飛機多學科設計優(yōu)化中的近似方法研究.pdf_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在飛機多學科設計優(yōu)化過程中,通常需要很多次迭代才能得到最優(yōu)結果,而且各學科的每次計算也會花費大量的時間,這嚴重影響了優(yōu)化過程的可行性。為了減少計算時間,但又不會對各學科計算結果造成太大的影響,因此我們用近似方法來建立各學科的近似模型,以此來減少每次迭代時各學科所用的大量計算時間,使飛機多學科設計優(yōu)化可以順利的進行下去。如果用近似模型來代替真實模型,那么近似模型精確度就變得非常重要。近似模型和真實模型相差不大,近似的精度很高,優(yōu)化出的結果

2、就是有意義的,可信的;反之,優(yōu)化出的結果就是沒有意義的,不可信的。 本文的主要工作是總結各種近似方法的特點,編寫各近似方法的程序,通過算例總結出各種近似方法的適用性。本文首先給出了建立近似模型前所需的實驗設計方法。用實驗設計方法選擇實驗點,可以使實驗點更均勻,更具有代表性,從而為建立精確的近似模型打下良好的基礎。然后總結了二次響應面方法、移動最小二乘法、徑向基神經網絡方法、BP神經網絡方法和Kriging方法,以及它們的特點。用

3、這五種方法分別構造二維測試函數的近似模型,直機翼結構學科、氣動學科和隱身學科的近似模型和后掠機翼結構學科、氣動學科的近似模型,并總結這五種方法對二維測試函數、直機翼和后掠機翼各學科近似的適用性。結果表明,用Kriging方法構造的近似模型精度較高,而且比較穩(wěn)健。神經網絡方法則更適合對具有大量實驗點模型的近似。 由于用徑向基神經網絡方法構造近似模型常常難以滿足精度要求,本文還提出了一種把二次響應面與徑向基神經網絡方法相結合的算法。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論