車輛多學(xué)科設(shè)計優(yōu)化方法

第１ 章　緒論 001
１．１　車輛多學(xué)科設(shè)計優(yōu)化的形成動因　002
１．１．１　車輛設(shè)計工作的復(fù)雜性本質(zhì)　002
１．１．２　汽車設(shè)計開發(fā)技術(shù)及理念新態(tài)勢　002
１．２　什么是“ 多學(xué)科設(shè)計優(yōu)化”　005
１．２．１　MDO 的基本概念　005
１．２．２　MDO 在產(chǎn)品開發(fā)中的作用　008
１．３　多學(xué)科設(shè)計優(yōu)化的主要研究內(nèi)容　010
１．３．１　復(fù)雜系統(tǒng)的分解與協(xié)調(diào)　011
１．３．２　MDO 方法　012
１．３．３　復(fù)雜系統(tǒng)建?！?13
１．３．４　靈敏度分析　013
１．３．５　近似建?！?14
１．３．６　優(yōu)化算法　015
１．３．７　集成設(shè)計系統(tǒng)　015
１．４　MDO 與車輛工程結(jié)合的典型形式　017
１．５　MDO 在車輛工程應(yīng)用中的挑戰(zhàn)與趨勢　020
１．５．１　面臨的挑戰(zhàn)　020
１．５．２　發(fā)展趨勢　022
參考文獻(xiàn)　023
第２　章 多學(xué)科設(shè)計優(yōu)化方法體系　027
２．１　多學(xué)科設(shè)計優(yōu)化技術(shù)中優(yōu)化方法與優(yōu)化算法的區(qū)別　028
２．２　多學(xué)科設(shè)計優(yōu)化方法的研究著眼點(diǎn)　029
２．３　多學(xué)科設(shè)計優(yōu)化方法的分類　030
２．４　多學(xué)科可行法　031
２．４．１　MDF法的基本思想　031
２．４．２　多學(xué)科分析　034
２．４．３　MDF法的特點(diǎn)　037
２．４．４　MDF法算例　038
２．４．５　MDF法的編程實(shí)現(xiàn)　039
２．５　單學(xué)科可行法　044
２．５．１　IDF法的基本思想　044
２．５．２　IDF法的特點(diǎn)　046
２．５．３　IDF法算例　046
２．５．４　IDF法的編程實(shí)現(xiàn)　047
２．６　一致性優(yōu)化法　051
２．６．１　AAO 法的基本思想　051
２．６．２　AAO 法的特點(diǎn)　053
２．６．３　AAO 法算例　053
２．６．４　AAO 法的編程實(shí)現(xiàn)　054
２．７　并行子空間優(yōu)化法　057
２．７．１　CSSO 法的基本思想　057
２．７．２　CSSO 法的特點(diǎn)　062
２．７．３　CSSO 法算例　063
２．８　協(xié)同優(yōu)化法　066
２．８．１　CO 法的基本思想　066
２．８．２　CO 法的特點(diǎn)　069
２．８．３　CO 法算例　070
２．８．４　CO 法的編程實(shí)現(xiàn)　071
２．９　兩級集成系統(tǒng)綜合法　078
２．９．１　BLISS法的基本思想　079
２．９．２　BLISS法的特點(diǎn)　082
２．９．３　BLISS法的改進(jìn)　082
２．９．４　BLISS２０００方法簡介　084
２．９．５　BLISS法算例　086
２．１０　目標(biāo)分流法　092
２．１０．１　ATC法的基本思想　093
２．１０．２　ATC法的特點(diǎn)　097
２．１０．３　ATC法的編程實(shí)現(xiàn)　098
參考文獻(xiàn)　106
第３　章 多學(xué)科設(shè)計優(yōu)化建模　110
３．１　復(fù)雜系統(tǒng)的分解方法　111
３．１．１　基于分解的設(shè)計優(yōu)化　111
３．１．２　學(xué)科的定義及劃分原則　112
３．１．３　復(fù)雜系統(tǒng)的分解方法　113
３．１．４　設(shè)計結(jié)構(gòu)矩陣方法　114
３．１．５　函數(shù)關(guān)系矩陣方法　121
３．１．６　超圖方法　131
３．１．７　MDO 分解基本原則　134
３．２　協(xié)調(diào)策略　135
３．３　變復(fù)雜度建?！?38
３．４　不確定性建模　140
３．４．１　不確定性的來源　140
３．４．２　不確定性建模方法　141
３．４．３　不確定性傳播方法　142
３．４．４　不確定性優(yōu)化設(shè)計　154
３．４．５　不確定性多學(xué)科設(shè)計優(yōu)化建?！?57
參考文獻(xiàn)　159
第４　章 靈敏度分析技術(shù)　162
４．１　靈敏度分析的概念　163
４．２　單學(xué)科靈敏度分析　165
４．２．１　單學(xué)科靈敏度分析簡介　165
４．２．２　手工求導(dǎo)方法　166
４．２．３　符號微分方法　166
４．２．４　有限差分方法　166
４．２．５　自動微分方法　168
４．２．６　復(fù)變量方法　174
４．２．７　解析方法　176
４．２．８　其他方法　178
４．３　多學(xué)科靈敏度分析　180
４．３．１　多學(xué)科靈敏度分析簡介　180
４．３．２　最優(yōu)靈敏度分析方法　181
４．３．３　全局靈敏度分析方法　184
４．３．４　滯后耦合伴隨方法　187
參考文獻(xiàn)　188
第５　章 近似模型技術(shù)　189
５．１　近似模型基礎(chǔ)　190
５．１．１　基本概念　190
５．１．２　近似模型的需求背景　190
５．１．３　近似建模的基本思想　191
５．１．４　近似模型的基本構(gòu)建過程　192
５．２　試驗(yàn)設(shè)計方法　193
５．２．１　全因子試驗(yàn)設(shè)計方法　194
５．２．２　部分因子試驗(yàn)設(shè)計方法　194
５．２．３　中心組合設(shè)計方法　194
５．２．４　蒙特卡羅法　194
５．２．５　正交試驗(yàn)設(shè)計方法　195
５．２．６　拉丁方設(shè)計方法　196
５．３　近似模型的構(gòu)造方法　199
５．３．１　局部近似　199
５．３．２　中等范圍近似　200
５．３．３　全局近似　201
５．４　響應(yīng)面模型方法　202
５．５　移動最小二乘響應(yīng)面法　205
５．６　Kriging模型法　210
５．７　人工神經(jīng)網(wǎng)絡(luò)模型法　214
５．７．１　BP神經(jīng)網(wǎng)絡(luò)　214
５．７．２　RBF神經(jīng)網(wǎng)絡(luò)　219
５．８　支持向量機(jī)法　222
５．９　近似模型預(yù)測精度的評價　225
５．９．１　誤差分析方法　225
５．９．２　近似能力評價方法　227
５．１０　近似模型的特點(diǎn)對比及適用性　228
５．１１　基于近似模型的MDO 方法　230
５．１２　電動汽車動力電池箱應(yīng)用實(shí)例　232
５．１２．１　電動汽車動力電池箱優(yōu)化問題　232
５．１２．２　最優(yōu)拉丁超立方采樣　237
５．１２．３　電池箱響應(yīng)面模型構(gòu)建　238
５．１２．４　電池箱徑向基模型構(gòu)建　244
５．１２．５　電池箱Kriging模型構(gòu)建　252
５．１２．６　近似模型分析對比　266
參考文獻(xiàn)　267
第６　章 多學(xué)科設(shè)計優(yōu)化求解策略　269
６．１　優(yōu)化算法概述　270
６．２　優(yōu)化算法的發(fā)展簡史　272
６．３　優(yōu)化算法的數(shù)學(xué)基礎(chǔ)　281
６．３．１　函數(shù)的方向?qū)?shù)與梯度　281
６．３．２　多元函數(shù)的泰勒展開　284
６．３．３　多元函數(shù)的極值條件及其凸性　286
６．３．４　無約束問題的極值條件　289
６．３．５　約束問題的極值條件　289
６．４　經(jīng)典優(yōu)化算法　293
６．４．１　線性搜索法　293
６．４．２　最速下降法　296
６．４．３　牛頓法　298
６．４．４　擬牛頓法　301
６．４．５　鮑威爾法　305
６．４．６　單純形替換法　307
６．４．７　復(fù)合形法　310
６．４．８　可行方向法　315
６．４．９　拉格朗日乘子法　319
６．４．１０　序列二次規(guī)劃法　321
６．５　智能優(yōu)化算法　325
６．５．１　遺傳算法　325
６．５．２　模擬退火算法　330
６．５．３　蟻群優(yōu)化算法　335
６．５．４　禁忌搜索算法　342
６．５．５　粒子群算法　344
６．６　優(yōu)化算法的組合策略　347
參考文獻(xiàn)　348
第７　章 多目標(biāo)優(yōu)化方法　350
７．１　多目標(biāo)優(yōu)化與多學(xué)科設(shè)計優(yōu)化的關(guān)系　351
７．１．１　多目標(biāo)優(yōu)化的特點(diǎn)　351
７．１．２　汽車開發(fā)多目標(biāo)優(yōu)化問題　353
７．１．３　多目標(biāo)優(yōu)化方法研究簡史　355
７．２　多目標(biāo)優(yōu)化的基本概念　358
７．２．１　主要術(shù)語的定義　358
７．２．２　多目標(biāo)優(yōu)化算法的評價標(biāo)準(zhǔn)　360
７．３　基于偏好的先驗(yàn)方法　363
７．３．１　加權(quán)和法　363
７．３．２　主要目標(biāo)法　365
７．３．３　理想點(diǎn)法　366
７．３．４　極大極小法　367
７．３．５　功效系數(shù)法　368
７．３．６　物理規(guī)劃法　371
７．４　基于偏好的后驗(yàn)方法　382
７．４．１　法線邊界正交法(NBI)　382
７．４．２　自適應(yīng)加權(quán)和法(AWS)　391
７．４．３　NC法　402
７．５　無偏好方法　407
７．５．１　多目標(biāo)遺傳算法　407
７．５．２　多目標(biāo)模擬退火算法　419
７．５．３　多目標(biāo)粒子群算法　426
７．６　汽車行駛動力學(xué)性能的多目標(biāo)優(yōu)化算例　433
７．６．１　問題背景　433
７．６．２　多目標(biāo)優(yōu)化問題建?！?34
７．６．３　多目標(biāo)優(yōu)化與結(jié)果分析　440
參考文獻(xiàn)　442
第８　章 工程應(yīng)用案例　445
８．１　汽車主動懸架系統(tǒng)優(yōu)化　446
８．１．１　車輛模型的建立　447
８．１．２　線性二次高斯控制算法　448
８．１．３　卡爾曼濾波算法　450
８．１．４　主動懸架MDF優(yōu)化　450
８．１．５　優(yōu)化結(jié)果及討論　454
８．２　插電式混合動力汽車動力系統(tǒng)優(yōu)化　459
８．２．１　駕駛員模型　459
８．２．２　整車控制器模型　461
８．２．３　發(fā)動機(jī)模型　461
８．２．４　主驅(qū)動電機(jī)模型　463
８．２．５　ISG電機(jī)模型　465
８．２．６　動力電池模型　466
８．２．７　行駛動力學(xué)模型　467
８．２．８　能量管理策略模型　469
８．２．９　整車參數(shù)及約束條件　469
８．２．１０　動力系統(tǒng)CO 優(yōu)化及優(yōu)化結(jié)果　470
８．３　汽車車身結(jié)構(gòu)正面抗撞性設(shè)計優(yōu)化　475
８．３．１　整車碰撞有限元分析模型的建立　475
８．３．２　有限元模型驗(yàn)證　477
８．３．３　近似模型的建立　481
８．３．４　基于CO 和近似模型的正面抗撞性優(yōu)化　483
８．３．５　優(yōu)化結(jié)果　488
參考文獻(xiàn)　490