摘要：为消除低雷诺数下对称翼型小迎角范围内的气动力非线性现象,基于高斯过程回归模型及NSGA‑Ⅱ多目标遗传算法并耦合RANS的数值方法建立了低雷诺数翼型优化设计程序,以多个状态下小迎角范围内的平均巡航因子为目标函数开展翼型优化设计。结果表明:优化翼型具有明显的几何凸起,有效改变了分离泡的位置和类型,进而显著改善翼型气动特性,Re=4×104时小迎角范围内的升力系数非线性现象基本消失。进一步分析发现优化翼型的凸起增强了壁面的对流影响和来流抵抗逆压梯度的能力,进而改善了翼型的气动特性。

摘要：为了在可接受时长内获得高空螺旋桨气动方案的最优解,提出一种基于贝叶斯优化框架的高空螺旋桨气动外形优化设计方法。该方法以拉丁超立方抽样获取螺旋桨气动外形参数的初始样本点,建立以该参数为输入、数值模拟获取螺旋桨气动性能为输出的初代高斯过程模型;以遗传算法和三种并行加点准则构成的子优化获取新样本点,求取新样本点的气动性能,并更新样本数据和高斯过程模型。该方法可以使新样本点快速向最优解附近集中,从而提高最优解附近的模型近似精度。为验证模拟方法,加工了某高空螺旋桨进行地面试验。与模拟结果相比,试验推力平均误差2.34%、扭矩平均误差3.33%。以课题组自研的6个低雷诺数翼型为基础,使用该方法对某高空太阳能无人机螺旋桨进行优化设计,优化结果显示:螺旋桨在设计点推力提高9.24%、效率提高8.13%。研究结果表明,该方法对高空螺旋桨优化设计及相关工程应用具有较强的参考价值。

摘要：为了解决复杂工程优化问题中计算效率与代理模型精度之间的矛盾,本文基于最大最小距离准则和最小化代理模型预测准则提出一种多点加点准则,构建改进序列近似优化方法的算法流程。以二维Rosenbrock函数和Golinski减速器优化问题为例,与传统方法相比,改进方法得到的全局最优解精度更高,所需构造样本更小。将该方法应用到某型水下航行器水动力外形优化问题中,以巡航阻力系数和空间损失率最小为目标,建立优化问题的数学模型,原始计算模型仅调用80次之后优化收敛,大大提高了设计效率,优化方案巡航阻力系数和空间损失率比初始方案分别降低了9.81%和0.28%。研究表明,改进序列近似优化方法可显著提高代理模型精度,相同计算条件和时间下,具有更高的优化效率和优化精度。

摘要：稳健优化设计需要进行不确定性分析,优化过程比较费时。为提高计算效率,提出了基于Kriging代理模型的稳健优化设计方法。该方法结合双重Kriging代理模型和多点加点准则进行稳健优化设计。双重Kriging代理模型的建立,减小了不确定性分析的计算量,提高了计算效率。多点加点准则实现了序列的迭代优化,在保证计算效率的同时提高了对全局最优解的逼近程度。数学函数测试结果表明,与一般模拟基稳健优化方法相比,本文所提出的序列稳健优化方法在效率上有很大的提高。最后,考虑注塑工艺的不稳定性,对一盒式注塑制件的壁厚和工艺进行稳健优化,结果表明该稳健优化设计方法是有效的。

摘要：结合有限元法和现代启发式优化算法的电机全局优化设计计算成本昂贵,开发周期长。基于代理模型的优化(SBO)算法能有效解决此类优化耗时长的问题。SBO算法采用加点准则来平衡局部开发和全局搜索,以达到优化目标全局最优的结果。该文提出一种改进型SBO算法,采用新的加点准则,充分利用计算机并行运算能力,提高收敛速度。改进型SBO算法通过测试函数的验证,并应用于优化一台磁通切换永磁直线电机。加工制造的样机验证了仿真计算和优化算法的正确性。

摘要：为了充分利用计算资源,减少迭代次数,提出一种可以批量加点的代理优化算法。该算法分别采用期望改进准则和WB2(Watson and Barnes)准则探索存在的最优解并开发已存在最优解的区域,利用可行性概率和多目标优化框架刻画约束边界。在探索和开发阶段,设计了两种对应的多点填充算法,并根据新样本点和已知样本点的距离关系,设计了两个阶段的自适应切换策略。通过3个不同类型算例和一个工程实例验证算法性能,结果表明,该算法收敛更快,其结果具有较好的精确性和稳健性。

摘要：基于Kriging代理模型提出了一种同时考虑预测响应值及其不确定性的多点加点准则,并基于该准则发展了一套序列近似优化方法。多点加点准则基于初始样本信息和所预测的对象函数特征增加新样本集,以在寻优迭代过程中自适应地提高代理模型的精度。该文方法依据多点加点准则在一次迭代中增加多个空间无关的新样本点,适用于多机同时计算或并行计算,从而提高计算效率。以两个经典的数学函数为例,将该优化方法与期望提高准则方法进行了比较,结果表明该文提出的优化方法能够有效地提高最优解的全局性。将方法用于一盒式注塑件的成型工艺优化设计,优化结果也表明了该方法的有效性。

摘要：多学科设计优化中应用代理模型可以较好地解决系统分析精度和效率的矛盾,动态代理技术可以根据需要在优化的过程中不断提高代理模型精度.利用三种动态代理方法——最小响应面、最大期望提高和多点加点准则,分别对一维、二维函数和一个高维的协同优化问题中外形/气动学科构造了动态Kriging代理模型,对比了三种加点准则的动态代理效果,并分析了其特点和应用条件.结果表明,最小响应面加点准则是最适合于协同优化中学科优化的动态代理方法.