程吉,魏海鹏,林毅,刘华坪,舒乐时,周奇,蒋平*
1 华中科技大学 机械科学与工程学院,湖北 武汉 430074
2 华中科技大学 航空航天学院,湖北 武汉 430074
3 中国运载火箭技术研究院,北京 100076
4 华中科技大学 数字制造装备与技术国家重点实验室,湖北 武汉 430074
为了提高复杂工程产品(例如飞机、轮船、汽车等)的设计质量及设计效率,代理模型(又称近似模型或元模型)已被广泛用于基于实验或数值仿真的设计优化中,以替代昂贵的实验或仿真模型来降低计算成本[1]。在基于代理模型的设计优化中,分析模型的精度对优化设计过程及结果至关重要。采用高精度分析模型进行优化设计时,构建满足精度要求的代理模型需要大量计算昂贵的高精度样本点,导致优化过程所需的计算时间过长;而采用低精度分析模型进行优化设计时,虽能够显著降低建模成本[2],但可能会导致最后得到失效的优化解。
为解决优化设计中高/低精度分析模型之间的矛盾问题,变可信度代理模型应运而生。变可信度代理模型通过低精度样本点降低设计成本,同时采用少量的高精度样本点来矫正相对高精度模型间的偏差,使其能够在减少计算成本的同时保证模型的精度[3]。将变可信度代理模型与高效全局优化(efficient global optimization, EGO)方法结合用于设计优化时,在优化过程中需要同时确定序贯更新样本点的位置和模型精度层级。为此,Huang 等[4]提出了一种Co-Kriging 模型辅助的EGO 方法,通过采用增强期望改善(augmented expected improvement, AEI)准则来同时确定更新样本的位置和精度层级。……