基于代理模型链的复杂装备设计决策空间探索方法技术

本发明专利技术公开了一种基于代理模型链的复杂装备设计决策空间探索方法。本发明专利技术首先将设计阶段分层，实现决策空间维度的降低；然后通过高斯过程分别构建了各设计阶段的代理模型，再根据多阶段的变量传递特征将各阶段代理模型进行了连接，形成了能够表征不确定性的代理模型链；接着基于高斯过程的局部灵敏度分析选取出重要设计参数；最后基于选取的重要设计参数重构各阶段的代理模型，更新代理模型链；最后对决策空间进行动态探索，并基于此实现快速优化求解。本发明专利技术方法适用于拦截弹、无人机、无人车等复杂装备设计系统，具有较高的模型可靠性和较强的全局和局部空间搜索能力，能够快速给出满足指标要求的设计方案。出满足指标要求的设计方案。出满足指标要求的设计方案。

【技术实现步骤摘要】
基于代理模型链的复杂装备设计决策空间探索方法


[0001]本专利技术涉及设计决策空间探索
，具体涉及一种基于代理模型链的复杂装备设计决策空间探索方法。

技术介绍

[0002]复杂装备的设计过程通常包括多个串行或者串并行的阶段，简称为多阶段设计过程。在多阶段设计过程中，每个阶段都受前一个阶段的影响，同时又影响下一个阶段，这种复杂的结构使得装备设计难以优化。与单阶段相比，多阶段设计过程关系模型更复杂、变量更多、参数优化难度更高。所以复杂装备的设计过程中存在着模型复杂、变量多、求解慢等问题，这也导致设计决策空间探索极其困难。
[0003]以拦截弹为例，拦截弹的优化设计问题呈现着高维度、高复杂度这2大特征，如图1所示。若干研究已经表明，当处理高维度的多学科优化设计问题时，应该更小心仔细地解决如何对设计决策空间(由超多设计变量组成)进行有效探索的问题。设计决策空间探索是指在真正实施方案前探索设计方案，提前对高维设计决策空间进行有效探索不但能够大大缩短拦截弹产品的研发时间，也能够让接下来的设计优化工作事半功倍。
[0004]在拦截弹设计的初始阶段，进行设计空间探索研究并根据给定的标准评估设计解决方案是至关重要的。由于拦截弹设计变量多，设计输入维数较高，所以设计空间十分庞大，如何从庞大设计空间中快速找出满足条件的设计结构，成为了国内外研究者们关心的问题。在拦截弹的设计领域中，存在多个学科、多个阶段、多个目标的设计，这种存在高维、非线性的设计特征，在设计过程中需要大量的实验或仿真计算来评估获取初步方案。为了缩短多阶段产品的设计周期，降低设计成本，解决方法之一是使用代理模型替代计算机仿真，再采用优化算法获得最佳方案。与计算机仿真相比，代理模型计算成本低，计算时间短。但是由于拦截弹设计变量多带来的维度高问题使得设计空间巨大，已有的数据少，无法构建高精度的代理模型。
[0005]同时由于拦截弹的高维设计空间是由离散变量与连续变量共同交织而成的拓扑结构复杂的空间，利用现有的设计优化方法在如此高维并且拓扑结构复杂的设计空间中，搜索效率大幅减低，搜索准确性也难以保证。因此如何合理表征复杂装备多学科设计空间并进行设计空间的简化(删除无效设计空间)，是加快最优设计方案搜索前提基础。但如何有效合理地进行空间表征和约简仍有待探索。而现有高维优化设计方法在设计空间搜索过程中存在着专家依赖性强(特异性强)、搜索效率低、搜索速度慢等问题，利用现有优化算法(空间搜索算法)仍然未直接应用于解决拦截弹的决策空间探索问题。因此，必须研究一种新的决策空间探索方法，同时解决设计优化过程中快速搜索与陷入局部最优的问题，才能实现研制周期缩短，成本降低。只有通过对高维设计决策空间的不断动态探索才能对空间逐步进行综合的评价。

技术实现思路

[0006]有鉴于此，本专利技术提供了一种基于代理模型链的复杂装备设计决策空间探索方法，首先将设计阶段分层，实现决策空间维度的降低，维度降低后数据量就能相对上升；然后通过高斯过程分别构建了各设计阶段的代理模型，再根据多阶段的变量传递特征将各阶段代理模型进行了连接，形成了能够表征不确定性的代理模型链；然后通过高斯过程求导计算了各参数的局部灵敏度，初步识别重要参数，同时使用Morris法和Sobol法分析全局灵敏度，验证筛选重要参数。最后筛除三种方法均认为无影响的参数，分别更新各阶段的代理模型，重构代理模型链，实现设计过程的整体建模；最后对决策空间进行动态探索，并基于此实现快速优化求解。本专利技术方法适用于拦截弹、无人机、无人车等复杂装备设计系统，具有较高的模型可靠性和较强的全局和局部空间搜索能力，能够快速给出满足指标要求的设计方案。
[0007]本专利技术的基于代理模型链的复杂装备决策空间探索方法，包括：
[0008]步骤1，基于复杂装备的多阶段设计过程划分，分别构建各设计阶段的高斯过程代理模型，再根据多阶段设计过程的变量传递特征将各设计阶段的代理模型进行连接，形成基于高斯过程的代理模型链；
[0009]步骤2，进行复杂装备设计空间中各设计变量的基于高斯过程的局部灵敏度分析，具体为：
[0010]针对各设计变量，基于训练集数据，求取该设计变量训练数据在某设计阶段高斯过程代理模型的梯度，所述梯度即为该设计变量在该设计阶段的该训练数据的局部灵敏度；
[0011]该设计变量在该设计阶段的所有训练数据的局部灵敏度的变化范围区间大小，表征该设计变量在该设计阶段的重要程度；
[0012]步骤3，针对各设计阶段，将该设计阶段中的各设计变量按重要程度由大到小进行排序，选取排序靠前的设计变量作为该设计阶段的重要设计参数；基于重要设计参数，按照步骤1的方式重新构建新的该设计阶段的高斯过程代理模型，并更新代理模型链；
[0013]步骤4，在步骤3更新后的代理模型链的基础上，对复杂装备的设计决策空间进行探索。
[0014]较优的，所述步骤1中，基于高斯过程的代理模型链的构建方法如下：
[0015]S1，针对复杂装备各设计阶段，构建该设计阶段的满足高斯过程的代理模型；具体为：
[0016]S11，根据本设计阶段涉及的设计参数，构建训练集数据，构建训练集数据的均值函数和协方差函数，组成核函数；所述训练集数据为复杂装备本设计阶段涉及的设计参数数据；
[0017]S12，设置核函数中超参数的初始值；
[0018]S13，根据核函数和超参数确定先验分布后，基于S11的训练集数据，利用优化边际似然的方式来训练高斯过程代理模型，获取最优超参数，确定后验分布；
[0019]S14，基于S13训练后的高斯过程代理模型，获取给定测试集数据的预测均值、方差；
[0020]S15，计算预测均值、方差；如果结果的精度和不确定性不满足要求，则重新采样获
取新的训练数据，返回S13并重新训练高斯过程代理模型，直至满足要求，得到本设计阶段对应的高斯过程代理模型；
[0021]S2，构建高斯过程代理模型链；具体为：梳理S1获得的各设计阶段对应的高斯过程代理模型的中间变量，将各设计阶段代理模型连接起来，形成代理模型链，实现给定输入数据完成所有阶段输出性能的一体化预测，给出预测值的均值、方差和置信区间。
[0022]较优的，所述S11中，训练集数据获取方法如下：
[0023]首先通过使用计算试验设计方法在初始设计空间内获取样本点，然后调用仿真软件获取初始或新增样本点处性能指标的真实响应值，形成训练集数据。
[0024]较优的，所述复杂装备为拦截弹，拦截弹的设计参数包括：马赫数Ma、攻角α，高度h，滚转角舵偏角DEL、姿控喷流压力比p
zj
和姿轨控喷流压力比p
zgj
。
[0025]较优的，所述S12中，均值函数的初始值设为0，协方差函数的初始值设为0～1之间的随机值。
[0026]较优的，所述S15中，采用平均绝对误差和平均相对误差检验精度；采用真值概率和标准差检验不确定性。
[0027]较优的，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于代理模型链的复杂装备设计决策空间探索方法，其特征在于，包括：步骤1，基于复杂装备的多阶段设计过程划分，分别构建各设计阶段的高斯过程代理模型，再根据多阶段设计过程的变量传递特征将各设计阶段的代理模型进行连接，形成基于高斯过程的代理模型链；步骤2，进行复杂装备设计空间中各设计变量的基于高斯过程的局部灵敏度分析，具体为：针对各设计变量，基于训练集数据，求取该设计变量训练数据在某设计阶段高斯过程代理模型的梯度，所述梯度即为该设计变量在该设计阶段的该训练数据的局部灵敏度；该设计变量在该设计阶段的所有训练数据的局部灵敏度的变化范围区间大小，表征该设计变量在该设计阶段的重要程度；步骤3，针对各设计阶段，将该设计阶段中的各设计变量按重要程度由大到小进行排序，选取排序靠前的设计变量作为该设计阶段的重要设计参数；基于重要设计参数，按照步骤1的方式重新构建新的该设计阶段的高斯过程代理模型，并更新代理模型链；步骤4，在步骤3更新后的代理模型链的基础上，对复杂装备的设计决策空间进行探索。2.如权利要求1所述的方法，其特征在于，所述步骤1中，基于高斯过程的代理模型链的构建方法如下：S1，针对复杂装备各设计阶段，构建该设计阶段的满足高斯过程的代理模型；具体为：S11，根据本设计阶段涉及的设计参数，构建训练集数据，构建训练集数据的均值函数和协方差函数，组成核函数；所述训练集数据为复杂装备本设计阶段涉及的设计参数数据；S12，设置核函数中超参数的初始值；S13，根据核函数和超参数确定先验分布后，基于S11的训练集数据，利用优化边际似然的方式来训练高斯过程代理模型，获取最优超参数，确定后验分布；S14，基于S13训练后的高斯过程代理模型，...

【专利技术属性】
技术研发人员：郝佳，李作轩，贾良跃，王国新，阎艳，明振军，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：