论文部分内容阅读
线缆是电子系统中传输能量和信号的重要通道。多电飞机上线缆的种类较多,且线缆布线路径及其电磁环境非常复杂,线缆布局质量的好坏直接影响到系统的整体性能。本文针对现有的线缆布局方法中存在的效率低和难以得到满足多种约束条件的最优线缆布局的问题,以多电飞机中多种型号的单线、同轴线等类型线缆和若干典型电子设备构成的互联系统为研究对象,对多电飞机线缆布局设计中的若干关键问题展开研究,将机器学习与路径规划算法和智能优化算法相结合用于线缆布局技术,针对不同的设计场景和需求,在考虑了电磁兼容性能、力学性能、安装便利性、空间冗余和重量等复杂约束的基础上,提出了多种基于机器学习的的线缆布局设计方法,并开发出了一套线缆自动布局系统。研究结果已应用于某电子研究所相关项目的产品研发设计,对于保证多电飞机相关电子设备互联系统的电磁兼容性能、力学性能和安装便利性等综合性能,以及减少空间冗余和降低线缆布局的总成本都具有重要的意义,也为提升多电飞机总体系统设计质量和效率奠定了基础。本论文的研究内容和成果主要包括以下几个方面:(1)针对现有的线缆束布局方法无法用于考虑复杂工程规则约束的多电飞机机载设备线缆束布局的问题,提出了一种基于拟物拟人算法和改进A*算法的线缆束布局方法:首先,改进了传统A*算法中的估价函数;然后,基于拟物拟人算法计算出线缆束的等效半径,推导出考虑工程规则约束的搜索空间自动处理算法和拐角节点合理性判定算法,在此基础上给出了使用改进A*算法进行线缆束路径规划的流程。通过某机载设备线缆束敷设的实例验证表明,与传统的A*算法相比,使用提出的改进A*算法得到的线缆束布局方案不仅能满足所有复杂的约束条件,且可以有效减少布线总成本。(2)针对多电飞机电子系统中含有线缆-碳纤维增强复合材料(Carbon Fibre Reinforced Plastics,CFRP)集成构件的线缆布局问题,提出了一种基于改进响应面法和机器学习的含有集成构件的线缆布局方法,将线缆布局分为两个步骤:第一步是确定线缆-CFRP集成构件中线缆的埋置位置,首先建立了集成构件的有限元分析模型和电磁兼容分析模型;然后,针对所研究线缆布局问题的特点对传统的响应面法进行了改进,给出了一种求解线缆埋置位置参数优化问题的方法;最后,利用此方法综合考虑线缆的力学性能、电磁兼容性能和制造约束条件,得到了一组高质量的线缆埋置位置参数,实验验证结果表明,使用本方法得到的集成构件相关参数能满足所有的约束条件,且所有响应的预测值与实际值的平均误差很小。第二步是确定这些线缆的整体布局方案:给出了一种基于机器学习算法、改进快速探索随机树(Rapidly-exploring Random Trees,RRT)算法和遗传算法的线缆布局方法,使用此方法在满足所有约束条件的前提下得到了全局最优布线参数,在此基础上得到了高品质的线缆布局方案。(3)针对含多根线缆和不带分支线缆束电子系统的布局问题,提出了一种基于Stacking-LSRM多阶段集成学习方法和改进差分进化算法的线缆布局方法。首先,提出了一种Stacking-LSRM多阶段集成学习方法,并给出了使用此方法建立线缆串扰预测模型的流程,通过仿真与实验的对比,验证了线缆串扰仿真建模方法的正确性,并通过两个多电飞机电子系统串扰预测实例,验证了所提方法的有效性和相对于现有方法的优越性;然后,使用基于改进RRT算法的路径规划算法得到线缆的初始布局,并针对本研究中线缆布局问题的特点,对传统的差分进化算法进行了改进,在此基础上,给出了一种基于集成学习和改进的差分进化算法求解电子系统线缆布局优化问题的方法,通过两个不同布线模式的多电飞机电子系统线缆布局实例,验证了该方法的有效性和相对于现有方法的优越性;最后,将使用Stacking-LSRM多阶段集成学习方法建立的集成学习模型与改进差分进化算法相结合,用于求解本研究的优化问题,取得了更好的实际优化效果,这进一步验证了 Stacking-LSRM多阶段集成学习方法用于求解本研究线缆布局问题的有效性。(4)针对带多分支线缆束复杂电子系统的布局问题,提出了一种基于快速线性加权机器学习融合模型和第二代非支配排序遗传算法(Non-dominated Sorted Genetic Algorithm-Ⅱ,NSGA-Ⅱ)的布局方法。复杂电子系统中的线缆数量较多,这些线缆通常被成束布置为含有多个带分支的线缆束。在线缆束布局问题中,既希望所有线缆的总长度和总重量最小,且线缆尽可能成束布置;又要求系统的电磁兼容性能尽可能好。首先,给出了一种适用于带分支线缆束的路径规划算法用以快速得到线缆束的初始布局;然后,给出了一种基于先验信息和遗传算法的快速加权线性融合法,用以建立各性能指标的机器学习融合预测模型;最后,针对单目标线缆束布局设计问题,给出了一种基于快速线性加权机器学习融合模型和遗传算法的优化算法,并通过对比表明了使用本文所提方法建立的融合模型相对于个体机器学习模型的优势;针对多目标线缆束布局设计问题,给出了一种基于快速线性加权机器学习融合模型和NSGA-Ⅱ算法的多目标优化算法,使用此算法对布线参数进行优化,得到了高质量的布局方案,并对所提方法的有效性进行了验证。(5)开发出了一套基于UG二次开发的线缆自动布局系统。该系统首先能够读取布线空间的几何模型和自动匹配线缆连接关系,进行路径的获取、拟合和优化,得到最优路径;然后能够进行线缆布线规则自动检查,并输出检查结果和相关检查数据;最后能自动得到线缆的展开图和明细表,为后续的线缆生产加工和装配提供便利,从而有效提升布线质量和布线的效率。