模块化飞行器多学科集成设计平台研究

1、第 22卷第 10期 系统 仿 真 学 报 V ol. 22 No. 102010年 10月 Journal of System Simulation Oct., 2010 2311 模块化飞行器多学科集成设计平台研究龙 腾 , 刘 莉 , 朱华光 , 王嘉博(北京理工大学 宇航科学技术学院,北京 100081摘 要 :针对飞行器多学科设计优化 (MDO的特点和需求, 利用 ModelCenter 框架良好的过程集成能力和开放性, 对模块化飞行器多学科集成设计平台 (MOMIDEA的开发进行了研究。 给出了软 硬件配置方案,以文件封装、 Plug-in 、 VB 脚本和 Marco 等方式实现

2、了参数化几何模型、子系统 分析模型和 MDO 中各种算法的模块化集成。 通过应用实例验证了 MOMIDEA 的实用性,最后还 给出了以后研究的方向以进一步完善 MOMIDEA 的功能。关键词 :多学科设计优化;集成优化设计;平台;模块化; ModelCenter中图分类号 :V221 文献标识码 :A 文章编号:1004-731X (2010 10-2311-05Research of Modular Multidisciplinary IntegratedDesign Environment for AircraftsLONG Teng, LIU Li, ZHU Hua-guang, WAN

3、G Jia-bo(School of Aerospace Science and Engineering, Beijing Institute of Technology, Beijing 100081, ChinaAbstract: As to the features and needs of aircrafts multidisciplinary design optimization (MDO, development of MOdular Multidisciplinary Integrated Design Environment for Aircrafts (MOMIDEA wa

4、s researched through utilizing the good capability of process integration and opening architecture of ModelCenter framework. The hardware and software configuration of MOMIDEA was introduced. Moreover, parametric geometry models, subsystem analysis models and algorithms used in MDO were modularly in

5、tegrated with various approaches including Filewrapper, Plug-in, VB script, Marco and so on. The practicability of MOMIDEA was validated through two application cases. Finally, the research direction in the future was proposed in order to enhance the function of MOMIDEA.Key words: multidisciplinary

6、design optimization; integrated optimization design; environment; modular; ModelCenter引 言飞行器设计是一个复杂的系统工程,涉及气动、结构、 动力、隐身等多个子学科 1。为了探究各子学科之间的耦合 关系,缩短设计周期,提高设计质量,多学科设计优化 (Multidisciplinary Design Optimization, MDO在飞行器设计 领域得以越来越多的重视和应用1-2。经过 20多年的发展,MDO 的各项关键技术日趋成熟。 MDO 框架 (平台 可以充 分利用现有的 MDO 技术和子学科分析模型进

7、行飞行器多学 科设计优化,有利于提高设计效率。广大的 MDO 研究工作 者和工业界也对 MDO 框架表现出强烈的需求意愿 2-3。对 AIAA 数据库中所发表论文的统计 (如图 1 表明, 国际上对多 学科设计平台的的研究热度逐年升温。 ModelCenter 、 iSight 、 AML 和 VisualDOC 等为代表的通用 MDO 商业框架逐步在 MDO 研究、应用领域得以推广。文献 4对 MDO 框架的发 展历史进行了较详细的总结和对比研究, 此外文献 5-6也都 对多学科设计平台研发进行了研究。本文从 MDO 的特点出发,折衷考虑实现难度、功能扩 展和可靠性等诸多方面, 提出了一种模

8、块化飞行器多学科集 成设计平台(MOdular Multidisciplinary Integrated Design收稿日期:2008-11-06 修回日期:2009-01-06作者简介:龙腾 (1982-, 男 , 重庆人 , 博士 , 讲师,研究方向为飞行器总 体设计、 多学科设计优化理论与应用; 刘莉 (1964-, 女 , 辽宁沈阳人 , 博 士 , 教授 , 研究方向为飞行器总体设计、结构设计。Environment for Aircraft, MOMIDEA方案。在该平台中实 现了 MDO 中各项关键技术的集成。 最后通过应用实例验证 了平台的实用性。图 1 MDO平台相关论文统

9、计结果1 方案选择多学科集成设计平台是一套支持多学科集成、 运行和通 信的硬件和软件体系 , 具有模型建立、软件(商业软件与自 编程序集成、分析处理、设计空间探索、数据管理、人机 交互等功能。 多学科集成设计平台的研究和应用对于提高多 学科设计优化的效率具有积极的意义 1-3。目前,对于多学 科集成设计平台的研发有两种方案。其一是完全自主研发,2010年 10月 系统 仿 真 学 报 Oct., 2010 2312 其二是在商业通用 MDO 框架基础上研发。自主研发可以按照设计需求定制相关功能 , 开放性强, 更灵活。 文献 5就采用了这种方案。 然而, 由于多学科集成 设计平台是一个复杂的系

10、统工程,涉及飞行器设计、数学、 优化、计算技术、计算机软硬件技术等多个领域。自主研发 存在软件编程工作量大,稳定性和可靠性难以保证等缺陷。相反,商业通用 MDO 框架提供了基本的软件框架,经 过了大量软件测试, 并且在工业界得以成功应用, 稳定性和 可靠性更高。 但是, 任何一款商业框架都存在自身的弱点 4, 为了使其更适用于飞行器多学科设计优化, 需要有针对性的 对其进行二次开发。 NASA 就采用这种方案针对 RLV 基于 ModelCenter 开发了 AEE 多学科设计平台 6。本 文 选 择 具 有 良 好 的 开 放 性 和 过 程 集 成 能 力 的 ModelCenter 13

11、作为基准框架开发模块化多学科集成设计平 台。2 软硬件配置2.1 硬件配置采用 LAN 分布式计算环境,由一台主控计算机、一台 数据库服务器、多台分析服务器和一套高性能计算 (HPC集 群组成,通过网络交换机实现机器互联 , 如图 2所示。其中 主控机用于系统级建模、 分析和优化; 数据库服务器用于存 储优化设计过程的各种数据; 分析服务器用于一般的子系统 分析; HPC 集群用于分析计算量庞大的高精度模型 (如 CFD/FEA等 以提高设计效率。中 央 数 据 库 服 务 器图 2 MOMIDEA的软硬件配置框图为了避免计算中网络传输速度对计算性能的制约, 同时 考虑到构建成本,采用光纤网络

12、连接各节点 (计算节点和主 控节点 。计算节点对 CPU 处理速度和内存要求较高,因此 使用高性能服务器;主控节点主要用于数据存储和流程调 度,对计算能力要求不高,因此使用海量存储服务器。由于 HPC 集群与平台其他学科的数据交互仅限于分析结果数据 和调度信息, 数据传输量较少, 因此使用 100M/1000M以太 网能够满足性能要求。在平台中 HPC 集群可整体视为子系 统分析服务器使用。2.2 软件配置主要包括以下几方面:ModelCenter 框架、飞行器各学 科商业软件、自编程序等。各学科商业软件主要包括:CAD 软件 (CATIA、 CFD 软件 (Fluent、 FEA 软件 (N

13、astran、 数学分析软件 (Matlab等。自编程序包括:飞行动力学仿真程序、导航解算程序、 操稳和飞行性能估算程序、 成本估算程序等。 上述程序的编 程语言没有限制,可以使用 C 、 C+、 FORTRAN 、 Java 等 常用计算机语言。3 子系统模型集成子系统模型是进行飞行器多学科设计优化的前提, 本文 通过文件封装 (FileWrapper13的方式实现子系统模型的模 块化集成。 封装好的分析模型发布到分布式网络中相应的分 析服务器上以供后续重复调用。3.1 参数化几何建模几何模型是进行 CFD 和 FEA 等高精度分析的基础。 优 化过程中设计参数需要反复修改,传统的图形化建模

14、效率 低下, 模型更新需要人工介入, 难以实现优化流程自动化。 参数化几何模型建立了设计参数和模型物理特征之间的关 系。优化过程中,一旦几何参数发生变化,参数化几何模 型将自动更新。这样可以实现优化流程自动化,提高优化 效率。MOMIDEA 中通过机翼和机身两个参数化模块描述任 意飞行器几何外形。 机翼可以通过翼型和机翼平面参数进行 描述。其中翼型参数化提供了形函数线性扰动叠加法 7和特 征参数描述 8两种方法。机身可以通过多个特征剖面形状和 样条曲线进行描述 9。优化设计过程中机翼、平尾、垂尾和 控制面都采用机翼参数化模块进行描述。将 CATIA 和 VB 脚本相结合实现参数化建模,如图 3

15、所示。几何参数保存在 EXCEL 电子表格中,优化设计过程 中通过 VB 脚本调用 CATIA 的 API 函数实现参数化模型的 更新和导出。 通过测试的参数化几何模型以文件封装的方式 实现模块化集成。 图 4给出了翼型和无人机 (UAV参数化几 何模型的实例。图 3 参数化几何模型实现框图2010年 10月 龙腾, 等:模块化飞行器多学科集成设计平台研究 Oct., 2010 2313 a 翼型参数化模型b UAV 参数化模型 图 4 参数化几何模型实例3.2 分析模型集成飞行器设计中各子系统分析模型包括高精度 CAE 分析 模型、 自编程序等。 通过文件封装协议可实现飞行器各子系 统分析模

16、型在 MOMIDEA 中的集成,如图 5所示。子系统 分析模型所需的输入参数按照预定格式以 ASCII 码的形式 保存在输入文件中, 执行分析模型时首先对输入文件进行解 析 , 读 入所 需 参数 , 然 后 以 批 处 理 的 方 式 在 后 台 调用 CAX/EXE等进行分析,计算结果存入输出文件中。图 5 文件封装示意图在分析服务器上发布的分析组件在设计过程中可视为 黑盒模型, 设计者只需输入模型参数即可获得分析结果。 目 前, 已经集成了 CAD 软件 (如 CATIA 、 CAE 软件 (如 Fluent 、 Gambit 、 MSC 系列软件 、 Matlab 、 自编 EXE 程

17、序 (如 C/C+, 从而实现了参数化几何模型、气动、结构、操稳、弹道等飞 行器 设 计中 常 用 子 学 科 分析 模型 的 模块 化 集 成 。 随 着 MOMIDEA 研究的不断深入,子系统分析模型还将更丰富。4 算法集成算法研究是飞行器多学科设计优化的重点, 合适的算法 可以提高优化设计的质量和效率。 MOMIDEA 研究中, 主要 对代理模型方法、灵敏度方法、优化算法和 MDO 策略进行 了模块化集成。4.1 代理模型方法多学科设计优化中为了解决模型精度和计算量之间的 矛盾,引入了代理模型的方法。目前,常见的代理模型方法 包括响应面 (RSM、 Kriging 、径向基函数 (RBF

18、、移动最小 二乘法 (MLS。文献 10-11的研究表明,各种代理模型方法各 有优缺点, 需要根据近似对象选择合适的代理模型方法。 然而, ModelCenter 只提供了 RSM 方法,为了增强 MOMIDEA 的适 用性,本文将 Kriging 、 RBF 、 MLS 方法以 Matlab plug-in的方 式实现了模块化集成。 ModelCenter 提供了丰富的的实验设计 (DoE方法库,在构造代理模型时直接调用即可。4.2 灵敏度方法灵敏度在优化设计中具有重要的意义, 灵敏度信息可用 于确定当前搜索方向 , 分析各子系统之间的耦合强度。传统 的有限差分法在处理耦合复杂系统时,存在计

19、算效率低下, 计算精度难以保障的缺点。全局灵敏度方程 (GSE方法具有 计算量小、 精度高、 支持并行求解等优点 12, 更适于计算耦 合系统的灵敏度。 本文通过 Driver Component用 VB 脚本 13开发了通用并行 GSE 驱动组件 (General Parallel GSE DRiVer, GPGDRV ,可用于任意分析模型的灵敏度求解。4.3 优化算法优化算法是进行多学科设计优化的基础 , 不同优化算法 各有优劣, 都有其适用范围和限制 12。 为了研究和测试各种 数值优化算法,同时弥补 ModelCenter 现有优化算法不足的 缺点,在 VC 环境下基于 COM 技术开

20、发了通用优化器,并 以 Plug-in 的方式 1314实现模块化集成。目前该优化器已提 供了各种无约束优化算法、 SUMT 约束优化算法。 此外, 还 结合 GPGDRV 开发了通用并行 GSE 优化器 (General Parallel GSE OPTimizer, GPGOPT,用 GSE 方法取代有限差分法计 算系统灵敏度,可以提高耦合系统的优化效率。4.4 MDO 策略MDO 策略是飞行器多学科设计优化的又一核心技术。 使用 MDO 策略可在优化过程中实现解耦, 即将复杂的优化 问题分解为多个相对简单的子问题分别进行优化, 同时对各 子系统的优化结果进行协调,最终获得原问题的优化结果

21、。 使用 GPGOPT 实现了基于 GSE 方法的单级优化策略。此外 使用 Marco 和 VB 驱动组件 13可实现各种多级MDO策略,-0.2-0.1 02010年 10月 系统 仿 真 学 报 Oct., 2010 2314 包括 CSSO , CO 和 BLISS 。5 应用实例在现有 MOMIDEA 环境下,实验室进行了飞行器的概 念、详细优化设计以及 MDO 中的算法研究。5.1 小型无人机总体参数优化设计优化问题描述如表 1所示。 系统级优化模型包括:参数 化几何模型、 气动分析模型、 质量估算模型、 结构分析模型、 动力计算模型和稳定性与控制分析模型, 使用遗传算法进行 参数优

22、化,其设计结构矩阵和优化流程如图 6(a所示,优化 结果在表 2中列出。 通过参数优化设计, 无人机的起飞质量 在满足设计要求的前提下,下降了 34%,优化效果显著。表 1 无人机总体参数优化问题描述 优化目标 Min (起飞质量 0m 0.3机翼面积 W S (单位 2m 0.86机翼展弦比A 200.01机身横截面积 body S (2m 0.05设计变量0.6尾力臂 tail d (m 1.5 约束条件翼载荷 2002/kg m发动机功率 2kw 静稳定性 0.1a 无人机总体参数优化b 翼型优化图 6 MOMIDEA运行界面表 2 无人机总体参数优化结果 参数初始值 最优值W S (2

23、m 0.40 0.305 A9.00 12.80 body S (2m 0.03 0.013 tail d (m 1.20 1.441 0m (kg 62.956 41.4245.2 基于代理模型的翼型优化设计选取 NACA0012为基准翼型,通过形函数线性扰动法 描述翼型,采用高精度 CFD 分析模型进行气动性能分析。 优化问题描述如表 3所示。为了提高优化效率, 构造代理模型进行优化设计。 采用 拉丁超方法获取样本点以构造 Kriging 代理模型,并进行代 理模型精度校验。 表 4中的结果表明, 代理模型精度满足要 求,可代替 CFD 分析模型用于优化设计。优化算法采用遗 传算法, MO

24、MIDEA 中系统级优化模型和优化过程如图 6(b所示,优化结果见表 5。表 3 翼型优化问题描述优化目标 Max (升阻比 /Cl Cd 设计变量 -0.005形函数权系数 i0.005约束条件最大相对厚度 0max max t t ;升力系数 *0Cl Cl 表 4 代理模型精度校验结果参数 平均相对误差 RMSECl 0.0015760.01832/Cl Cd 0.001605 0.01960 表 5 翼型优化结果参数 初始翼型优化翼型 (CFD 优化翼型(代理模型 *Cl 0.2967 0.4640 0.4669*maxt 0.1200 0.1239 0.1236 */Cl Cd 36

25、.3824 52.3726 53.3816 机时 (h 22.4 2.21与直接使用 CFD 模型进行翼型优化的方法相比,采用 代理模型使得优化效率大幅提高, 优化所需机时仅为直接使 用 CFD 模型的十分之一, 且代理模型优化结果与 CFD 结果 吻合良好。5.3 常用代理模型的对比研究通过数值测试函数如式(1所示,研究响应面(RSM、 Kriging 、 径向基函数 (RBF、 移动最小二乘法 (MLS的近似效果。1221(, 150.8arctan(/y x x r r x x =+= (1使用拉丁超方法获取样本点, 为了研究各种代理模型的 近似精度与样本点数量之间的关系,分别取 9,

26、25和 81个 样本点进行对比研究。各代理模型的近似效果如图 7所示。第 22卷第 10期 V ol. 22 No. 102010年 10月 龙腾, 等:模块化飞行器多学科集成设计平台研究 Oct., 2010 2315 a RSMb Krigingc RBF d MLS图 7 代理模型近似效果图图 7中 Original figure为测试函数的图像。图 7表明:RSM 的近似精度最差,样本点数量的增加对其精度提高影 响不大。 Kriging 、 RBF 和 MLS 的近似精度随当样本点数量 的增加而提高。当样本点数量足够多时, Kriging 、 RBF 和 MLS 都能获得较高的近似精度

27、。 样本点数量较少时, Kriging 的近似效果更好。除上述实例外,实验室基于 MOMIDEA 进行了电动无 人机总体参数优化设计、 考虑气动结构耦合的机翼多学科优 化设计等应用研究16,以及 GSE 方法、优化算法、代理模型方法等理论研究。由于篇幅所限,在此不再赘述。6 结论本文在 ModelCenter 框架的基础上,针对飞行器多学科 设计优化的特点, 研究和开发了模块化飞行器多学科集成设 计平台 (MOMIDEA。 MOMIDEA 中的分析模型和各种算法 相互独立, 以模块化的方式进行集成。 这样的方式有利于平 台功能的扩展和完善。目前, MOMIDEA 已经完成了飞行器常用子系统分析

28、模 型、 常用代理模型方法、 GSE 方法和部分优化算法以及 MDO 优化策略的模块化集成。在 MOMIDEA 的基础上,实验室 在飞行器多学科设计领域已经做了一定的理论和应用研究。研究结果表明, MOMIDEA 具有实用性, 可用于 MDO 理论 研究,在工程应用中有助于提高优化设计的效率。为了进一步提高平台的通用性和效率, MOMIDEA 的下 一步研究工作主要包括:细化飞行器参数化几何模型; 扩充 算法库 和 子 系 统 分析 模 型库 ;研 究 和 集 成 效 率更 高 的 Multi-fidelity 代理模型方法;开发飞行器基准模型库。参考文献 :1 AIAA Multidisci

29、plinary Design Optimization Technical Committee.Current state of the art on Multidisciplinary Design Optimization (MDO K/ An AIAA white paper (IBSN 1-56347-021-7, 1991. USA: AIAA, 1991.2 Giesing J P, Bathelemy J M. A summary of industry MDOapplications and needs R/ 7th AIAA/USAF/NASA/ISSMO symposium

30、 on multidisciplinary analysis and optimization, 1998. USA: AIAA, 1998.3 Salas A O, Townsend J C. Framework Requirements for MDOApplication development R/ AIAA-98-4740, 1998. USA: AIAA, 1998.4 Padula S L, Gillian R E. Multidisciplinary Environments: A History ofEngineering Framework Development R/ A

31、IAA-2006-7083, 2006. USA: AIAA, 2006.5 Monell D, Mathias D, Reuther J, et al. Multi-Disciplinary Analysis forFuture Launch System Using NASAs Advanced Engineering Environment (AEE R/ AIAA-2003-3428, 2003. USA: AIAA, 2003.(下转第 2325页第 22 卷第 10 期 2010 年 10 月 Vol. 22 No. 10 张磊， 智能无人潜水器半实物仿真平台设计 等： Oct.,

32、 2010 图 6 所示为无人潜水器区域搜索及目标识别仿真试验。 图(6a为静水中无人潜水器搜索轨迹，图(6b为海流作用下 无人潜水器搜索轨迹。图(6c为无人潜水器搜索到目标，图 的引入，在仿真环境下验证了软件逻辑结构、智能控制系统 的硬件体系、数据接口、系统可靠性等等。为验证智能无人 潜水器的系统可靠性提供了帮助。 (6d为光视觉目标识别结果。图 7 所示为无人潜水器利用浮 力调节系统作无动力升沉运动的仿真试验。 长时间长距离的 半实物仿真试验不仅考验了各项软件技术， 也对整个系统的 数据接口、硬件体系的可靠性进行了检验，为真实海洋环境 下的远距离航行提供了重要的参考和保证。 参考文献： 1

33、 2 徐玉如, 庞永杰, 甘永, 等. 智能水下机器人技术展望J. 智能系 统学报, 2006, 1(1: 9-16. Kim T W, Yuh J. Development of a Real-time Control Architecture for a Semi-autonomous Underwater Vehicle for Intervention Missions J. Control Engineering Practice (S0967-0661, 2004, 12(12: 1521-1530. 3 Liu Haibo, Gu Guochang, Shen Jing, et

34、al. Neuropsychology-inspired Architecture for AUV C/ Proceedings of 2005 International Conference on Neural Networks and Brain, Beijing, China. USA: IEEE Press, 2005: 910-914. 4 Li Ye, Liu Jian-Cheng, Shen Ming-Xue. Dynamics Model of Underwater Robot Motion Control in 6 Degrees of Freedom J. Journal

35、 of Harbin Institute of Technology (S1005-9113, 2005, 12(4: 456-459. 5 Isaacson M, Subbiah K. Numerical Simulation of Random Wave Forces near the Free Surface J. Journal of Offshore Mechanics and Arctic Engineering (S0892-7219, 1991, 113(1: 14-22. 6 7 赵加敏, 徐玉如, 雷磊. 用于水下机器人智能路径规划的仿真器 的建立J. 系统仿真学报, 2004, 16(11: 2448-2450. 陈智育, 温彦军, 陈琪. VxWorks 程序开发实践M. 北京: 人民邮 电出版社, 2004: 107-229. 图 7 “OID-I”无动力升沉仿真试验 5 结论 通过对于无人潜水器体系结构中的决策层进行实物仿 真， 而对于感知层和行为层进行虚拟仿真构建了智能无人潜 水器半实物仿真平台。 通过数据接口机和实际智能控制系统 (上接第 2315 页 6 7 8 9 10 朱延广, 梅珊, 赵雯,