● 摘要
运载火箭(LV)的设计过程本身是一个多学科优化设计(MDO)过程。由于在设计和开发复杂统中的促进作用，多学科设计优化(MDO)技术近来受到了很大的关注，特别是在航空航天领域。大量设计变量和约束的存在，以及不同学科的分析常常是多学科优化问题的特点。这些学科之间往往存在着很强的耦合，这样就很难将多学科问题作为传统的单一大尺度优化问题处理。因此迫切需要开发一种具有很高计算效率的算法解决复杂工程系统的高精度分析问题。这样的算法除了要考虑到因多学科系统规模带来的数据管理问题外，还要考虑到设计空间非凸性和不连续性。在这样的问题中，仅依靠传统的数值优化技术是不够的。对于这类问题，考虑到健壮性和全局最优解的寻找，基于计算范式的优化技术是一个有吸引力的选择。本研究采用了混合进化算法。遗传算法(GA)用来寻找全局最优解，二次序列规划(SQP)算法则根据遗传算法提供的全局最优解的猜测信息，进一步寻找局部最优解。这些方法可以很容易的处理离散、整型或者连续设计变量的问题。当应用到大尺度多学科系统中时，进化算法(EA)的计算量是很大的，因此降低进化算法的计算成本，解决相应多学科问题就是本研究主要挑战之一。为了应对这一挑战，近似技术或元模型技术经常被采用。本研究的主要内容之一就是找到一种有效的模型近似技术以降低计算量。围绕这些不利的计算因素，本研究使用基于支持向量回归(SVR)的元模型技术代替运载火箭系统的真实分析模型(比如推进和弹道模型)。元模型的训练数据则使用拉丁方(LHS)空间填充算法生成。运载火箭系统设计最重要的一个内容就是保证设计的可靠性和质量。非确定性因素的考虑可以使工程师作出可靠的决策、减少质量损失、控制风险以及避免过于保守的设计。然而，非确定性的设计相比确定性设计而言，具有大得多的计算量。本研究最终的努力就是在非确定性的基础上为多学科系统开发有效的设计框架。为了在仿真系统中减少非确定性因素的传播和扩散，本研究提出了两种新颖的方法，即基于仿真的健壮性设计方法(SRDM)和基于仿真的可行健壮性设计方法(SFRDM)，开发了使用一阶正交矩阵的“最差情形变化”来传播非确定性的影响。为了检验所得解的健壮性，使用蒙特卡洛仿真对运载火箭系统设计的问题进行了敏度分析。本研究所提出的方法灵活，在多学科系统设计中有很大的应用潜力。