasite drag.

34 Collaborative Optimization Cycle 1: Aerodynamics Result J a * 1.09 C L 0.12 C D C dwave wing C p

35 Collaborative Optimization Structures Analysis FESMDO: NASA LaRC code Finite element analysis for stresses and deflections of wing. Validation with NASTRAN Integrated with automated model generator Non-optimum factor and statistical weights for other aircraft components

36 Finite Element Model Element types Wing box model

37 Collaborative Optimization Typical Structures Results Deflections at 2.5g maneuver Stresses max 1

38 Collaborative Optimization Mission/Performance Analysis Computes take-off and landing field lengths, range, climb gradient, and available fuel volume Includes engine model

39 Collaborative Optimization HSCT Design Progression Compatibility achieved at cycle 9 Range active at cycle 7 J TOGW K J * a J * * m J s

40 Collaborative Optimization System Browser Java-based application: Problem set-up Design cycle tracking System optimization Customizable GUI Subspace servlets launch RSM, optimization, analysis

41 Collaborative Optimization System Browser Java-based application: CO browser Secure data (SSL) Subspace servlets Interface with browser, optimizer, analyses Reside on any server

42 Bi-Level Integrated System 二级集成系统综合法 (BLISS) 方法是 Sobieski 等最早于 1998 年提出 BLISS 方法把整个优化问题分为系统级优化和若干自主的可以并行的子系统优化计算过程包括系统分析敏感度分析子系统优化和系统级优化几个环节

43 基于自组织模式的 MDO 方法自然系统生命系统生物群落生态系统和经济系统自组织的模式人工系统飞机汽车和机电产品等他组织的模式

44 基于自组织模式的 MDO 方法自然系统中的自组织现象例子 : 鸟类或鱼类经济系统 : 股市系统

45 基于自组织模式的 MDO 方法一些引人注目的新学科计算机实验方法 ( 圣塔菲学派 ) 人工生命复杂适应系统 (CAS) 理论计算机科学 ( 人工智能 ) 多 Agent 理论

46 鸟类聚集成群自组织现象的模拟 boid 系统是用计算机仿真方法形象演示系统自组织现象的一个成功范例所谓 boid 是一种类似于鸟类或鱼类的计算机生物, 在启动这个计算机程序时, 将各个 boid 及障碍物随意地分布在计算机屏幕的各处, 每个 boid 都遵循三个简单的行为规则 : 1) 尽力与障碍物及其他 boid 保持最小距离 ; 2) 尽力与相邻 boid 保持相同速率 ; 3) 尽力靠近相邻 boid 群

47 鸟类聚集成群自组织现象的模拟 boid 系统计算机实验动画片

48 鸟类聚集成群自组织现象的模拟这些规则中没有一条规则说聚集成群, 每条规则都是局部的, 没有一条规则或个体能起全局控制作用在该程序启动后, 发现它们会慢慢地自发地聚集成群, 以一种流体状的非常自然的形式环绕障碍物飞行这个计算实验体现了鸟类聚集成群这个自组织现象的特征

49 信息共享 : 自组织系统的特征系统中每一个单元都掌握全套的游戏规则和行为准则单元自律 : 组织系统中的组成单元具有独立决策的能力在游戏规则的约束下, 每一个单元有权决定它自己的对策与下一步的行动短程通讯 : 每个单元在决定自己的对策和行为时, 除了根据它自身的状态以外, 往往还要了解与它临近的单元的状态 ; 单元之间通讯的距离比起系统的宏观特征尺度来, 要小得多 ; 而所得到的信息往往也是不完整的非良态的

50 微观决策 : 自组织系统的特征每个单元所作出的决策只关乎它自己的行为, 而与系统中其它单元的行为无关 ; 所有单元各自行为的总和, 决定整个系统的宏观行为并行操作 : 系统中各个单元的决策与行动是并行的整体协调 : 在诸单元并行决策与行动的情况下, 系统结构和游戏规则保证了整个系统的协调一致性和稳定性迭代趋优 : 自组织系统的宏观调整和演化在反复迭代中不断趋于优化

51 基于自组织模式的新 MDO 方法自底向上原则与 CSSO 和 CO 算法不同, 它是一种自底向上的方法, 没有系统级协调优化环节复杂系统的设计可以由按自律原则组织起来的相互作用的相对简单的子设计来实现并行设计优化各子系统可并行地进行设计优化算法简单由于没有系统级协调优化环节, 计算过程要简单得多

华东理工大学2013年度毕业生就业质量报告

华东理工大学2013年度毕业生就业质量报告华东理工大学 2014 年度毕业生就业质量报告高校毕业生就业质量关系到国家的经济增长和社会稳定, 关系到学校的长远发展和社会声誉, 关系到广大毕业生的成长成才和切身利益为全面系统地反映华东理工大学 2014 届毕业生就业工