基于BLH框架的大深度载人潜水器总体性能的多学科设计优化

建立了一个大深度载人潜水器总体性能多学科设计优化的数学模型,并提出了BLH多学科设计优化框架来对大深度载人潜水器多学科设计优化数学模型进行构建.通过拉丁方试验设计方法对设计变量与多学科优化目标的相关性进行分析,最终得到满足性能指标要求的大深度载人潜水器总体设计优化结果.     

BLISCO方法在载人潜水器设计中的应用

结合两级集成系统综合方法(Bi-Level Integrated System Synthesis)和协同优化(Collaborative Optimization)方法的主要特点,提出了一种新的多学科设计优化方法一两级集成系统协同优化方法(Bi-Level Integrated Systern Collaborative Optimization,BLISCO).它的关键思想是将设计变量分为系统级设计变量和子系统设计变量,并在保留协同优化方法协同机制的同时,用子系统耦合输出响应的加权和代替一致性约束作为子系统优化的目标函数.通过电子封装优化设计问题验证了BLISCO的收敛性、准确性以及鲁棒性.最后,文中将BLISCO方法应用于载人潜水器的多学科设计优化,大大提升了载人潜水器的总体综合性能.     

载人潜水器概念设计中的系统集成模型(英文)

在载人潜水器的概念设计阶段,开展系统参数化分析来研究设计变量变化对潜水器性能影响以及多学科优化设计方法在潜水器上的应用是十分有价值的.然而,对于系统参数化分析和多学科设计优化应用所需要的潜水器数学模型,这方面的研究却比较少.为了解决这一问题,该文以某载人潜水器为对象,示范如何建立一个包含有六个模块的载人潜水器系统集成模型,它们分别是艇型模块、阻力模块、能源模块、结构模块、重量模块和稳定性模块.通过设计结构矩阵的应用,发现载人潜水器的概念设计是一个顺序执行的过程,并且属于弱耦合设计问题.     

载人潜水器舱室设备智能布局设计方法研究

载人潜水器舱室设备智能布局是一种基于知识的智能化过程,以往的载人潜水器舱室 CAD 系统通常采用交互式输入和修改,不能从全局最优化的思想支持载人潜水器舱室设计全过程。将智能技术引入系统载人潜水器舱室布局设计方法中,可以推动船舶智能设计、智能制造、智能工程的全面发展。论文在研究遗传算法的基础上,提出了基于Pareto的PGA算法进行多目标优化计算,建立载人潜水器舱室布局优化数学模型,并使用 PGA 进行求解。经设计委托方评审,获得的计算结果符合设计要求,该方法使整个项目的设计效率明显提高。     

大坝深水检测作业载人潜水器载体框架设计方法研究

在国内外典型深海载人潜水器载体框架结构设计应用研究的基础上，结合大坝深水检测作业的工程应用需求，从设计原则、选材分析、设计载荷、安全系数和设计方案等方面，通过对比分析浅深度与深海载人潜水器载体框架的异同点，结合设计难点总结了大坝深水检测作业载人潜水器载体框架的设计思路与方法，并对两种载体框架设计方案的强度校核结果进行了比较分析，对载体框架进行设计优化。结论可为同类型、浅深度的水下检测作业装备载体框架设计提供参考。     

多学科设计优化方法的比较

为了推广多学科设计优化方法在船舶和海洋工程结构设计中的应用,讨论了三种典型的多学科设计优化方法:多学科可行方向法(MDF),协同优化方法(CO),两级系统综合方法(BLISS),并将其应用到齿轮减速箱的设计中;根据计算结果,对上述三种多学科设计优化方法进行了定量的比较和研究,得出BLISS方法最适合齿轮减速箱优化设计的结论.此外,还给出了多学科设计优化方法的选择标准,为多学科设计优化的工程应用提供了一定的指导和帮助.     

多学科设计优化研究应用现状综述

多学科设计优化是一种通过充分探索和利用系统中的相互作用的协同机制来设计复杂系统工程和子系统的方法论。综述了多学科设计优化研究和应用领域的当前进展,并针对多学科设计优化发展的两大难题——计算代价和组织复杂性,介绍了多学科设计优化的主要内容。然后分别介绍了当前处理多学科设计优化的两种方法——试验设计和多学科优化算法。船舶和海洋工程结构物设计也是一个涉及到多个学科的系统工程,然而多学科设计优化的应用却很少,因此实现船舶与海洋工程结构设计的多学科设计优化也必将具有十分广阔的前景。     

多学科设计优化算法比较及其在船舶和海洋平台设计上的应用

多学科设计优化(Multidiseiplinary Design Optimization,简称MDO)是一种通过充分探索和利用系统中的相互作用的协同机制来设计复杂系统工程和子系统的方法论.多学科设计优化算法是其核心部分,也是研究最活跃的领域.文中首先介绍了MDO算法的定义、分类和发展,然后从算法的来源和目的、优化过程、优缺点、改进方法和应用情况等五个方面对四种基于分解技术的MDO算法进行了综述,进而对比了这四种算法的异同点.最后,针对船舶和海洋平台设计的具体特点,归纳了适合于船舶或海洋平台多学科设计优化的MDO算法所需要具备的特征,并建议使用基于近似模型的协同优化算法或BUSS 2000算法进行船舶和海洋平台的多学科设计优化.     

潜水器多学科设计中的多目标协同优化方法

针对潜水器设计中涉及多个学科的耦合以及数据信息量大、数据关系复杂的问题,文章介绍了一种新的多目标协同优化算法.该方法将Pareto遗传算法(PGA)引入协同优化框架,二者的有机结合充分发挥各自的优势,该方法利用协同方法的分解协调机制将复杂系统的设计问题分解为一个系统级优化问题和几个学科级优化问题.采用PGA作为系统级优化器,不仅可以得到能够反映多目标优化问题实质的、客观的Pareto解集,而且,由于PGA是无需梯度信息的直接搜索算法,从而从根本上消除了协同优化由系统层一致性约束条件引起的收敛困难问题.在PGA与协同优化框架结合的过程中,采用目标函数的归一化处理、分级罚函数法、浮点数编码、群体分级和Paveto解集过滤器等技术提高算法的计算效率和可靠性,并通过一个数学算例和一个载人潜水器的例子证明了多目标协同优化算法的有效性.     

多学科设计优化在桁架式Spar平台概念设计中的应用(英文)

在传统的桁架式Spar设计过程中,设计人员通常只选择一个或两个学科作为某个阶段的设计目标,而没有把设计过程作为一个整体进行研究.同时,传统的设计方法没有充分考虑决定Spar性能的多个学科之间的相互影响和耦合作用.因而,传统的设计方法很难获得最优的设计方案.为解决这一问题,该文将多学科设计优化方法引入桁架式Spar的概念设计,以实现真正的设计优化.文中首先介绍了桁架式Spar的传统设计方法以及多学科设计优化的基本理论,讨论了如何将多学科优化技术应用于Spar平台的概念设计.进而提出了一种适用于Spar设计的多学科设计优化方法-基于响应面的协同优化方法,并基于该方法,建立了桁架式Spar的设计优化框架.最后,对今后的研究方向提出了几点建议.     

CGX巡洋舰多学科设计优化模型的再分析

传统的设计螺旋方法由于割裂了学科间耦合,得到的设计往往是满足设计要求的设计而不是最优的设计.多学科设计优化(MDO)方法正是一种能得到最优设计的新设计方法,MDO目前被广泛应用于复杂工程系统的设计中.文中对多学科设计优化的理论进行了简要综述,在此基础上为了演示MDO方法应用于舰船设计,采用iSIGHT对国外的CGX巡洋舰概念设计的13个模块进行了集成,建立了MDO模型并优化,得到了较好的优化解.在此基础上采用神经网络重新建立了该MDO模型,将优化结果和原MDO模型优化结果进行了比较.     

两层分级多学科设计框架在AUV的总体设计中的应用

将多学科优化方法作为一种新的设计方法应用于AUV的总体性能优化设计中.文中构建顶层控制系统层和并行独立子系统底层的两层分级的多学科优化设计框架,来实现AUV总体设计的有效载荷部分长度和推进力最大化和总重量最小化等的多个设计目标.使用的设计工具为商业软件iSIGHT和Fortran.     

多学科设计优化算法研究综述

随着多学科设计优化(Multidisciplinary Design Optimization,MDO)技术的发展,它将成为优化设计的大趋势.为了能够更好地运用MDO来解决船舶设计优化问题,本文对近年来发展的MDO算法进行系统梳理和分类,对发展已较成熟的几种算法进行简要介绍,对新发展的几种特殊算法应用环境、性能特点进行重点介绍;最后,对MDO算法研究存在的不足和今后发展趋势提出了若干建议.     

舰船总体设计中的多学科优化技术

MDO（多学科优化设计）技术适用于解决复杂工程系统和子系统的设计优化。为推广多学科优化设计技术在舰船总体设计中的应用,阐述了多学科优化技术的基本理论、研究和发展应用情况,系统介绍了协同优化算法的应用环境、特征和基本原理,将舰船总体设计根据MDO的要求分解为浮态与稳性、水动力性能、造价等5个子学科并进行了学科分析,基于多目标协同优化算法建立了舰船总体优化的数学模型及优化框架。     

多学科设计优化方法在潜艇概念设计中的应用研究

多学科设计优化方法(MDO)是从航空领域兴起的一种针对复杂工程优化设计的有效求解方法.该文针对潜艇设计的复杂性特点,探索MDO在潜艇概念设计中的应用.首先,文中建立了包括水动力、推进、重量、性能和成本共5个学科分析在内的数学模型,然后采用MDO方法--协同优化方法(CO),对同时包含连续设计变量和离散设计变量的潜艇系统,进行了以最小化建造成本为目标的多学科设计优化,获得了优化结果.结果表明:相对于传统设计方法,分布式、并行的协同优化方法CO更适合潜艇系统的设计.     

Application of the optimal Latin hypercube design and radial basis function network to collaborative optimization

Improving the efficiency of ship optimization is crucial for modern ship design. Compared with traditional methods, multidisciplinary design optimization (MDO) is a more promising approach. For this reason, Collaborative Optimization (CO) is discussed and analyzed in this paper. As one of the most frequently applied MDO methods, CO promotes autonomy of disciplines while providing a coordinating mechanism guaranteeing progress toward an optimum and maintaining interdisciplinary compatibility. However, there are some difficulties in applying the conventional CO method, such as difficulties in choosing an initial point and tremendous computational requirements. For the purpose of overcoming these problems, optimal Latin hypercube design and Radial basis function network were applied to CO. Optimal Latin hypercube design is a modified Latin Hypercube design. Radial basis function network approximates the optimization model, and is updated during the optimization process to improve accuracy. It is shown by examples that the computing efficiency and robustness of this CO method are higher than with the conventional CO method.