基於回響帶的多學科混合不確定性最佳化方法

《基於回響帶的多學科混合不確定性最佳化方法》是依託華中科技大學，由吳義忠擔任項目負責人的面上項目。

基本介紹

• 中文名：基於回響帶的多學科混合不確定性最佳化方法
• 項目類別：面上項目
• 項目負責人：吳義忠
• 依託單位：華中科技大學

中文摘要

混合不確定性廣泛存在於工程設計中，回響面方法是解決多學科不確定性最佳化問題的有效途徑，也是工程最佳化領域的研究熱點。目前混合不確定性最佳化方法存在如下不足：在建模上多源不確定性表達難以統一；在不確定性分析上目標穩健性和約束可靠性指標計算不準確且難以計算；在求解上不確定性多學科最佳化算法精度和效率低下。為此，本項目提出回響帶的概念以解決多學科混合不確定性最佳化中的問題。針對參數的多源不確定性，提出基於Johnson分布的混合不確定性參數統一表達；通過高效採樣擬合目標和約束分布，運用對偶理論建立目標和約束的回響帶，從而準確獲得目標穩健性指標和約束可靠性指標；提出基於回響帶的混合不確定性高效最佳化算法。在自主研發的多學科設計最佳化平台上實現混合不確定性最佳化軟體原型，並以電動汽車設計為例進行驗證。本研究有望大幅度提高混合不確定性最佳化的效率和精度，促進多學科不確定性設計最佳化和可靠性設計理論體系的完善與發展。

結題摘要

混合不確定性廣泛存在於工程設計中，回響面方法是解決多學科不確定性最佳化問題的有效途徑，也是工程最佳化領域的研究熱點。目前混合不確定性最佳化方法由於存在計算複雜性和組織複雜性，目前還未建立完善的理論體系，最佳化過程及算法還不夠成熟，存在如下不足：在建模上多源不確定性表達難以統一；在不確定性分析上目標穩健性和約束可靠性指標計算不準確且難以計算；在求解上不確定性多學科最佳化算法精度和效率低下。為此，本項目提出回響帶的概念以解決多學科混合不確定性最佳化中的問題。針對參數的多源不確定性，提出了基於Johnson分布的混合不確定性參數統一表達，並採用參數化的Johnson分布擬合各種機率分布，研究實現了基於最小樣本空間的Johnson分布擬合方法；通過高效採樣擬合目標和約束分布，運用多種方法建立目標和約束的回響帶，包括結合正則對偶/三對偶理論和基於回響面的信任域策略，研究實現了一種基於Kriging模型的全局最佳化方法、採樣EGO算法構建目標函式回響帶、融合支持向量機和Kriging模型構造可靠性約束邊界，從而準確獲得目標穩健性指標和約束可靠性指標；提出了基於回響帶的混合不確定性高效最佳化算法，包括基於自適應局部搜尋區域採樣法的RBDO方法、基於自適應Kriging近似模型的RBDO方法、基於支持向量配對夾持法的雙模型RBDO方法以及面向混合不確定性的RBDO方法。在自主著作權的多學科設計最佳化FlowComputer平台上開發實現了混合不確定性最佳化軟體原型，包括不確定性分析組件、不確定性最佳化組件和不確定性最佳化算法庫。基於該平台，對電動汽車設計進行了驗證，建立了電動汽車多學科分析模型並進行學科封裝，由最佳化模組定義電動汽車的最佳化設計問題，並對各個不確定性參數進行設定，從而完成了多學科混合不確定性最佳化問題求解。本研究較大幅度提高了混合不確定性最佳化的效率和精度，促進了多學科不確定性設計最佳化和可靠性設計理論體系的完善與發展。