飛機多學科設計優(yōu)化中的近似方法研究.pdf

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。