摘要：在铝合金车架的轻量优化设计中,通常建立近似模型代替有限元模型,以减少计算量。为进一步提高计算效率,用较少的样本点建立高精度近似模型,提出了一种改进的序贯采样方法—CVDA法,并通过一个算例将其与现有的3种采样方法(OLHD、MDA和CVA)进行对比。结果表明,在样本点数量均为21个的情况下,采用CVDA法采样建立近似模型的预测精度比另3种采样方法建立的近似模型分别高出11.1%,11.1%和30.3%,R^2值达到了0.95。将CVDA法运用到全铝车架弯扭刚度和弯扭模态工况的近似模型建立中,在相同数量的样本点下,采用CVDA法采样建立的近似模型,其预测精度明显高于其余方法。在此基础上对铝合金车架进行轻量优化,结果弯曲刚度、扭转刚度、1阶弯曲模态频率和1阶扭转模态频率分别提升了2.54%,3.38%,0.68%和2.75%,质量减轻7.47 kg,减重率达7.20%,优化效果明显。

摘要：实际工程中在考虑温度场性能的卫星布局优化设计问题时,若直接调用温度场数值仿真工具会造成计算成本过高,优化代价巨大。因此,研究人员提出了基于深度学习代理模型的热源布局优化设计思路,有效降低问题的计算复杂性。在此基础上,文中提出一种基于距离准则的序贯优化设计方法,进一步降低计算成本。首先从降低仿真计算成本的角度论述了研究基于深度学习代理模型的卫星热布局序贯优化采样方法的必要性,并简要介绍基于深度学习的热源布局优化模型;然后针对布局方案样本间有效距离的计算问题,提出一种基于布局变换的距离计算方法;接着分别提出一种基于距离准则的全局和局部序贯采样加点方法,形成一套基于深度学习代理模型的热源布局序贯优化设计方法。算例测试表明,该方法在提升模型重点区域精度以辅助基于代理模型的优化算法找到更优解方面可行有效。

摘要：飞行器设计阶段的气动分析需要大量的高保真度气动力数据以提高设计性能,但其获取成本十分高昂。为了缓解建模成本与模型精度之间的矛盾,构建了关联不同保真度数据的多保真度气动数据融合模型,并提出了最优关联点选取方法和均匀性增强序贯采样方法,以此实现co-Kriging变可信度模型的高效初始化与最速收敛。作为验证,选用标准数值算例开展建模研究,并结合统计结果对方法精度优劣进行了对比。最后将该建模框架成功应用于NACA0012翼型跨声速气动力工程算例当中。结果表明,与传统模型相比,在仅有的少量高保真度样本下,所采用的方法可以大幅提升变可信度模型收敛精度和建模效率,有效降低了采样成本;相较于高保真度单精度元模型,误差可降低50%以上。

摘要：针对飞行器翼结构的模态快速分析需求,通过研究翼结构几何参数对其模态频率的影响,提出了一种基于变可信度模型的飞行器翼结构模态分析方法。结合翼结构几何模型和有限元模型,采用变可信度模型来描述结构几何参数对模态的影响;针对有限元仿真样本不足的问题,提出了基于序贯加点策略的变可信度模型建模方法,并结合数值算例分析了序贯建模方法的有效性。以飞行器典型梯形翼为应用对象,序贯建模方法能更准确地预测不同尺寸的翼结构模态频率,前3阶模态频率预测偏差在6%以下;利用变可信度模型能够快速分析几何参数对模态频率的影响,为飞行器翼结构设计提供支撑。

摘要：变可信度近似模型通过融合不同精度分析模型的数据,可有效平衡近似模型预测性能和建模成本之间的矛盾,在复杂装备优化设计中受到广泛的关注。综述变可信度近似模型及其在复杂装备优化设计中的应用研究进展。概述三类常用变可信度近似建模方法的基本思想,并介绍变可信度近似建模方法研究的最新进展。回顾面向变可信度近似模型试验设计方法的发展现状,包括一次性试验设计方法和序贯试验设计方法。综述直接影响变可信度近似模型优化设计求解精度和效率的两类近似模型管理策略,探讨基于变可信度近似模型的智能优化和可靠性/稳健性优化这两个领域前沿问题。归纳总结变可信度近似模型应用于复杂装备优化设计的现状。针对变可信度近似建模及其优化设计给出了一些应用建议,并指出未来值得深入研究的方向。