CN113591307B - 一种翼身融合水下滑翔机外形与内部机构双层优化方法 - Google Patents

Abstract

本发明提出了一种翼身融合水下滑翔机外形与内部机构双层优化方法，基于BWBUG总体和外形内部调节机构以及主从优化理论，研究BWBUG各滑翔性能参数之间的复杂动力学关系并建立BWBUG综合滑翔性能评估模型，在此基础上探究基于综合滑翔性能评估模型的BWBUG复杂曲面外形分层精细参数化建模方法以及基于动态碟型不规则空间约束的内部调节机构建模及优化设计方法，进而构建水动力外形设计与内部调节机构设计之间的主从关联模型，进行BWBUG的优化设计与总体滑翔性能提升；本发明通过主从双层优化，在对BWBUG的外形优化设计过程中，考虑了内部调节机构，尽可能兼顾BWBUG的各项滑翔性能需求，可以提高设计可用度，充分挖掘BWBUG的综合滑翔性能。

Description

一种翼身融合水下滑翔机外形与内部机构双层优化方法

技术领域

本发明涉及装备数字化、智能优化技术领域，特别是指一种翼身融合水下滑翔机外形与内部机构双层优化方法。

背景技术

21世纪，人类进入了大规模开发利用海洋的时期。海洋在国家经济发展格局和对外开放中的作用更加重要，在维护国家主权、安全、发展利益中的地位更加突出，在国家生态文明建设中的角色更加显著，在国际政治、经济、军事、科技竞争中的战略地位也明显上升。我国是一个陆海兼备的发展中大国，而进行海洋资源的开发与利用离不开先进的海洋监测技术与设备。

水下滑翔机(Autonomous Underwater Glider，AUG)作为一种新型的水下航行器，对能源的需求量很小，因此可以高效率、长时间地在海洋中航行，在大范围海洋资源探索、海洋事故搜救、近海防御等领域发挥着重要作用。为了进一步提高水下滑翔机的滑翔效率，将高升阻特性的翼身融合布局引入到水下滑翔机的设计中，研制出的翼身融合水下滑翔机(Blended-Wing-Body Underwater Glider，BWBUG)具有巨大的应用前景。

国内对BWBUG的研究起步较晚，目前，主要有西北工业大学、哈尔滨工程大学、沈阳自动化研究所等高校与科研院所进行研究。在理论研究方面，研究方向主要集中在对BWBUG水动力外形和结构的优化方法上，对BWBUG内部调节机构的研究较少。

流体动力外形优化设计的概念是：以计算流体力学(Computational FluidDynamics，CFD) 方法为基础，将设计对象的流体动力特性分析与最优化方法相结合，通过改变设计对象的外形，使其流体动力性能在满足约束条件的情况下达到最优。目前，流体动力外形优化设计的研究主要分为四个方面：怎样根据设计要求建立合理的优化模型；怎样根据设计对象的外形特点建立外形参数化模型；怎样高效地、准确地计算出设计对象的流体动力参数；怎样选择或提出与设计要求相适应的寻优算法。

发明内容

针对因对BWBUG的水动力外形设计与内部调节机构布局参数相互割裂，而难以得到性能最优的优化方案的问题，本发明提出了一种翼身融合水下滑翔机外形与内部机构双层优化方法，基于主从优化理论，研究BWBUG各滑翔性能参数与设计参数之间的复杂动力学关系并建立BWBUG综合滑翔性能评估模型，在此基础上探究基于综合滑翔性能评估模型的BWBUG复杂曲面外形分层精细参数化建模方法以及基于动态碟型不规则空间约束的内部调节机构建模及优化设计方法，进而研究水动力外形设计与内部调节机构设计之间的主从关联模型与考虑内部调节机构的BWBUG外形优化设计理论与方法，进行BWBUG的优化设计与总体滑翔性能提升。

本发明的技术方案是这样实现的：

一种翼身融合水下滑翔机外形与内部机构双层优化方法，其步骤如下：

S1、根据滑翔性能指标体系以及模型参数构建滑翔机模型，将滑翔机模型的总体外形分为若干个子空间；

S2、分别对各子空间进行采样，并分别利用ICEM软件仿真计算各子空间内采样点对应的滑翔性能指标，根据滑翔性能指标进行拟合得到子空间Kriging代理模型；

S3、对子空间Kriging代理模型进行优化求解，并判断子空间Kriging代理模型的精度是否满足收敛准则，若是，执行步骤S4，否则，增加采样点，返回步骤S2；

S4、根据滑翔机模型的总体外形，对滑翔机模型的内部调节机构进行采样，并计算滑翔机模型的内部调节机构的采样点对应的滑翔性能指标，生成第二Kriging代理模型；

S5、对S4中的第二Kriging代理模型进行优化求解，判断第二Kriging代理模型的精度是否满足收敛准则，若是，执行步骤S6，否则，返回步骤S4重新生成第二Kriging代理模型；

S6、分别对滑翔性能指标进行客观赋权和主观赋权；

S7、结合主观赋权值与客观赋权值，计算滑翔性能指标的综合权值；

S8、根据滑翔性能评估体系及滑翔性能指标的综合权值，构建优化目标函数以及约束条件；

S9、利用遗传算法GA对优化目标函数与约束条件进行优化求解，输出优化目标函数的值；

S10、判断步骤S9中优化目标函数的值是否满足精度判断标准，若是，将优化目标函数的值作为最优解输出，否则，返回步骤S2。

所述滑翔性能指标体系包括流体动力性能参数、能源携带能力、抗扰动调节速度、滑翔最大航程、单周期滑翔效率、滑翔稳定性、滑翔角调节范围、滑翔速度调节范围和螺旋运动半径调节范围；其中，流体动力性能参数包括位置力与力矩参数、阻尼力与力矩参数和附加质量；

所述模型参数包括总体轮廓参数、剖面翼型控制参数和展向形状控制参数。

所述子空间Kriging代理模型为：

y(X)＝β+Z(X)；

其中，y(X)为Kriging代理模型所要代替未知的目标函数，β是设计空间的全局模型，Z(X) 是局部偏离，X表示设计变量；

设计变量X的响应y(X)服从均值为

方差为s(X)的正态分布，设计变量X的概率密度为：

利用改进I(X)替代设计变量X，得到：

计算I(X)的期望E[I(X)]：

其中，y_min是所有样本点的最小目标函数值，

是设计变量X处的子空间Kriging代理模型的预测值，s是子空间Kriging代理模型预测值的均方差，Φ(·)表示标准正态分布函数，φ(·)表示正态分布密度函数。

所述滑翔机模型的内部调节机构的采样点对应的滑翔性能指标的计算方法为：

S4.1、对每一个滑翔性能指标设置偏好区间；

S4.2、根据设置好的偏好区间生成每一个滑翔性能指标对应的偏好函数；

S4.3、通过偏好函数将每一个滑翔性能指标转换成同一量级无量纲的偏好函数值；

S4.4、根据滑翔性能指标的偏好函数值生成第二Kriging代理模型。

所述收敛准则为：

E[I(X)]_max≤ε_E或

其中，f_max表示当前采样值中的最大值，f_min表示当前采样值中的最小值，ε_E和ε_r均为极小值。

所述分别对滑翔性能指标进行客观赋权和主观赋权的方法为：

客观赋权采用熵权法，首先计算多组翼身融合水下滑翔机外形设计方案中的滑翔性能指标，生成指标矩阵并进行矩阵的标准化计算，得到标准化指标矩阵，由标准化指标矩阵得出指标熵值进而得到指标权值；

主观赋权采用德尔菲法，首先通过咨询专家意见，由多位专家给出权重，再计算权重期望值，然后通过专家意见一致性计算判断意见是否一致，若不一致，则由专家重新给出权重，若一致，则保留该权重期望值。

所述优化目标函数包括上层目标函数和下层目标函数，上层目标函数及约束条件分别为：

下层目标函数及约束条件分别为：

其中，F(x,y₁,…,y_k)为上层目标函数，f_i(x,y_i)为下层目标函数，

为设计变量，

为第i个下层优化的目标函数，F:X×Y₁×…×Y_k→R¹，f_i:X×Y_i→R¹， G:X×Y₁×…×Y_k→R^p，g_i:

Rⁿ为n维实数空间，

为m_i维实数空间，R¹为1 维实数空间，R^p为p维实数空间，

为q_i维实数空间，i＝1,2,…,k，k为下层优化的个数， n为设计变量的个数，m_i为第i个下层优化的目标函数的个数，p为上层优化约束条件的个数，q_i为第i个下层约束条件的个数。

所述精度判断标准为：

其中，

为利用遗传算法GA求得的目标函数值，

为通过ICEM软件仿真计算求得的目标函数值，ε_min为极小值。

与现有技术相比，本发明产生的有益效果为：本发明通过主从双层优化，在对BWBUG 的外形优化设计过程中，考虑了内部调节机构，尽可能兼顾BWBUG的各项滑翔性能需求，可以提高设计可用度，充分挖掘BWBUG的综合滑翔性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的总体流程图；

图2为本发明的外形参数代理模型生成流程图；

图3为本发明的内部调节机构代理模型生成流程图；

图4为本发明的主客观综合赋权法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种翼身融合水下滑翔机外形与内部机构双层优化方法，具体步骤如下：

S1、根据滑翔性能指标体系以及模型参数构建滑翔机模型，将滑翔机模型的总体外形分为若干个子空间；所述滑翔性能指标体系包括流体动力性能参数、能源携带能力、抗扰动调节速度、滑翔最大航程、单周期滑翔效率、滑翔稳定性、滑翔角调节范围、滑翔速度调节范围和螺旋运动半径调节范围；其中，流体动力性能参数包括位置力与力矩参数、阻尼力与力矩参数和附加质量；所述模型参数包括总体轮廓参数、剖面翼型控制参数和展向形状控制参数。其中仅由总体外形决定的参数为流体动力性能参数，其余参数由外形与内部调节机构共同控制。

S2、分别对各子空间进行采样，并分别利用ICEM软件仿真计算各子空间内采样点对应的滑翔性能指标，根据滑翔性能指标进行拟合得到子空间Kriging代理模型；

采用优化拉丁超立方(Optimized LHS)在设计空间中进行采样，得到初始全局样本点；综合分层精细参数化模型和滑翔性能指标体系，将全局设计空间按照总体轮廓、剖面翼型、展向形状三个层次分解来进行子空间分解，并在各个设计子空间内进行仿真分析得到样本值。

BWBUG的复杂曲面外形分层精细参数化建模，是根据建模顺序分为总体轮廓参数、剖面翼型控制参数以及展向形状控制参数，根据每个截面的展向坐标以及平面形状参数化和翼型相对厚度分布，确定每个翼型截面的弦长和厚度，通过简单的三维坐标变换就可以得到每个截面的型值点，将上述内容编写为Matlab程序，输入参数后可以自动生成滑翔机外形的型值点，将型值点导入UG的二次开发平台结合C++语言完成参数化建模。

总体轮廓参数用于描述BWBUG在水平面的投影形状。该投影形状包含了水下滑翔机最为丰富的形状要素(如展长、弦长、后掠角、翼身融合位置、机翼安装位置等)。

对剖面翼型控制参数，拟采用基于CST(class function/shape functiontransformation CST) 方法的翼型参数化设计方法对BWBUG的剖面翼型进行参数化CST参数化方法下的通用翼型可以表示如下：

Y＝C(x)S(x)+T(x)；

其中，Y是翼型y轴坐标，C(x)是类函数(class function)，S(x)是形状函数(shapefunction)； T(x)是厚度函数。

类函数的表达式为：

式中，N₁、N₂均为类函数参数，N₁、N₂决定了所表示翼型的种类。

形状函数的表达式为：

式中，A_i为伯恩斯坦(Bernstein)多项式第i项的待定系数，N为多项式的阶数。

厚度函数的表达式为：

T(x)＝x·y_T；

式中，y_T为曲线尾端的y坐标值。

展向形状控制参数，为了给机身内部留出足够的空间，靠近机身中央的截面采用相对厚度较大的翼型；而为了尽量减小机身阻力，靠近翼梢的截面则采用相对厚度较小的翼型。根据BWBUG展向厚度的变化需求，建立展向形状控制模型，通过调整控制参数，改变展向厚度的分布。

仿真计算各子空间内采样点对应滑翔性能指标的具体实施过程如下：

将滑翔机模型导入ICEM软件中划分结构网格，在满足网格质量要求后导入Fluent软件进行流场内运动仿真计算，Fluent计算的参数设置为：

(1)材料：海水，密度：1023kg/m³，粘性：0.001003；

(2)湍流方程：SSTK-ω方程；

(3)速度入口：

(4)方程离散方法：压力修正法采用SIMPLE方法，参数的离散采用二阶精度的迎风格式；

(5)收敛标准：均方根残差RMS＝1×10^-6。

子空间Kriging代理模型生成方式如下：

设y(X)为Kriging代理模型所要代替的未知函数，则y(X)的表达式如下：

y(X)＝β+Z(X)；

其中，y(X)为Kriging代理模型所要代替的未知函数，β是设计空间的全局模型，Z(X)是局部偏离，X表示设计变量；Kriging代理模型的预测值精度取决于预测点与样本点的距离，离样本点越近，预测值的精度越高。可以用Kriging代理模型的均方差s²(X)表示，它表示估计点的不确定性。

采用近似技术进行优化的方法依赖于近似模型的精度，精度越高，优化结果越可靠；精度越低，可靠性越差。在优化设计中采用统计量EI(改善期望)，可有效提高模型的预测精度。假设设计变量X的响应y(X)服从均值为

方差为s(X)的正态分布，设计变量X的概率密度为：

对于最小化问题，利用改进I(X)替代设计变量X，得到：

计算I(X)的期望E[I(X)]：

其中，y_min是所有样本点的最小目标函数值，

是设计变量X处的Kriging代理模型的预测值，s是Kriging代理模型预测值的均方差，Φ(·)表示标准正态分布函数，φ(·)表示正态分布密度函数。EI中第一项是当

可能比ymin更小时，该项比较大；当s比较大时，即 Kriging模型存在很大不确定性，第二项比较大。较大期望改进值的点表示，当s比较大时，即Kriging模型存在很大不确定性，第二项比较大。较大期望改进值的点表示，在寻找有希望的区域(局部搜索)和寻找不确定性大的区域(全局搜索)之间平衡。通过最大化EI值来选择样本点，探索全局最优同时改进模型精度。

如图2所示，对总体外形子空间采样数据的计算方法为：

S2.1、采用优化拉丁超立方(Optimized LHS)方法在子空间中进行采样；

S2.2、根据采样数据，由多个仿真单元(针对不同性能指标所进行的仿真)进行并行分析、代理模型并行构建与更新；

S2.3、根据综合滑翔性能评估体系，重组为近似目标函数和约束函数；

S2.4、将数据传递给优化单元进行求解，得到一组全局设计样本点；

S2.5、判断样本点精度，满足则输出，不满足则重新采样计算，迭代过程持续进行，直到迭代结果满足精度要求。

S3、对子空间Kriging代理模型进行优化求解，并判断子空间Kriging代理模型的精度是否满足收敛准则，若是，执行步骤S4，否则，增加采样点，返回步骤S2；

所述收敛准则为：

E[I(X)]_max≤ε_E或

其中，f_max表示当前采样值中的最大值，f_min表示当前采样值中的最小值，ε_E和ε_r均为极小值。

S4、根据滑翔机模型的总体外形，对滑翔机模型的内部调节机构进行采样，并计算滑翔机模型的内部调节机构的采样点对应的滑翔性能指标，生成第二Kriging代理模型。

如图3所示，所述滑翔机模型的内部调节机构的采样点对应的滑翔性能指标的计算方法为：

S4.1、对每一个滑翔性能指标设置偏好区间；滑翔性能指标包括抗扰动调节速度、滑翔最大航程、单周期滑翔效率、滑翔稳定性、滑翔角调节范围、滑翔速度调节范围、螺旋运动半径调节范围；

S4.2、根据设置好的偏好区间生成每一个滑翔性能指标对应的偏好函数；

S4.3、通过偏好函数将每一个滑翔性能指标转换成同一量级无量纲的偏好函数值；

S4.4、根据滑翔性能指标的偏好函数值生成第二Kriging代理模型。

其中，偏好区间和偏好函数是根据物理规划方法所确定的。

S5、对S4中的第二Kriging代理模型进行优化求解，判断第二Kriging代理模型的精度是否满足收敛准则，若是，执行步骤S6，否则，返回步骤S4重新生成第二Kriging代理模型。

S6、分别对滑翔性能指标进行客观赋权和主观赋权；

如图4所示，分别对滑翔性能指标进行客观赋权和主观赋权的方法为：

客观赋权采用熵权法，首先计算多组翼身融合水下滑翔机外形设计方案中的滑翔性能指标，生成指标矩阵并进行矩阵的标准化计算，由标准化指标矩阵得出指标熵值进而得到指标权值；主观赋权采用德尔菲法，首先通过咨询专家意见，由多位专家给出权重，再计算权重期望值，然后通过进行专家意见一致性计算判断意见是否一致，若不一致，则由专家重新给出权重并进行如上步骤，若一致，则保留该权重期望值。

S7、结合主观赋权值与客观赋权值，计算滑翔性能指标的综合权值。通过博弈论模型来结合熵权法得出的指标权值以及德尔菲法得出的权重期望值，得出综合权值，并构建BWBUG 滑翔性能综合评估指标体系，得到BWBUG综合滑翔性能指标。

S8、根据滑翔性能评估体系及滑翔性能指标的综合权值，构建优化目标函数以及约束条件；采用上述基于德尔菲-熵权综合权重法来搭建滑翔性能综合评估指标体系，从而进行主从双层优化决策；所述优化目标函数包括上层目标函数和下层目标函数，上层目标函数及约束条件分别为：

下层目标函数及约束条件分别为：

其中，

为设计变量，

为第i个下层优化的目标函数， F:X×Y₁×…×Y_k→R¹，f_i:X×Y_i→R¹，G:X×Y₁×…×Y_k→R^p，g_i:

Rⁿ为n维实数空间，

为m_i维实数空间，R¹为1维实数空间，R^p为p维实数空间，

为q_i维实数空间，i＝1,2,…,k，k为下层优化的个数，n为设计变量的个数，m_i为第i个下层优化的目标函数的个数，p为上层优化约束条件的个数，q_i为第i个下层约束条件的个数。F(x,y₁,…,y_k) 为上层目标函数，f_i(x,y_i)为下层目标函数，整个双层优化过程如图1所示，上层为水动力外形优化层，函数变量包括力与力矩参数、阻尼力与力矩参数、附加质量、能源携带能力、抗扰动能力等，目标函数为综合滑翔性能；下层为内部调节机构设计层，函数变量包括能源携带能力、抗扰动能力、滑翔最大航程、单周期滑翔效率、滑翔稳定性、滑翔角调节范围、滑翔速度调节范围、螺旋运动半径调节范围等目标函数为最大航程、调节能力等，通过建立上下层各自的目标函数，集成后建立水动力外形与内部调节机构的双层决策的数学模型。

S9、利用遗传算法GA对优化目标函数与约束条件进行优化求解，输出优化目标函数的值。

S10、判断步骤S9中优化目标函数的值是否满足精度判断标准，若是，将优化目标函数的值作为最优解输出，否则，返回步骤S2重新对各子空间进行采样。

所述精度判断标准为：

其中，

为利用遗传算法GA求得的目标函数值，

为通过ICEM软件仿真计算求得的目标函数值，ε_min为极小值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，其步骤如下：

S1、根据滑翔性能指标体系以及模型参数构建滑翔机模型，将滑翔机模型的总体外形分为若干个子空间；

S2、分别对各子空间进行采样，并分别利用ICEM软件仿真计算各子空间内采样点对应的滑翔性能指标，根据滑翔性能指标进行拟合得到子空间Kriging代理模型；

S3、对子空间Kriging代理模型进行优化求解，并判断子空间Kriging代理模型的精度是否满足收敛准则，若是，执行步骤S4，否则，增加采样点，返回步骤S2；

S4、根据滑翔机模型的总体外形，对滑翔机模型的内部调节机构进行采样，并计算滑翔机模型的内部调节机构的采样点对应的滑翔性能指标，生成第二Kriging代理模型；

S5、对S4中的第二Kriging代理模型进行优化求解，判断第二Kriging代理模型的精度是否满足收敛准则，若是，执行步骤S6，否则，返回步骤S4重新生成第二Kriging代理模型；

S6、分别对滑翔性能指标进行客观赋权和主观赋权；

S7、结合主观赋权值与客观赋权值，计算滑翔性能指标的综合权值；

S8、根据滑翔性能评估体系及滑翔性能指标的综合权值，构建优化目标函数以及约束条件；

S9、利用遗传算法GA对优化目标函数与约束条件进行优化求解，输出优化目标函数的值；

S10、判断步骤S9中优化目标函数的值是否满足精度判断标准，若是，将优化目标函数的值作为最优解输出，否则，返回步骤S2。

2.根据权利要求1所述的翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，所述滑翔性能指标体系包括流体动力性能参数、能源携带能力、抗扰动调节速度、滑翔最大航程、单周期滑翔效率、滑翔稳定性、滑翔角调节范围、滑翔速度调节范围和螺旋运动半径调节范围；其中，流体动力性能参数包括位置力与力矩参数、阻尼力与力矩参数和附加质量；

所述模型参数包括总体轮廓参数、剖面翼型控制参数和展向形状控制参数。

3.根据权利要求2所述的翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，所述子空间Kriging代理模型为：

y(X)＝β+Z(X)；

其中，y(X)为Kriging代理模型所要代替未知的目标函数，β是设计空间的全局模型，Z(X)是局部偏离，X表示设计变量；

设计变量X的响应y(X)服从均值为

方差为s(X)的正态分布，设计变量X的概率密度为：

利用改进I(X)替代设计变量X，得到：

计算I(X)的期望E[I(X)]：

其中，y_min是所有样本点的最小目标函数值，

是设计变量X处的子空间Kriging代理模型的预测值，s是子空间Kriging代理模型预测值的均方差，Φ(·)表示标准正态分布函数，φ(·)表示正态分布密度函数。

4.根据权利要求3所述的翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，所述滑翔机模型的内部调节机构的采样点对应的滑翔性能指标的计算方法为：

S4.1、对每一个滑翔性能指标设置偏好区间；

S4.2、根据设置好的偏好区间生成每一个滑翔性能指标对应的偏好函数；

S4.3、通过偏好函数将每一个滑翔性能指标转换成同一量级无量纲的偏好函数值；

S4.4、根据滑翔性能指标的偏好函数值生成第二Kriging代理模型。

5.根据权利要求3或4所述的翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，所述收敛准则为：

E[I(X)]_max≤ε_E或

其中，f_max表示当前采样值中的最大值，f_min表示当前采样值中的最小值，ε_E和ε_r均为极小值。

6.根据权利要求1所述的翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，所述分别对滑翔性能指标进行客观赋权和主观赋权的方法为：

客观赋权采用熵权法，首先计算多组翼身融合水下滑翔机外形设计方案中的滑翔性能指标，生成指标矩阵并进行矩阵的标准化计算，得到标准化指标矩阵，由标准化指标矩阵得出指标熵值进而得到指标权值；

主观赋权采用德尔菲法，首先通过咨询专家意见，由多位专家给出权重，再计算权重期望值，然后通过专家意见一致性计算判断意见是否一致，若不一致，则由专家重新给出权重，若一致，则保留该权重期望值。

7.根据权利要求2-4、6任一项所述的翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，所述优化目标函数包括上层目标函数和下层目标函数，上层目标函数及约束条件分别为：

下层目标函数及约束条件分别为：

其中，F(x,y₁,…,y_k)为上层目标函数，f_i(x,y_i)为下层目标函数，

为设计变量，

为第i个下层优化的目标函数，F:X×Y₁×…×Y_k→R¹，f_i:X×Y_i→R¹，G:X×Y₁×…×Y_k→R^p，

Rⁿ为n维实数空间，

为m_i维实数空间，R¹为1维实数空间，R^p为p维实数空间，

为q_i维实数空间，i＝1,2,…,k，k为下层优化的个数，n为设计变量的个数，m_i为第i个下层优化的目标函数的个数，p为上层优化约束条件的个数，q_i为第i个下层约束条件的个数。

8.根据权利要求7所述的翼身融合水下滑翔机外形与内部机构双层优化方法，其特征在于，所述精度判断标准为：

其中，

为利用遗传算法GA求得的目标函数值，

为通过ICEM软件仿真计算求得的目标函数值，ε_min为极小值。

Images