Maximum variation analysis based analytical target cascading for multidisciplinary robust design optimization under interval uncertainty
Maximum variation analysis based analytical target cascading for multidisciplinary robust design optimization under interval uncertainty
复制标题
基于最大变异分析的分析目标级联，用于区间不确定性下的多学科鲁棒设计优化
DOI：
10.1016/j.aei.2019.04.002
复制
发表时间：
2019-04
影响因子：
8.8
通讯作者：
Gao Liang
中科院分区：
文献类型：
--
作者：
Li Wei;Xiao Mi;Yi Yongsheng;Gao Liang
分析目标级联（ATC）是确定性多学科设计优化（MDO）中常用的递阶方法。然而，不确定性在复杂系统的生命周期中几乎是不可避免的。在工程实际设计中，相对于概率信息，不确定性的区间信息更容易获得。本文提出了一种基于最大变差分析的ATC（MVA-ATC）方法。在该方法中，所有子系统在区间不确定性下进行自主优化。MVA用于建立一个内外框架，用于寻找系统和子系统的最优方案。在系统级协调各子系统，搜索系统鲁棒最优解。所提出的方法的准确性和有效性进行了测试，使用一个经典的数学例子，心脏偶极子优化问题，电池热管理系统（BTMS）的设计问题。
Analytical target cascading (ATC) is a generally used hierarchical method for deterministic multidisciplinary design optimization (MDO). However, uncertainty is almost inevitable in the lifecycle of a complex system. In engineering practical design, the interval information of uncertainty can be more easily obtained compared to probability information. In this paper, a maximum variation analysis based ATC (MVA-ATC) approach is developed. In this approach, all subsystems are autonomously optimized under the interval uncertainty. MVA is used to establish an outer-inner framework which is employed to find the optimal scheme of system and subsystems. All subsystems are coordinated at the system level to search the system robust optimal solution. The accuracy and validation of the presented approach are tested using a classical mathematical example, a heart dipole optimization problem, and a battery thermal management system (BTMS) design problem.
登录
查看更多内容
使用最小二乘支持向量回归进行可变保真度元建模的差异映射方法
影响因子：
2.7
作者：
Shao, Xinyu;Gao, Liang;Jiang, Ping;Qiu, Haobo
通讯作者：
Qiu, Haobo
DOI：
10.1016/j.aei.2015.07.004
发表时间：
2015-10
期刊：
Adv. Eng. Informatics
影响因子：
--
作者：
F. Tian;M. Voskuijl
通讯作者：
F. Tian;M. Voskuijl
影响因子：
3.3
作者：
Mian Li;S. Azarm
通讯作者：
Mian Li;S. Azarm
DOI：
10.1016/j.aei.2014.09.002
发表时间：
2015
期刊：
Adv. Eng. Informatics
影响因子：
--
作者：
M. Lin;Yi-Hsien Lin;Chun-Chun Lin-Chun;Ming-Shi Chen;Yu-Ching Hung
通讯作者：
M. Lin;Yi-Hsien Lin;Chun-Chun Lin-Chun;Ming-Shi Chen;Yu-Ching Hung
影响因子：
3.9
作者：
S. Tosserams;L. Etman;P. Papalambros;J. Rooda
通讯作者：
S. Tosserams;L. Etman;P. Papalambros;J. Rooda