近年来,随着工程优化设计问题复杂程度的提高,基于近似模型(Surrogate Model)优化方法的应用变得日益广泛。对于存在黑箱问题的实际产品优化设计过程,利用近似模型代替黑箱问题并将其运用到后续优化过程中能够极大的减小计算成本。由于近似模型存在较多的构建方法,到底采用何种近似模型变得困难。目前在实际应用中都是首先构建出大量的近似模型,然后选择精度较高的模型加以利用而放弃其它精度较低的模型,这会造成严重的计算成本浪费。聚合模型(Ensemble of Surrogate)的提出较好的解决了这个问题,且与单个模型相比具有较好的鲁棒性。聚合模型是近年提出来的多个单一聚合模型以某种权重系数加权得到的线性组合。但聚合模型普遍具有精度不够高尤其是在样本点附近精度不足的缺陷。针对这一缺陷,本文提出了一种新的聚合模型构建方法——插值聚合模型(Interpolation Ensemble of Surrogate,IEOS)方法。通过几个常用的数值算例对插值聚合模型进行验证,发现IEOS模型不仅继承了传统聚合模型的优点,而且能显著提高近似模型在设计空间特别是样本点附近的精度。同时,本文将上述IEOS模型与传统的优化方法——信赖域方法(Trust Region Method,TRM)进行有效结合从而得到一种新的序列近似优化方法——基于插值聚合模型的信赖域优化方法(Interpolating Ensemble of surrogate based Trust Region Method,IEOS-TRM)。将本方法用于多个测试算例进行试验并与原聚合模型以及单个模型结合信赖域的方法进行比较后发现,IEOS-TRM方法不仅具有较快的收敛速度,而且有着较高的鲁棒性。基于上述研究,本文在最后成功地将上述优化方法运用到全回转推进器导管螺旋桨导管截面尺寸参数的优化设计中,得到了在相同输入条件下具有较大推进力的导管截面尺寸参数。
暂无评论