基于动态代理模型的水下潜航器多学科设计优化方法技术

本发明专利技术涉及一种基于动态代理模型的水下潜航器多学科设计优化方法，包括：选择最小化置信下限准则和SMOTE算法作为动态代理模型的样本点更新策略；构建动态代理模型的优化流程；实现水下潜航器的多学科设计优化。该方法有利于提高水下潜航器设计优化的效率和质量。有利于提高水下潜航器设计优化的效率和质量。有利于提高水下潜航器设计优化的效率和质量。

【技术实现步骤摘要】
基于动态代理模型的水下潜航器多学科设计优化方法


[0001]本专利技术涉及水下潜航器设计领域，具体涉及一种基于动态代理模型的水下潜航器多学科设计优化方法。

技术介绍

[0002]水下潜航器作为深海探测作业、维护与开发的专业工具，在人类探索和开发海洋的活动中发挥了重要作用。
[0003]传统水下潜航器遵循串行单学科设计理念，这种方法人为地割裂了各学科之间的耦合性，容易造成全局最优解的丢失。同时该设计理念不能很好地利用方案设计阶段设计自由度高的优点，存在设计效率低，设计质量不高的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于动态代理模型的水下潜航器多学科设计优化方法，该方法有利于提高水下潜航器设计优化的效率和质量。
[0005]为了实现上述目的，本专利技术采用的技术方案是：一种基于动态代理模型的水下潜航器多学科设计优化方法，包括：
[0006]选择最小化置信下限准则和SMOTE算法作为动态代理模型的样本点更新策略；
[0007]构建动态代理模型的优化流程；
[0008]实现水下潜航器的多学科设计优化。
[0009]进一步地，选择最小化置信下限准则和SMOTE算法作为动态代理模型的样本点更新策略的具体实现方法为：
[0010]最小化置信下限准则即为最小化以下的置信下限准则的目标函数f
lcb
(x)：
[0011][0012]式中，表示动态代理模型预测值，b为平衡常数，σ(x)为预测的标准差；
[0013]基于自适应策略选择平衡常数，原则如下：
[0014][0015]式中，min x
d
为现有样本点中的最小欧式距离，α为预测值与目标真值之间的误差；
[0016]在置信下限准则下，使用SMOTE算法来获得更新的采样点：对得到的数据集中的少数样本{x
m
}中的样本点，假设该样本点有L个近邻，则从L个近邻中通过随机选取的方式抽取N个样本在x
i
与之间进行插值生成新样本，计算公式如下：
[0017][0018]基于SMOTE算法和置信下限准则所构建的动态代理模型，每完成一次迭代优化，就将得到的最优解作为中心，根据置信下限准则确定近邻范围，随机选择近邻内样本进行插值生成新样本点；假设在优化过程中，目标函数在第k次优化中的最优解的增量为p
k
，则目标在第k次优化中的实际下降值为：
[0019]Ared
k
＝f(x
k
)
‑
f(x
k
+p
k
)
[0020]动态代理模型的下降值为：
[0021]Pred
k
＝m
k
(0)
‑
m
k
(p
k
)
[0022]计算动态代理模型与真实模型的近似程度：
[0023][0024]r
k
如果越接近1，说明动态代理模型的拟合效果越好，在这种情况下减少参考的近邻数L，增加新生成的样本数N，增强其局部搜索能力；反之，则增加最优解附近参考的近邻数L，减少新生成的样本数N，与最小化置信下限结合，增强其全局搜索能力。
[0025]进一步地，构建动态代理模型的优化流程的具体实现方法为：
[0026]将一个带约束的优化问题描述如下：
[0027]Find x＝[x1,x2,
…
,x
n
]T
[0028]Min y(x)
[0029]S.T.g
i
(x)≤0 i＝1,2,
…
,l
[0030]h
j
(x)＝0 j＝1,2,
…
,s
[0031]x
L
≤x
U
[0032]式中，设计变量的数量由x＝[x1,x2,
…
,x
n
]T
中的n表示，上下限由x
L
≤x
U
中的x
U
以及x
L
表示；
[0033]所述动态代理模型优化过程中的目标函数采用置信下限准则，约束采用真实模型约束，数学模型总结如下：
[0034]Find x＝[x1,x2,
…
,x
n
]T
[0035]Min
[0036]S.T.g
i
(x)≤0 i＝1,2,
…
,l
[0037]h
j
(x)＝0 j＝1,2,
…
,s
[0038]x
L
≤x
U
[0039]式中，f
lcb
(x)为基于最小化置信下限的目标函数；k为迭代次数；
[0040]动态代理模型的优化过程包括以下步骤：
[0041](1)根据优化问题完成包括变量设置在内的初始化操作；采用最优拉丁超立方试验设计获取初始采样点；采用以下方法来确定初始采样点的数量：
[0042][0043]其中，n
v
表示设计变量的个数；
[0044](2)当k＝1时，计算初始采样点处的真值并保存；当k＞1时，通过SMOTE算法对采样点进行更新，计算新采样点的响应值并保存；
[0045](3)基于获得的样本点构造RBF代理模型，根据预测误差计算平衡常数；根据置信下限准则求解当前最优解x
k
和预测值
[0046](4)将第k次迭代过程中得到的最优解反馈到真实模型中，得到真实值y
k
，并将x
k
和y
k
进行保存；
[0047](5)判断收敛条件满足情况；当k＝1时自动转入步骤(6)；当k＞1时，将第k
‑
1次最优值与第k次最优值之间的相对误差作为收敛判据；如果满足，则结束优化，输出结果；若不满足，转到步骤(6)继续求解；
[0048](6)如果所求得的真值下降，即y(x
k
‑1)
‑
y(x
k
)＞0，则在本次迭代所求得的最优解x
k
附近搜索得到m个样本点，将这些样本点作为少数类样本点；如果真值没有得到下降，使用上一次迭代所得到的最优解x
k
‑1进行搜索；应用SMOTE算法进行随机插值，得到新样本点；根据动态代理模型与真实模型的近似程度计算公式计算的比率，相邻样本的数量L和生成倍率的数量N由下式确定：
[0049][0050]式中，L1,L2,N1,N2,r为常数；在此，生成倍率N被定义为添加的样本数量与相邻样本数量L之间的比率；因此，通过乘以L
i
和N
i
来确定添加的样本点的数量，即L
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态代理模型的水下潜航器多学科设计优化方法，其特征在于，包括：选择最小化置信下限准则和SMOTE算法作为动态代理模型的样本点更新策略；构建动态代理模型的优化流程；实现水下潜航器的多学科设计优化。2.根据权利要求1所述的基于动态代理模型的水下潜航器多学科设计优化方法，其特征在于，选择最小化置信下限准则和SMOTE算法作为动态代理模型的样本点更新策略的具体实现方法为：最小化置信下限准则即为最小化以下的置信下限准则的目标函数f
lcb
(x)：式中，表示动态代理模型预测值，b为平衡常数，σ(x)为预测的标准差；基于自适应策略选择平衡常数，原则如下：式中，minx
d
为现有样本点中的最小欧式距离，α为预测值与目标真值之间的误差；在置信下限准则下，使用SMOTE算法来获得更新的采样点：对得到的数据集中的少数样本{x
m
}中的样本点，假设该样本点有L个近邻，则从L个近邻中通过随机选取的方式抽取N个样本在x
i
与之间进行插值生成新样本，计算公式如下：基于SMOTE算法和置信下限准则所构建的动态代理模型，每完成一次迭代优化，就将得到的最优解作为中心，根据置信下限准则确定近邻范围，随机选择近邻内样本进行插值生成新样本点；假设在优化过程中，目标函数在第k次优化中的最优解的增量为p
k
，则目标在第k次优化中的实际下降值为：Ared
k
＝f(x
k
)
‑
f(x
k
+p
k
)动态代理模型的下降值为：Pred
k
＝m
k
(0)
‑
m
k
(p
k
)计算动态代理模型与真实模型的近似程度：r
k
如果越接近1，说明动态代理模型的拟合效果越好，在这种情况下减少参考的近邻数L，增加新生成的样本数N，增强其局部搜索能力；反之，则增加最优解附近参考的近邻数L，减少新生成的样本数N，与最小化置信下限结合，增强其全局搜索能力。3.根据权利要求1所述的基于动态代理模型的水下潜航器多学科设计优化方法，其特征在于，构建动态代理模型的优化流程的具体实现方法为：将一个带约束的优化问题描述如下：Find x＝[x1,x2,
…
,x
n
]
T
Min y(x)
S.T.g
i
(x)≤0i＝1,2,
…
,lh
j
(x)＝0j＝1,2,
…
,sx
L
≤x
U
式中，设计变量的数量由x＝[x1,x2,
…
,x
n
]
T
中的n表示，上下限由x
L
≤x
U
中的x
U
以及x
L
表示；所述动态代理模型优化过程中的目标函数采用置信下限准则，约束采用真实模型约束，数学模型总结如下：Find x＝[x1,x2,
…
,x
n
]
T
S.T.g
i
(x)≤0i＝1,2,
…
,lh
j
(x)＝0j＝1,2,
…
,sx
L
≤x
U
式中，f
lcb
(x)为基于最小化置信下限的目标函数；k为迭代次数；动态代理模型的优化过程包括以下步骤：(1)根据优化问题完成包括变量设置在内的初始化...

【专利技术属性】
技术研发人员：罗伟林，郑兴圣，潘伟锋，
申请(专利权)人：福州大学，
类型：发明
国别省市：