一種并行子空間優化的臨近空間飛艇多學科優化設計方法與流程

本發明屬于航空宇航科學技術、新能源技術和高性能材料技術相結合的領域，尤其涉及一種并行子空間優化的臨近空間飛艇多學科優化設計方法。

背景技術：

臨近空間飛艇是以太陽能為動力能源的臨近空間飛行器，因其具有高空長時間駐留的特性，并且在通信中繼、早期預警、對地觀測等運用領域有巨大潛力而廣受國內外關注。與常規飛行器的總體設計不同，臨近空間飛艇作為一種新興的飛行器，可借鑒設計經驗并不多，同時在其設計過程中氣動、結構、能源和控制等學科存在交叉耦合。

臨近空間飛艇艇體作為飛艇的主體部分，承擔著幾乎全部的氣動阻力和載荷重量，并且提供了太陽能電池的鋪設空間。因此，在艇體優化設計過程中，在獲得最優氣動性能的同時需要滿足結構的強度、剛度要求，并且考慮太陽能電池鋪設面積對重量平衡，推阻平衡和能量平衡的影響。

技術實現要素：

本方法采用基于并行子空間的多學科優化策略對臨近空間飛艇進行優化設計，以期獲得滿足任務需求的最優設計方案。本發明通過以下技術方案實現的。

一種并行子空間優化的臨近空間飛艇多學科優化設計方法，其特征在于，包括：

步驟一、規劃臨近空間飛艇總體設計流程，明確優化變量、約束和目標以及氣動、結構和能源子系統耦合關系；

步驟二、分別對所述氣動、結構和能源子系統進行參數化建模并分析；

步驟三：訓練樣本點建立樣本空間，搭建代理模型；

步驟四：在ISIGHT平臺上構建基于氣動、結構和能量的并行子空間的優化框架，執行優化進程。

優選地，所述步驟一包括：

通過臨近空間飛艇的總體任務需求，選定艇體外形，通過實際要求和試飛經驗選擇艇體長度、體積和表面積的實用范圍，進而對氣動、結構和能源子系統進行變量的分配和設置；

氣動、結構和能源子系統的耦合關系通過推阻平衡、浮重平衡和能量平衡進行體現，并把所述推阻平衡、浮重平衡和能量平衡作為優化框架里的一部分約束條件。

優選地，所述步驟二包括：

1)艇體參數化建模：首先是基于CATIA VB腳本二次開發的幾何模型建模，所述艇體參數化建模過程目的是把優化進程中的變量變化寫入腳本，在模型中體現出來，結果模型用于后續流場分析；

2)用步驟1)中生成的model幾何文件來進行基于ICEM CFD Tcl腳本二次開發的網格劃分，生成的mesh文件用于Fluent CFD流場解算，得到艇體氣動載荷的分布和阻力值。

優選地，對于結構拓撲分析，其幾何建模和分析均是基于ABAQUS Python腳本二次開發來進行的，分析得到艇體的應力分布、位移分布和艇體重量。

優選地，對于能源子系統的參數化建模及其分析包括：

首先，基于MATLAB進行參數化建模，把能源參數太陽能電池陣單元數量在優化進程中的變化實時寫入程序；

其次，建立太陽輻射和晝間太陽能收集模型，通過最終耗能模型，來進行能源系統能量平衡的評估；

最后整合臨近空間飛艇個部件質量，得到總的質量模型。

優選地，所述質量模型包括飛艇固定質量、結構質量和太陽能電池陣列質量，所述固定質量包括推進系統、航電、儲能電池和其承載結構部分，所述結構質量包括艇體、吊艙、艇首尾和浮升氣體部分。

優選地，所述步驟三包括：

(1)系統樣本點信息收集：通過所述氣動、結構和能源三個子系統在基于優化拉丁超立方實驗設計運行得到一系列的樣本空間；

(2)初始化代理模型：運用Kriging方法建立代理模型；

(3)代理模型可行性的驗證：通過代理模型生成的樣本空間和真實仿真結果作對比，具有足夠精度即可用于系統優化進程；

(4)若在優化迭代過程中代理模型的精度不夠，就逐步更新樣本空間，逐步在優化循環過程中增加樣本數量和變換模型的系統參數。

優選地，采用的優化系統包括：

循環控制模塊System，其通過約束條件來判斷整個迭代的收斂情況，從而控制整個優化進程；

計算器模塊Calc last，其將上一次計算的總重與當前計算總重區分，分別賦予兩個不同的變量，便于循環控制模塊進行比較；

全局優化模塊Global Optimization和局部優化模塊Local Optimization，其都是基于代理模型的優化模塊，其中，Global Optimization采用多島遺傳算法，Local Optimization采用序列二次規劃算法；

氣動子系統優化模塊Aerodynamic optima analysis，能源子系統優化模塊Energy optima analysis，結構子系統優化模塊Structure optima analysis，

計算器模塊Calcmass&delta，用于對載荷重量進行賦值，總重和浮重平衡的統計；

樣本點更新模塊DOE update，其通過高精度的氣動、結構和能源子系統計算的優化數據不斷對樣本點進行更新。

本發明的方法，其優點是：該方法使得在進行系統層次的優化時讓子空間臨時解耦并行優化，而在子空間層次的優化里各子系統依然保留耦合信息，這樣在系統的優化過程中獲得連續優化的設計；各子空間模塊可以采用合適的分析方法或根據設計經驗自由地優化系統設計，而這些子空間也是對同一個系統目標函數用各自的局部設計變量進行優化，具有較高的學科自治性；該方法中的系統分析是在高精度模型分析之外完成的，系統優化在Kriging近似模型的基礎之上進行，因此降低了整體計算量，加快了收斂速度。

該方法可用于解決臨近空間飛艇氣動、結構和能源一體化初步設計問題，在臨近空間飛艇設計及優化的新思路探索上具有相當的參考價值。

附圖說明

通過閱讀下文優選實施方式的詳細描述，各種其他的優點和益處對于本領域普通技術人員將變得清楚明了。附圖僅用于示出優選實施方式的目的，而并不認為是對本發明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。

圖1是根據本發明實施方式的臨近空間飛艇總體設計流程圖；

圖2是根據本發明實施方式的艇體參數化建模過程流程圖；

圖3是根據本發明實施方式的代理模型建立流程圖；

圖4是根據本發明實施方式的基于近似模型的CSSO流程圖；

圖5是根據本發明實施方式的優化框架的ISight實現流程圖；

圖6是根據本發明實施方式的DOE更新流程圖；

圖7是根據本發明實施方式的氣動子系統優化流程圖；

圖8是根據本發明實施方式的結構子系統優化流程圖；

圖9是根據本發明實施方式的能量子系統優化流程圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施方式。雖然附圖中顯示了本公開的示例性實施方式，然而應當理解，可以以各種形式實現本公開而不應被這里闡述的實施方式所限制。相反，提供這些實施方式是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。

本發明公開一種并行子空間優化的臨近空間飛艇多學科優化設計方法，見圖1所示，其具體步驟如下：

步驟一：規劃總體設計流程，明確優化目標和各個子系統耦合關系。

如圖1，臨近空間飛艇總體設計流程，其中通過所述總體技術要求，選定艇體外形，通過實際要求和試飛經驗選擇艇體長度、體積和表面積等參數的實用范圍，進而對氣動、結構和能源子系統進行變量的分配和設置。三個子系統的耦合關系通過推阻平衡、浮重平衡和能量平衡進行體現，并把這三個平衡作為優化框架里的一部分約束條件。

步驟二：氣動、結構和能源子系統的參數化建模及其分析，如圖2

1)艇體參數化建模過程，首先是基于CATIA VB腳本二次開發的幾何模型建模，其目的是把優化進程中的變量變化寫入腳本，在模型中體現出來，其結果模型用于后續流場分析。

2)用步驟1)中生成的model幾何文件來進行基于ICEM CFD Tcl腳本二次開發的網格劃分，生成的mesh文件用于Fluent CFD流場解算，得到艇體氣動載荷的分布和阻力值。

3)而對于結構拓撲分析，其幾何建模和分析均是基于ABAQUS Python腳本二次開發來進行的，分析得到艇體的應力分布、位移分布和艇體重量。

4)對于能源子系統，基于MATLAB進行能參數化建模，把能源參數太陽能電池陣單元數量在優化進程中的變化實時寫入程序。其次，建立太陽輻射和晝間太陽能收集模型通過最終耗能模型Q_req＝(p_thrust+p_pld)t_cruise，其中p_thrust＝Tv＝Dv，來進行能源系統能量平衡的評估。最后整合臨近空間飛艇個部件質量，得到總的質量模型。其中質量模型中有飛艇固定質量、結構質量和太陽能電池陣列質量，固定質量包括推進系統、航電、儲能電池和其承載結構部分，結構質量包括艇體、吊艙、艇首尾和浮升氣體部分。

步驟三：訓練樣本點建立樣本空間，搭建代理模型，如圖3

1)系統樣本點信息收集，通過氣動、結構和能源三個子系統在基于優化拉丁超立方實驗設計運行得到一系列的樣本空間；

2)初始化代理模型，運用Kriging方法建立代理模型；

3)代理模型可行性的驗證，通過代理模型生成的樣本空間和真實仿真結果作對比，具有足夠精度即可用于系統優化進程；

4)若在優化迭代過程中代理模型的精度不夠，也就是其信息不夠完全，就需要逐步的更新樣本空間，逐步的在優化循環過程中增加樣本數量和變換模型的系統參數；

如圖4所示，其示出了基于近似模型的CSSO，其中，CSSO(CSS Optimizer)稱為并行子空間優化，并行子空間優化算法是一種非層次型分解的多學科設計優化算法。該算法將設計優化問題分解為若干個學科級優化問題和一個系統級優化問題。在學科級(子空間)優化中,本學科的狀態變量計算通過該學科的精確模型來獲取,所涉及的其它學科的狀態變量計算通過某種近似模型來得到。各學科優化計算相互獨立,可并行進行,因此稱為并行子空間優化算法。近似方法的不同,衍生出不同的CSSO算法,采用Kriging近似方法來構造學科間近似關系的CSSO算法稱為基于Kriging近似的并行子空間優化算法。圖4所示的并行子空間優化算法執行步驟如下:

1)基準設計。根據設計對象的情況,給定多個設計向量。設計點(一個設計向量就代表一個設計點)的選取可以按照試驗設計的有關方法來實行。

2)系統分析。在給定的設計點處進行系統分析,得到相應的狀態向量。將設計向量及對應的狀態向量存入樣本空間。

3)建立系統的Kriging近似模型。由樣本空間中的設計向量及其對應的狀態向量,建立系統的Kriging近似模型。

4)子空間并行優化。當系統的近似Kriging模型建立起來之后,各子空間就可以并行優化了,本學科的狀態變量利用本學科的分析方法和仿真軟件來完成,而當要用到其他學科的信息時則通過Kriging近似模型來獲取。

5)系統分析。在各學科并行優化完成之后,對各自得到的最優解分別進行系統分析,得到相應的狀態變量,

6)樣本空間更新。將由子學科優化得到的最優解和經系統分析得到的對應的狀態變量加入系統樣本空間中,對樣本空間進行更新。根據更新后的樣本空間構造新的Kriging。

7)系統級優化。在系統級優化中,所有的狀態變量信息均由Krigin近似來獲取。系統級優化結束后,對系統級設計變量最優解再次進行系統分析和更新Krigin的過程,隨著這個優化迭代循環不斷進行,Kriging越來越精確,最終收斂到一個最優解。

步驟四：基于ISight平臺的優化框架搭建

iSIGHT是將數字技術、推理技術和設計探索技術有效融合，并把大量的需要人工完成的工作由計算機實現自動化處理，類似一個軟件機器人在代替工程設計人員進行重復性的、易出錯的數字處理和設計處理工作，其可以集成仿真代碼并提供設計智能支持，從而對設計可選方案進行評估，研究。iSIGHT軟件通過圖形化工作界面，進行設計過程集成、優化處理和自動化求解。

如圖5，根據優化策略，在ISight平臺上構建基于氣動、結構和能量的總體優化設計框架，頂部的System是循環控制模塊，即通過約束條件來判斷整個迭代的收斂情況，從而控制整個優化進程。

最左部的Calc last計算器模塊是將上一次計算的總重與當前計算總重區分，分別賦予兩個不同的變量，便于循環控制模塊進行比較。

左部的Global Optimization和Local Optimization分別是全局優化模塊和局部優化模塊，它們均是基于代理模型的優化模塊。全局優化模塊采用多島遺傳算法，局部優化模塊采用序列二次規劃算法，采用這樣的模塊組合可以充分利用全局優化算法對整體設計空間遍歷的優勢以及局部優化算法鎖定小范圍精確尋優的特點，在逐步改善準確度的同時也提高了尋優的效率。

中部的Aerodynamic optima analysis，Structure optima analysis和Energy optima analysis分別是氣動、結構和能源子系統優化，如圖7，圖8和圖9所示。

右部的Calcmass&delta計算器模塊則是對載荷重量進行賦值，總重和浮重平衡的統計。

最右部的DOE update是樣本點更新模塊，DOE(design of experiment)稱為試驗設計，其是統計學的一個分支，采用試驗設計方法很大程度地提高了試驗生產效率。DOE update如圖6所示，通過高精度的氣動、結構子系統和能源子系統計算的優化數據不斷地對樣本點進行更新，從而提高了代理模型精度，加快了收斂速度。

以上所述，僅為本發明較佳的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，可輕易想到的變化或替換，都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應所述以權利要求的保護范圍為準。