多学科设计优化关键技术研究及其在机构学领域中的应用

论文摘要

随着科学技术的不断进步,机械系统越来越精密、复杂,其内部各组成部分之间的相互作用也日益明显。机械系统设计通常涉及到多学科、多目标、多约束、多个设计变量,使得机械系统的总体设计过程十分复杂。为挖掘设计潜力,提高设计质量,多学科设计优化(Multidisciplinary DesignOptimization,MDO)理论得到了极大重视。MDO通过充分利用各学科间相互作用所产生的协同效应,获得系统的整体最优解或工程满意解。目前,MDO已引起了国内外学术界的广泛关注,并在航空航天领域内取得了巨大成功,产生了巨大的效益。MDO在航空航天领域内的巨大成功也引起了其他工程设计领域的重视,MDO的应用范围已经拓展到了武器、汽车、计算机、通信、机械、医疗以及建筑等各个领域。引入MDO的思想到机构设计领域,研究了机构的设计模式。介绍了机构的串行、集成和MDO设计模式的定义,分析了机构设计模式的思想,建立了机构设计模式的优化模型,研究了机构设计模式的优缺点。归纳了MDO的耦合因素的类型,分析了影响MDO子系统之间耦合程度的一些主要因素,研究了耦合因素相互作用的机理,着重对交叉耦合因素进行深入研究分析,利用灵敏度计算结果,定义强弱耦合因素的概念,利用模糊数学信息,定义耦合因素的隶属度函数,提出强弱耦合因素的判定准则,构建了基于灵敏度分析的MDO解耦方法。分析了近似技术应用于MDO的重要性,阐述了MDO的局部近似技术和全局近似技术,归纳了试验设计方法。针对CO算法系统级的计算困难的难题,采用均匀设计方法,选取近似模型的样本点,利用Kriging近似技术,构造了系统级约束的近似优化模型,提出了改进的CO算法。分析了MDO系统的特点,提出了基于层次分析法(Analytic HierarchyProcess,AHP)确定各个子系统(学科)重要度的步骤,介绍了满意度和满意解的定义,列举了满意函数的常见分布类型及函数的选择问题,阐述了复杂系统MDO可行解的综合满意度的评价方法,建立了MDO可行解的满意度评价模型,构建了MDO可行解的评价函数,提出了MDO可行解的满意评价方法,从而指导进一步的设计。本文把MDO引入到机械设计领域,系统地研究了机构的设计模式、MDO的耦合复杂性难题、MDO算法和MDO可行解的评价方法等MDO关键技术,并将这些方法成功应用于机构系统设计与MDO经典工程算例。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 MDO的基本概念
• 1.2.1 MDO的定义
• 1.2.2 MDO的基本术语
• 1.3 MDO的发展历程
• 1.4 国外研究现状及分析
• 1.4.1 MDO的基础理论的研究现状
• 1.4.2 MDO算法的研究现状
• 1.4.3 MDO集成软件框架的研究与工业运用的现状
• 1.5 国内研究现状及分析
• 1.5.1 MDO的基础理论与算法的研究现状
• 1.5.2 MDO集成软件框架的研究与工业运用的现状
• 1.6 本文的主要研究内容
• 1.7 本章小结
• 第2章 机构设计模式的研究
• 2.1 引言
• 2.2 机构的设计变量
• 2.3 机构的设计模式
• 2.3.1 串行设计模式
• 2.3.2 集成设计模式
• 2.3.3 MDO设计模式
• 2.4 应用实例
• 2.4.1 3-RRS并联机器人
• 2.4.1.1 优化问题的描述
• 2.4.1.2 设计过程与计算结果
• 2.4.2 电机—四杆机构
• 2.4.2.1 优化问题的描述
• 2.4.2.2 设计过程
• 2.4.2.3 设计结果的分析与比较
• 2.5 设计模式的比较
• 2.5.1 机构的串行与集成设计模式的比较
• 2.5.2 机构的串行与MDO设计模式的比较
• 2.5.3 机构的集成与MDO设计模式的比较
• 2.6 本章小结
• 第3章 MDO耦合复杂性的研究
• 3.1 引言
• 3.2 MDO设计变量的类型
• 3.3 影响MDO子系统之间耦合程度的因素分析
• 3.4 系统灵敏度分析方法
• 3.4.1 最优灵敏度分析方法
• 3.4.1.1 目标函数的一阶最优灵敏度分析
• 3.4.1.2 目标函数的二阶最优灵敏度分析
• 3.4.2 全局灵敏度方程方法
• 3.4.3 滞后耦合伴随方法
• 3.4.4 OSA、GSE和LCA三种方法的比较
• 3.5 MDO解耦与机构解耦的比较
• 3.6 基于灵敏度分析的MDO解耦方法
• 3.6.1 机构系统MDO模型的特点
• 3.6.2 灵敏度分析与计算方法
• 3.6.3 耦合强度和隶属度函数
• 3.6.4 强弱耦合因素的判定准则
• 3.6.5 MDO的解耦方法
• 3.7 应用实例
• 3.7.1 平面六杆机构
• 3.7.2 二自由度机器人
• 3.8 本章小结
• 第4章 MDO算法的研究
• 4.1 引言
• 4.2 MDO的近似技术
• 4.2.1 局部近似技术
• 4.2.1.1 基于泰勒级数的近似
• 4.2.1.2 基于正项式级数的近似
• 4.2.1.3 基于微分方程的近似
• 4.2.2 全局近似技术
• 4.2.2.1 可变复杂度模型
• 4.2.2.2 二次响应面
• 4.2.2.3 径向基神经网络
• 4.2.2.4 Kriging模型
• 4.3 试验设计方法
• 4.3.1 中心组合设计
• 4.3.2 正交试验设计
• 4.3.3 均匀设计
• 4.4 基于KRIGIING近似技术的CO算法
• 4.4.1 近似技术的比较
• 4.4.2 算法基本思想
• 4.4.2.1 构造Kriging近似模型
• 4.4.2.2 算法的步骤和流程图
• 4.5 应用实例
• 4.5.1 典型函数优化问题
• 4.5.2 工程测试算例
• 4.6 本章小结
• 第5章 MDO可行解的评价方法
• 5.1 引言
• 5.2 MDO系统的特点
• 5.3 基于AHP的MDO子系统（学科）重要度的确定
• 5.4 满意解和满意度的定义
• 5.4.1 满意解与满意度的传统定义
• 5.4.2 满意解和满意度的定义
• 5.5 MDO系统可行解的满意度函数
• 5.5.1 定量指标的满意度函数
• 5.5.2 定性指标满意度函数
• 5.6 复杂系统MDO可行解的综合满意度的评价方法
• 5.6.1 综合满意度函数
• 5.6.2 理想解法
• 5.6.3 相对熵法
• 5.7 MDO可行解的评价方法
• 5.7.1 可行解的定义
• 5.7.2 MDO可行解的满意评价模型
• 5.7.3 MDO可行解的评价方法
• 5.8 应用实例
• 5.9 本章小结
• 结论
• 1.论文的主要工作
• 2.论文的主要创新点
• 3.研究工作的展望
• 致谢
• 参考文献
• 攻读博士学位期间发表的论文及科研成果