● 摘要
飞机设计是一项复杂的系统工程。为了达到系统各要素的优化和平衡，需要进行多学科综合设计。本文针对飞机总体设计过程中出现的多学科、多目标、不确定性等问题，结合以神经网络、混沌、遗传算法等为代表的智能优化算法进行研究。主要工作有：1、对复杂系统的耦合机制、分解方法进行研究。归纳总结了一类基于分解协调机制的多学科设计优化方法，并对分解方法的特点和特殊处理机制进行了探讨。2、进行了基于Hopfield网络的飞机设计研究。采用Hopfield神经网络与Lagrange乘子相结合的方法来处理约束条件。引入高斯噪声和结合模拟退火机制，来改善网络的全局寻优能力。基于拉氏乘子提供的约束敏度信息，进行了设计要求权衡研究。Hopfield网络优化方法适合于求解单目标、一阶可微的非线性优化问题；与全局敏度方程方法相结合，能适合于求解多学科一体化优化模型。3、将一种基于敏度的多目标鲁棒优化方法应用于飞机总体设计，此方法同时考虑了两类鲁棒设计问题。针对设计变量存在精度误差的情况，在原约束多目标优化模型上，附加偏差目标函数，并对约束条件进行鲁棒可行性调整。采用全局敏度方程方法来计算目标函数和约束函数对设计变量的敏度。进而采用Pareto遗传算法进行多目标鲁棒优化问题的求解。4、针对协同优化方法引入的一致性条件所带来的计算困难问题，在系统层使用智能优化算法是一种有效的解决方式，但应注意计算量的控制。从改进算法求解效率的角度，提出用一种嵌入了单纯形的混合混沌算法来解决系统层优化问题，混沌能有效地跳出局部最优解而接近全局最优点，同时利用单纯形法在混沌解的邻域内局部寻优。5、针对多目标遗传算法直接用于协同优化构架会导致计算量大的问题，从求解构架调整的角度，提出以BP神经网络响应面来间接关联多目标遗传算法和协同优化的处理方式。采用拉丁试验设计方法选择设计点、进行批量的学科层优化，构造具有全局近似能力的各学科优化神经网络响应面，进而采用Pareto遗传算法对基于神经网络响应面的系统层优化问题进行多目标寻优。研究了BP网络的近似精度对求解结果的影响。6、用博弈论方法来研究多目标多学科优化设计问题，将原问题非层次分解转化成并行的多学科博弈问题。分析了多学科博弈模型的求解及学科间关系的处理方法，提出用协同进化算法求解多学科博弈的Nash均衡点，并给出相应的计算框架。对多学科合作博弈和非合作博弈的结果进行对比。各冲突子目标协商一致条件下，多学科合作博弈的均衡点能达成原系统的整体最优。上述智能优化算法的研究、求解构架的改进及其应用，对智能优化算法更好地应用于解决飞机总体设计问题具有积极的意义。