随机与区间不确定下基于近似灵敏度的序列多学科可靠性设计优化

为解决复杂系统多学科可靠性设计优化过程中由于存在多源不确定性和多层嵌套而导致的计算效率低的问题,将近似灵敏度技术与两级集成系统综合策略(Bi-level integrated system synthesis,BLISS)和功能测度法集成,提出一种能同时处理随机和区间不确定性的序列化多学科可靠性设计优化方法。基于概率论和凸模型对混合不确定性进行量化,提出一种随机和区间不确定性下的混合可靠性评价指标,并基于功能测度法建立多学科可靠性设计优化模型。采用近似灵敏度信息替代实际灵敏度值,将近似灵敏度技术同时嵌入多级多学科设计优化策略和多学科可靠性分析方法中,避免每轮循环都进行全局灵敏度信息的分析与迭代,提高了计算效率。基于序列化思想同时将四层嵌套的多学科可靠性设计优化循环和三层嵌套的多学科可靠性分析过程进行解耦,形成一个单循环顺序执行的多学科可靠性设计优化过程,避免了每轮循环对整个可靠性分析模型进行迭代分析的过程,减少灵敏度分析和多学科分析次数。以汽车侧撞工程设计为例,验证了该法具有同时处理随机和区间不确定性的能力,并且计算效率较传统方法分别提高了10.98%和23.63%,表明该法具有一定工程实用价值。

基于近似技术的序列化多学科可靠性设计优化

为提高多学科可靠性设计优化的计算效率,集成近似技术与解耦思想,提出一种基于近似并行子空间优化策略(ACSSO)和角度更新功能测度法的序列化多学科可靠性设计优化方法。基于解耦思想将其分解为确定性多学科优化与可靠性分析顺序执行的过程,避免每次优化对整个可靠性模型的反复计算。提出基于ACSSO策略进行确定性多学科设计优化,采用近似灵敏度信息替代实际灵敏度值,仅计算灵敏项构建全局灵敏度方程,避免了每轮都对学科级和系统级灵敏度信息的计算。基于角度更新策略对功能测度法进行改进,以极限状态函数的搜索角度值替代函数值进行可靠性评估,减少了耦合状态变量与多学科分析次数。以汽车侧撞工程设计为实例,验证了所提方法的有效性及工程实用价值。

集成BLISCO和iPMA的多学科可靠性设计优化

为解决传统的基于可靠性的多学科设计优化(RBMDO)由于存在优化过程多层嵌套、多学科分析和可靠性分析反复迭代而导致的低效率问题,提出集成两级集成系统协同优化(BLISCO)策略和改进功能测度法(iPMA)的多学科可靠性设计优化方法。首先,基于序列化思想将多学科可靠性设计优化解耦,避免了每次多学科设计优化(MDO)对完整可靠性分析模型的反复调用与迭代。其次,采用高效的更适合复杂工程组织形式的BLISCO策略进行确定性多学科设计优化,摒弃了协同优化的一致性约束和两级集成系统综合法的复杂分析和近似建模问题,提高了计算效率。然后,基于角度更新策略对功能测度法(PMA)进行改进,采用更新角度替代极限状态函数值进行可靠性分析与判别,减少了多学科可靠性分析次数。最后,结合某机型起落架的缓冲器设计实例对所提方法进行验证,结果表明该方法的计算效率较其他方法分别提高了30.93%和19.97%,验证了方法的有效性,且具有工程实用价值。