为便捷解决常见工程优化设计问题,设计出一种基于代理模型的优化设计工具箱(Surrogate-Based Design and Optimization Toolbox,SBDO Toolbox)。该工具箱基于代理模型理论,借由MATLAB GUIDE功能开发,借助了MATLAB强大的数学计算分析能力,主要包含三个模块,分别是试验设计(Design of Experiment,DOE)模块、建立代理模型模块和预测及优化模块。在使用该工具时,用户可根据提示依次打开上述模块对应的界面窗口,输入相互独立的自变量信息,改变设置选项或保持默认状态值,即可得到图形化显示的结果,完成相关工程优化问题。该工具箱中各个模块中的数据传递是连续的,使得整个设计优化过程更加完整和统一。采用25个不同形态的数值函数对该工具箱的可用性与实用性进行测试,数值算例表明此工具箱可以应用于工程优化设计案例中,不具备代理模型相关知识的普通用户便可轻松解决常...

试验设计(Design of Experiment,DoE)是设计变量空间中的抽样方案,一般用空间填充特性和投影特性评估DoE方法的优劣。近年来,对于无约束空间的DoE研究已基本成熟,但是,对于约束空间中取点策略的研究仍无太多成果与太大进展。现有的DoE方法主要应用于矩形或者立方体、超立方体等无约束设计空间,如果是带有约束的空间,这些方法将会失效,对于后续的优化设计造成极大的不便。针对现有的无约束空间的取样方法—连续局部枚举拉丁超立方取点,提出了针对约束空间的连续局部枚举拉丁超立方取点策略(Sequential Local Enumeration-Based Latin Hypercube Sampling for Constrained Design Space,SLE-CLHS),称为SLE-CLHS取点策略。所提出的SLE-CLHS需要在由各个变量之间的约束关系建立的约束空间中取点。通过3个数值案例演示并验证SLE-CLHS方法的可用性与有效性,结果表明,用该方法取得的样本...

由于无人机旋翼叶片的复杂几何形状及其空气动力学性能对其三维外形的高灵敏度,当前小型无人机旋翼叶片的优化设计普遍存在由维度灾难(Curse of Dimensionality)带来的高计算成本的问题。为了解决这一问题,提出了一种基于类函数/形状函数变换方法(Class/Shape Function Transformation)的高效三维叶片参数化模型;建立了高精度计算流体力学(Computational Fluid Dynamics)模型,与实验数据相比,所有转速下旋翼推力的仿真结果的误差在5%以内;基于仿真数据构建了旋翼扭矩和推力的高保真自扩展自适应混合代理模型(Extended Adaptive Hybrid Functions);应用了遗传算法(Genetic Algorithm)执行以悬停推力水平为约束,最小化旋翼扭矩为目标的旋翼外形优化设计。与基于翼型E387的原旋翼相比,优化模型的扭矩减少12.5%,悬停效率提高了8.32%,总重相对减少24.23%。最终,对优化后的旋翼叶片进行了流...