优秀研究生学位论文题录展示

多目标优化方法研究及其工程应用

专 业: 飞行器设计
关键词: 飞行器设计 多目标优化方法 模型管理框架 并行计算 多目标决策方法 交互式算法
分类号: V221
形 态: 共 136 页 约 89,080 个字 约 4.261 M内容
阅 读: 全文阅读说明

内容摘要


对飞行器进行多目标优化设计是十分必要的。

但是,目前常用多目标优化方法自身的不足及其在实际应用中存在的诸多困难,一直阻碍着多目标优化方法在航空航天领域中的应用。

为此,本文侧重于多目标优化方法及其在工程应用中的研究,具体如下:1、对目前常用的多目标优化方法进行了分类和对比研究。

研究表明,多目标粒子群优化算法MultipleObjectiveParticleSwarmOptimization,MOPSO是一种性能相对优越的多目标优化方法。

2、针对MOPSO算法与PSO算法ParticleSwarmOptimization局部搜索能力差的缺点,提出了单纯形与多目标粒子群优化方法的混合算法SimplexMethod-MultipleObjectiveParticleSwarmOptimization,SM-MOPSO以及单纯形与单目标粒子群优化方法的混合算法SimplexMethod-ParticleSwarmOptimization,SM-PSO。

经经典测试函数验证,SM-PSO算法以及SM-MOPSO算法不仅继承了粒子群优化算法原有的优越性,而且有效克服了粒子群优化算法局部搜索能力差的缺点,可以得到高品质的非劣解和非劣解集。

3、演化算法在求解大型、复杂的工程优化问题时,由于大量耗时的高精度分析计算,导致算法的优化效率很低。

为此,本文提出适用于求解单目标和多目标优化问题的模型管理框架。

利用该模型管理框架可以在整个寻优区域内建立比较精确的目标及约束的近似模型,不仅能够得到比较满意的优化结果,而且避免了大量耗时的高精度分析计算,有效提高了演化算法的效率。

例如,利用该模型管理框架进行某载人返回舱气动布局单目标优化设计、某大型无人机机翼结构的多目标优化设计时,不仅得到了可以接受的优化结果,而且高精度计算的次数分别是未采用该技术时的7.82﹪和3.5﹪。

4、为了进一步提高SM-PSO算法以及SM-MOPSO算法的优化效率,本文介绍了如何采用网络并行计算技术,在实验室组建自己的高性能计算平台-PC机群,并提出了一种适合于粒子群优化算法自身特点的迁移策略,和一种在并行环境下效率较高的混合算法的结合方式,从而方便、高效地实现了SM-PSO算法与SM-MOPSO算法的网络并行计算。

采用并行SM-MOPSO算法求解××飞机吊挂结构的多目标优化设计问题,在一定程度上缩短了优化时间。

5、优化算法在得到非劣解集后,决策人还必须研究如何从众多的非劣解备选方案中选择出最终设计方案。

为此,本文提出了基于信噪比的多目标决策方法。

该决策方法在多目标优化设计的研究中引入了稳健设计的思想,运用信噪比的概念在非劣解集中选择最稳健的设计作为最终方案。

基于信噪比的多目标决策方法,不仅给决策人提供了相当多的信息使决策人可以方便的确定偏好,而且考虑了设计的稳健性,是一个简单易行,具有工程应用价值的多目标决策方法。

采用某轻型飞机齿轮箱多目标优化设计为算例,验证了采用基于信噪比的多目标决策方法的必要性和有效性。

6、提出了一种效率较高的交互式多目标优化算法,交互式多目标粒子群优化算法InteractiveMultipleObjectiveParticleSwarmOptimization,简称IMOPSO。

IMOPSO算法中采用径向基神经网络技术能够对目标间的关系进行很好的近似。

当得到目标间权衡关系的近似表达式以后,决策人可采用期望水平的方式简单而准确的表达出偏好信息。

IMOPSO算法中,通过合理的参数设置,可以使粒子种群比较迅速的收敛于决策人满意的期望水平附近,是一种效率较高的交互式多目标优化算法。

采用IMOPSO算法进行了某飞艇外形曲线多目标优化设计以及××飞机吊挂结构的多目标优化设计,在选用较小规模种群时,分别演化了20代和12代就得到了决策人满意的优化结果..……

全文目录


文摘
英文文摘
第1章 绪论
1.1研究背景
1.2多目标优化方法的研究内容
1.3本文的研究重点
第2章 多目标优化问题的定义及多目标优化方法的分类与比较
2.1多目标优化问题的定义
2.2 Pareto解集的概念及其评价准则
2.3多目标优化方法的分类
2.3.1按照优化过程和决策过程的先后顺序进行分类13、14
2.3.2按照适应度和选择方式进行分类
2.4常用多目标优化方法介绍
2.4.1多目标遗传算法MOGA
2.4.2非劣分层遗传算法NSGA
2.4.3小组决胜遗传算法NPGA
2.4.4多目标粒子群优化算法MOPSO
2.5NSGA与MOPSO的比较
2.5.1理论分析
2.5.2测试函数比较
2.6结论
第3章 SM-PSO算法与SM-MOPSO算法介绍
3.1粒子群优化算法的缺点分析
3.1.1 PSO算法的缺点
3.1.2 MOPSO算法的缺点
3.2 SM-PSO算法介绍
3.2.1 SM-PSO算法混合策略
3.2.2 SM-PSO算法流程
3.2.3 SM-PSO算法性能测试
3.3 SM-MOPSO算法介绍
3.3.1 SM-MOPSO算法流程
3.3.2 SM-MOPSO算法性能测试
3.4结论
第4章 模型管理框架及其在演化算法中的应用
4.1计算机仿真试验的特点分析
4.2均匀试验设计
4.3径向基神经网络技术
4.3.1径向基神经网络技术介绍
4.3.2径向基神经网络技术的优越性
4.3.3径向基神经网络的参数选取原则
4.4模型管理框架
4.4.1单目标模型管理框架及其与演化算法的结合
4.4.2多目标模型管理框架及其与演化算法的结合
4.5算例
4.5.1某载人返回舱气动布局单目标优化设计
4.5.2某轻型飞机齿轮箱减速器多目标优化设计
4.5.3某大型无人机机翼结构的多目标优化设计
4.6结论
第5章 SM-PSO算法与SM-MOSPO算法的并行实现
5.1 PC机群的组建
5.1.1 PC机群的组成和结构
5.1.2 PC机群的实现
5.2并行SM-PSO算法
5.2.1并行模式
5.2.2迁移策略
5.2.3 SM与PSO的结合方式
5.2.4并行SM-PSO算法流程
5.3并行SM-MOPSO算法
5.3.1并行SM-MOPSO算法流程
5.4并行SM-PSO算法以及并行SM-MOPSO的性能测试
5.5结论
第6章 基于信噪比的多目标决策方法
6.1信噪比概念及其计算方法
6.1.1单属性方案的信噪比
6.1.2多属性方案的信噪比
6.1.3多属性方案信噪比的计算
6.2基于信噪比的多目标决策方法75
6.3某轻型飞机齿轮箱多目标决策
6.3.1某轻型飞机齿轮箱多目标优化模型
6.3.2多目标优化结果
6.3.3最终设计方案的选择
6.4结论
第7章 交互式多目标粒子群优化算法
7.1 IMOPSO算法的构造策略
7.2 IMOPSO算法概述
7.3算例
7.3.1测试函数1
7.3.2测试函数2
7.3.3某轻型飞机齿轮箱多目标优化设计
7.3.4某型飞艇外形曲线的多目标优化设计
7.4结论
第8章 ××飞机吊挂结构多目标优化设计
8.1××飞机吊挂结构设计方案
8.1.1设计要求及设计载荷
8.1.2吊挂结构设计方案
8.2吊挂结构方案强度刚度分析
8.2.1有限元模型
8.2.2有限元分析结果
8.3吊挂结构优化设计
8.3.1吊挂结构系统多目标优化模型
8.3.2多目标优化结果
8.3.3最优设计方案的强度刚度校核
8.3.4优化结果分析
8.4结论
第9章 结论
9.1主要工作
9.2几点体会
9.3未来工作的展望
参考文献

相似论文

  1. 掠海高飞型地效飞行器总体设计与优化研究,92 页,V221
  2. 自转旋翼飞行器总体设计关键技术研究,173页,V221 V275.1
  3. 锥导乘波构型的设计、优化及数值模拟,80页,V221.2
  4. 基于CAD的机翼气动/结构多学科设计优化,61页,V221.92
  5. 应用于飞行器研制生命周期的信息模型研究,69页,V221
  6. 飞行器协同设计中的冲突管理关键技术研究,57页,V221
  7. 面向飞行器概念设计的虚拟造型方法研究,64页,V221.92
  8. 斜拉翼飞机综合性能研究,58页,V221
  9. 工程图三维重建技术研究及其在飞行器外形复原中的应用,54页,V221.92
  10. 飞机起落架刹车装置设计中的热学研究,67页,V226.6
  11. 飞行器优化设计中近似函数的研究与应用,160页,V221
  12. 飞机总体设计优化及软件开发,106页,V221.92
  13. 面向改善训练效能的教练机气动外形优化设计,143页,V221.3
  14. 航空宇航系统软件可靠性度量研究,142页,V221.92
  15. ADAMS在起落架动态性能仿真分析中的应用,65页,V226
  16. 高超声速飞行器机体/发动机一体化设计研究,77页,V221 V421.1 V23
  17. 运输机总体参数分析与设计,95页,V221 V271.493
  18. 低可探测技术对作战飞机生存力的影响研究,61页,V221
  19. 飞机非核武器威胁下易损性定量计算方法研究,135页,V221.92 V214.1
  20. 多学科设计优化技术研究,98页,V221 V421.1
中图分类: > V221 > 航空、航天 > 航空 > 飞机构造与设计 > 总体设计

© 2012 book.hzu.edu.cn