论文部分内容阅读
随着社会的发展,各行各业对产品设计效率的需求愈见明显。然而,对于复杂系统或者复杂产品的设计过程,利用传统的CAD/CAE技术分析设计,需要昂贵的计算成本,很难快速得到最优的工程解,并且无法做到开放、可定制以及模块化。在此背景下,计算机辅助设计优化(Computer Assistant Optimization, CAO)成为复杂产品设计新的研究方向。实践证明,该技术可应用于众多工程领域,能够融合多种设计策略,提升产品性能和质量,从而满足用户的设计优化需求,缩短产品研制周期。然而,设计者如何构建完整地设计流程?如何对设计中的技术要点进行选择?如何根据自己需求对设计流程中所需要的技术要点进行定制或集成?针对上述问题,本课题以中央高校基金和兵器工业集团某所的军工项目为背景,研究了3种代理模型以及代理模型构建中包含的关键性技术；给出一种改进的基于高斯变异的混合萤火虫算法(GHFA);基于以上研究,为了能够系统化的应用研究成果,对当前应用较为广泛的CAO软件Isight进行了二次开发,引入了本文所给出的GHFA优化方法,在此基础上给出了一种基于代理模型的萤火虫优化设计方法,经3个不同类型的机械设计问题验证,均得到了较好的设计效果。文章的内容大致分为以下几个方面：(1)在代理模型方面,本文研究了3种代理模型的建模机理和适用性问题。对比分析了模型建立过程中所涉及的不同的样本点选取方法,给出了利用代理模型进行预测分析的一般过程,以CEC2014的4个测试函数为例,遴选交叉验证的误差分析方法,讨论了三种代理模型的适用性问题以及不同条件下的性能指标,为代理模型的选取提供了依据。(2) 在优化方法方面,针对标准萤火虫算法(FA)早熟、局部搜索能力差等确定,给出一种基于高斯变异的混合萤火虫(GHFA)优化方法。选用4个benchmark函数对比分析了GHFA、标准遗传算法(GA)以及FA的计算性能,结果表明GHFA寻优能力更为突出,并且能够快速收敛,防止早熟现象。然后经行星轮设计实例验证,分析了不同种群数算法的寻优性能。(3)基于以上研究成果,对Isight进行了二次开发,引入本文中所给出的GHFA优化方法,给出了基于不同代理模型的萤火虫优化设计一般流程,以本文所研究的三种代理模型技术,分析了3个机械设计实例,显示了其可行性。本文以Isight作为设计研究平台,为了系统化应用在代理模型及优化方法方面的研究成果,采用二次开发的方式,进行了用户功能定制,将代理模型技术与萤火虫优化方法相结合,给出了一般优化设计流程,解决了3个不同机械设计问题,为多样化的CAO方法提供帮助,利于工程应用。