CN117371239A - 一种动力系统性能与体积耦合的快速优化方法 - Google Patents

Abstract

本发明公开了一种动力系统性能与体积耦合的快速优化方法，包括：构建车用动力系统中各子系统及零部件耦合参数优化模型，输入边界条件及约束条件；利用遗传算法进行多目标优化，并对优化变量进行寻优，获得多目标优化结果，其中所述多目标优化结果为所述约束条件范围内最优性能、体积结果，以及优化变量组合；应用TOPSIS法对所述多目标优化结果进行评价，获取数据评分，根据评价结果选出较优数据点及设计参数组合。本发明实现了同时考虑车用动力系统动力性，紧凑性，经济性等多方面因素的同步设计开发，解决了传统设计开发阶段中顾此失彼现象的问题。

Description

一种动力系统性能与体积耦合的快速优化方法

技术领域

本发明涉及智能优化方法技术领域，尤其涉及一种动力系统性能与体积耦合的快速优化方法。

背景技术

随着车用动力系统日益发展，动力系统呈现多样化，智能化，电气化的趋势，同时目前对动力系统的要求主要集中在大功率，高效率，小体积上。这种发展趋势，使得动力系统总成中存在的子系统与关键零部件增加，散热需求增加，在初期设计阶段，各个系统与零部件以动力输出单元为核心进行匹配设计。

在动力系统设计阶段、参数匹配以及设备选型阶段，通常是将整个动力传动装置分为几个子系统各自进行计算匹配，如发动机，冷却系统，传动系统，发电机等，在计算过程中往往存在一些经验值和经验公式的选取，使得匹配计算的结果能够满足单一子系统的性能与结构要求，但当子系统进行耦合组装时却可能无法满足整体的性能或结构要求，或者是性能出现冗余现象，需要重新根据整体要求再进行不断地迭代改动计算，工作量和时间成本较高，不能做到在设计阶段就能够将整体需求与各子系统的影响关系考虑在内，从而给出各系统最终比较合理的参数范围以及较优的匹配结果。

对动力系统性能与体积的耦合优化是一个多目标优化问题，现有的动力系统多目标优化多是对动力性，经济性等不同性能进行多目标优化，而忽视了结构因素与系统紧凑性，即为了满足性能要求，牺牲部分体积，这样导致优化仅存在于理论层面，而面对实际的体积约束无法实现理论上的优化结果。

现有技术中提出了一种氢燃料电池混合动力系统参数配置优化的方法，计算有轨电车各种行驶状态下的最大牵引功率与牵引能耗；基于氢燃料电池混合动力系统拓扑结构，完成燃料电池混合动力系统初始参数配置；以有轨电车综合性能为目标，根据所获得的最大牵引功率与牵引能耗，优化氢燃料电池混合动力系统参数配置；判断系统输出功率与能量是否满足有轨电车动力性能设计需求，调整质量权重系数与体积权重系数。

一种微型堆布雷顿循环系统综合设计方法，公开了将部件性能与循环参数间耦合关系纳入考虑，构建了微型堆布雷顿循环-部件联合设计程序；将循环各点热力参数作为部件设计边界条件，将部件设计结果作为循环内部件性能输入值，使循环热力学计算结果与部件设计结果进行交互式迭代修正计算，直到前后两次计算得到的循环效率误差满足要求；在循环设计阶段即可得到部件性能和基本尺寸，实现了循环参数与部件参数的同步设计，并显著提高了设计结果的准确性。

综上所述，现有对以发动机为核心的车用动力系统性能和体积的耦合优化还不完善，为了提高动力性以及经济性，车用动力系统多采用涡轮增压，中冷等措施，满足高功率的情况下也带来了高散热需求，需要提高散热面积尽可能增大散热量，增加了辅助系统的功耗，如果上述设计参数不够合理，都将增加整体动力系统的体积与功耗，与紧凑性，高效性的目标相违背，难以做到性能与体积需求的兼顾。

发明内容

现有动力系统设计匹配计算不能快速的实现整体需求的满足，无法在一定范围内做到参数匹配与设备选型的优化工作，需要不断迭代返工，任务量和时间成本较高。因此，本发明提出了一种动力系统性能与体积耦合的快速优化方法，通过该方法减少设计匹配阶段的任务量，解决动力系统设计中性能与体积需求难以兼顾的问题。

为实现上述目的，本发明提供了一种动力系统性能与体积耦合的快速优化方法，包括：

构建车用动力系统中各子系统及零部件耦合参数优化模型，输入边界条件及约束条件；

利用遗传算法对所述零部件耦合参数优化模型进行多目标优化，并对优化变量进行寻优，获得多目标优化结果，其中所述多目标优化结果为所述约束条件范围内最优性能、体积结果，以及优化变量组合；

应用TOPSIS法对所述多目标优化结果进行评价，获取数据评分，根据评价结果选出最终数据点及设计参数组合。

优选地，构建所述车用动力系统中各子系统及零部件耦合参数优化模型，包括：

根据所述车用动力系统的运行条件，给定边界参数、设备性能参数及初始设计参数；

建立车用动力辅助系统性能计算模型、车用动力系统关键零部件体积计算模型；

提取对性能与体积同时产生影响的初始设计参数，作为优化变量，将车用动力辅助系统体积表征函数与车用动力辅助系统功耗函数作为目标函数，将车用动力辅助系统关键零部件工作条件、效率参数作为约束条件，建立所述零部件耦合参数优化模型。

优选地，所述车用动力辅助系统性能计算模型包括：散热器、中冷器性能模型，冷却风扇性能模型和冷却水泵性能模型；

所述车用动力系统关键零部件体积计算模型包括：散热器、中冷器和风扇的体积表征模型。

优选地，所述车用动力辅助系统体积表征函数为：

V_sys＝f(W_rad，H_rad，L_rad，W_mid，H_mid，L_mid，m_air，m_water，C_D)

所述车用动力辅助系统功耗函数为：

P_sys＝f(W_rad，H_rad，L_rad，W_mid，H_mid，L_mid，m_air，m_water，C_D)

其中，V_sys为车用动力辅助系统体积表征函数，P_sys为车用动力辅助系统功耗函数，W_rad为散热器长度，H_rad为散热器芯子厚度，L_rad为散热器宽度，W_mid为中冷器长度，H_mid为中冷器芯子厚度，L_mid为中冷器宽度，m_air为冷却空气流量，m_water为冷却液流量，C_D为风扇外径系数。

优选地，所述车用动力辅助系统体积表征函数的设计方法为：

选择叶轮机械设计方法或换热器设计方法，确定各部件的输入参数，使用Matlab软件将部件设计方法编写成函数，输入部件进出口边界条件，输出结果为部件结构尺寸和性能参数，根据所述输出结果设计所述车用动力辅助系统体积表征函数。

优选地，所述约束条件为：

其中，s.t.为约束条件，Q为系统散热量，Q_need为系统散热需求，p_fan为风扇风压，p_fanmax为风扇最大风压。

优选地，应用TOPSIS法对所述多目标优化结果进行评价前还包括：

将每个指标的数量级转化到同一范围内进行比较，将得到的数据点进行正向化与标准化处理，其中，正向化处理后的元素为x′_ij。

优选地，进行所述正向化与标准化处理的方法为：

其中，r_ij为标准化后的数据矩阵元素，x′_j为正向化后的数据矩阵元素。

优选地，应用TOPSIS法对所述多目标优化结果进行评价，包括：

将处理后的数据构成数据矩阵，定义所述数据矩阵中的指标，获取最终计算数据评分，以性能函数和体积函数为目标，应用遗传算法进行多目标优化，生成pareto曲线，并对所述pareto曲线中的数据进行评判，选出满足预设范围的数据组合。

优选地，定义所述数据矩阵中的指标的方法包括：

定义每列的最大值与最小值/>

定义第i个对象与最大值的距离和最小值的距离为/>

其中，r_nj为第n行第j列的元素。

与现有技术相比，本发明具有如下优点和技术效果：

本发明提出了一种用于车用动力系统的性能与体积耦合优化设计方法，建立了车用动力系统及辅助系统性能与体积耦合计算程序，以性能指标最优、体积指标最小为目标，寻找最佳优化参数组合，实现了同时考虑车用动力系统动力性，紧凑性，经济性等多方面因素的同步设计开发，解决了传统设计开发阶段中顾此失彼现象的问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例的一种动力系统性能与体积耦合的快速优化方法流程图；

图2为本发明实施例的TOPSIS评价法解释图；

图3为本发明实施例的动力系统及其辅助系统拓扑图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明提出了一种动力系统性能与体积耦合的快速优化方法，建立了车用动力系统及辅助系统性能与体积耦合计算程序，以性能指标最优、体积指标最小为目标，寻找最佳优化参数组合，实现了同时考虑车用动力系统动力性，紧凑性，经济性等多方面因素的同步设计开发，解决了传统设计开发阶段中顾此失彼现象的问题。

一种动力系统性能与体积耦合的快速优化方法如附图1所示，计算逻辑说明：本实施例以动力系统性能最优与体积最小为优化目标。

基于上述目标及定义，建立车用动力系统性能与体积耦合设计方法，包含如下步骤：

1、建立车用动力系统各子系统及零部件耦合参数计算程序，具体如下：

1.1根据车用动力系统运行条件，给定边界参数，设备性能参数，初始设计参数；

1.2建立车用动力辅助系统性能计算模型，包括散热器、中冷器性能模型，冷却风扇性能模型，冷却水泵性能模型；

1.3建立车用动力系统关键零部件体积计算模型，主要建立散热器，中冷器，风扇等关键零部件的体积表征模型；

1.4提取对性能与体积同时产生影响的原始设计参数，将其作为优化变量，将体积函数和功耗函数作为目标函数，将车用动力辅助系统零部件工作条件，效率等参数作为约束条件，建立优化模型；

1.5车用动力辅助系统功耗函数P_sys：

P_sys＝f(W_rad，H_rad，L_rad，W_mid，H_mid，L_mid，m_air，m_water，C_D)

车用动力辅助系统体积表征函数V_sys：

V_sys＝f(W_rad，H_rad，L_rad，W_mid，H_mid，L_mid，m_air，m_water，C_D)

车用动力辅助系统体积功耗密度D_sys：

上述公式中，各字母含义如下：W_rad——散热器长度，m；H_rad——散热器芯子厚度，m；L_rad——散热器宽度，m；W_mid——中冷器长度，m；H_mid——中冷器芯子厚度，m；L_mid——中冷器宽度，m；m_air——冷却空气流量，kg/s；m_water——冷却液流量，kg/s；C_D——风扇外径系数。

优化目标：minimzieP_sys＝f(W，H，L，m_air，m_water，C_D)

minimzieV_sys＝f(W，H，L，m_air，m_water，C_D)

约束条件：

上述约束条件中，Q表示系统散热量，kW；Q_need表示系统散热需求，kW；系统散热量须能够满足系统散热需求，p_fan为风扇风压，p_fanmax为风扇最大风压，此约束条件能满足风扇在冷却系统中正常工作。

风扇的外径是冷却风扇设计时的一个重要参数。它的确定跟散热器芯体尺寸有关。风扇叶轮转动对散热器芯体的覆盖面积应该在芯体正面面积的45％～60％之间，并且外径应该小于散热器芯体短侧的尺寸。在进行设计时，轮叶内外径尺寸的比值在0.28～0.36之间。风扇内外径与散热器芯体正面面积的关系为：

根据上式可以推算出风扇外径为：

其中，D₁为风扇内径，m；D₂为风扇外径，m；F_R为散热器正面积，㎡；按照上式故风扇外径系数为0.79-0.93。

辅助系统体积表征：

部件设计方法包括：针对风扇与水泵选择叶轮机械的设计方法，针对中冷器和散热器选择换热器的设计方法。叶轮机械的一维设计方法以边界条件(叶轮机械的进口温度和压力、出口压力、质量流量)和性能参数假定值(叶轮机械的等熵效率)作为输入值，通过计算并输出叶轮机械的尺寸参数(叶片数、叶轮外径、轴向长度等)和性能参数(叶轮机械的等熵效率)；换热器设计方法以边界条件(换热器的进口温度和压力、出口温度、质量流量)作为输入值，通过计算并输出换热器的尺寸参数(换热面积、流道长度等)和性能参数(换热器的压力损失)。

本实施例中所用叶轮机械一维设计方法，参考文献《杨策，施新.径流式叶轮机械理论及设计.2004.国防工业出版社》；所用换热器设计方法，参考文献《余建祖.换热器原理与设计.2006.北京航空航天大学》。使用Matlab软件将部件设计方法编写成函数，输入部件进出口边界条件，输出参数为部件结构尺寸和性能参数。

2.由于辅助系统功耗与辅助系统体积成负相关关系，即辅助系统体积越大，散热量越大，所对应的功耗就会越高，所以对辅助系统功耗与体积的优化问题属于帕累托多目标优化问题，利用遗传算法进行多目标优化，对优化变量进行寻优。如图3为动力系统及其辅助系统拓扑图。

遗传算法是一种模拟自然界生物进化的方法，以遗传学和自然选择为基础，通过概率学方法搜索最优空间，并自动调整搜索方向，最终获得全局范围内的最优解。借助Matlab的遗传算法工具包，确定待优化变量的变化范围和遗传算法设计参数后(种群数目、最大迭代代数、交叉概率、变异概率等)，即可通过优化计算得到最佳循环参数组合。

3、通过计算，输出约束条件范围内最优性能、体积结果，以及优化变量组合。

4、应用TOPSIS法结合对生成的多目标优化结果进行评价，因为每个指标的数量级不同，需要将其转化到同一范围内进行比较，将得到的数据点按照下式进行正向化与标准化，正向化处理后的元素为x′_ij；

处理过后的数据构成数据矩阵R＝(r_ij)_m×n,对于某个指标r_j，用TOPSIS法对数据进行评价，其原理如图2及下式。

处理过后的矩阵R＝(r_ij)_m×n中定义每个指标，即每列的最大与最小值为与/>

定义第i个对象与最大值和最小值的距离为与/>

最终计算数据评分为：

由上述方法可以对生成的pareto曲线中的数据进行评判，从而选出相对较优的数据组合。其中，以性能函数与体积函数为目标，应用遗传算法进行多目标优化，生成类似于图2的曲线即为pareto曲线，并对生成的pareto曲线中的数据进行评判，选出相对较优的数据组合，应用TOPSIS法对数据点进行评价后，生成每一组数据的评分，将前5％的数据点视为能够满足系统要求的且相对较优的数据点。

由于考虑到辅助系统的设计规则是以满足最恶劣条件为设计点，在步骤1中，将设计点定为散热能力最差的高原环境，工作点为发动机的额定功率点，以此为基准设计的散热系统认为可以满足车用动力系统所有使用工况的散热需求。将环境参数，部件性能参数，物性参数作为初始条件进行输入，海拔与大气压力与温度的关系按照国家能源局发布的《中华人民共和国电力行业标准：火力发电厂燃烧系统设计计算技术规程(DL/T 5240-2010)》第8.2.5条中的式(8.2.5)，大气压力与海拔的经验公式计算得出，而空气温度一般随海拔升高1000m而下降6℃进行估算，工质物性参数计算采用统一的NIST的refprop物性数据库进行调用计算，动力系统的运行参数，如转速，负荷等参数也作为初始参数进行输入，通过查表的形式确定散热量，通过各系统的计算公式以及参数传递关系计算出各部件的性能参数与体积参数。

其中，发动机由于其性能计算的特殊性，利用一维仿真平台对发动机不同转速，负荷以及不同环境工况进行仿真，得到不同工况下发动机的map，当输入发动机转速，负荷以及工况时，即可得到发动机的工作性能；辅助系统，如散热器，中冷器，风扇，水泵，利用设计公式进行性能与体积的计算。

步骤1.5中定义的体积功耗密度作为车用动力系统的一个评价指标，能够清晰地反应系统紧凑性与高效性的结合，通过体积不变，提升输出功率，减小功耗或者功率不变缩小体积都可以带来体积功率密度的提升。

由于发动机其结构参数较为固定，只对其体积进行估算，参考文献《张志军.高功率密度柴油机紧凑性研究.2009.中国北方发动机研究所》，针对发动机主要对其性能进行计算，由于数学模型对发动机内部燃烧以及工作过程的表达不精准，所以选择通过一维仿真软件GT-suite对发动机性能进行仿真，将其性能与工况的关系以map的形式输入程序中方便调用与计算。

散热器与中冷器设计方法以边界条件(换热器的进口温度和压力、出口温度、质量流量)作为输入值，通过计算并输出换热器的尺寸参数(换热面积、芯子厚度、体积等)和性能参数(散热量等)。根据散热需求，一方面可以计算出辅助系统中，水泵所需的冷却液流量，冷却风扇所需的冷却空气流量，结合水路阻力，按经验设定的进出水温差可以计算出水泵耗功，结合冷却空气阻力和设定好的空气温差可以算出冷却风扇的耗功。

冷却空气的流量，也是根据冷却系应散出的热量，由热平衡方程式确定的，即：

式中，Δt_a为冷却空气进出水散热器的温升，℃，一般在30～50℃内；ρ_a为空气的密度，kg/m³；c_p,a为空气的定压比热容，kJ/(kg·℃)。

水冷式发动机冷却水的循环体积流量，根据冷却系应散出的热量Φ由热平衡方程式计算，即：

式中，ρ_w为冷却水的密度，kg/m³；c_p,w为冷却水的定压比热容，kJ/(kg·℃)；Δt_w为冷却水在冷却系内循环是的温降，℃，一般对于闭式强制循环的水系，Δt_w取值在5～12℃。

流体流经紧凑型散热器的压力损失，包括换热器芯体的摩擦阻力损失Δp_cf、芯体进口和出口处流体突然收缩和突然膨胀引起的附加压力损失Δp_i和Δp_o。因此，散热器总的压力损失(压降)可以表示为：

Δp＝Δp_i+Δp_cf+Δp_o

式中，M为流体的质量流速，kg/(m²·℃)；v'为进口截面流体比容，m³/kg；v”为出口截面流体比容，m³/kg；σ为换热器的自由流通面积与正面迎风面积之比，无因次；K_c为入口流动突然收缩损失系数或称入口压力损失系数，无因次；K_e为出口处流动突然扩张损失系数或称出口压力损失系数，无因次。

风扇消耗的功率根据下式计算：

W_f＝Δp_f·G_f/η_f(kJ)

其中，Δp_f为风扇的供气压力，kPa；G_f为风扇的供气量，m³/s；η_f为风扇的总效率，一般在0.3～0.5。

水泵的功率损耗根据下式计算：

W_pw＝Δp_pw·G_w/η_pw(kJ)

其中，η_pw为水泵总效率，η_pw＝η_m·η_o·η_f，其中的η_m为机械效率，η_o为容积效率，η_f为水力效率，他们都作为定值给出。

在求总效率时，取机械效率η_m＝0.8，容积效率η_o＝0.87，水力效率η_f＝0.8，总的效率：

η_pw＝η_m·η_o·η_f＝0.556

其中，Δp_pw为水泵的泵水压力，kPa；G_w为水泵的供水量，m³/s；

车用内燃机水泵消耗功率一般为内燃机标定功率的0.5～1.0％。

本发明通过分析动力装置不同子系统间的参数耦合影响关系以及数据传递关系，设计出一种能够同时对不同子系统进行耦合匹配，并且在一定范围内寻优的计算方法，通过该方法减少设计匹配阶段的任务量，解决动力系统设计中性能与体积需求难以兼顾的问题。

本发明设计一种动力系统性能与体积耦合的快速优化方法。在动力系统匹配与设计选型阶段，由于动力单元，辅助系统等子系统都设计过程相互独立，在进行整合时由于受到动力舱结构、使用需求等约束，可能存在匹配结果不合理的情况，使得整个任务量，时间成本增加。

通过分析动力单元，辅助系统等子系统之间的参数耦合关系，数据传递关系，边界条件等，将各个子系统内部的影响关系考虑进来，能够在设计阶段，参数匹配阶段就给出各系统关键零部件同时满足性能需求和体积需求的参数。

以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种动力系统性能与体积耦合的快速优化方法，其特征在于，包括：

构建车用动力系统中各子系统及零部件耦合参数优化模型，输入边界条件及约束条件；

利用遗传算法对所述零部件耦合参数优化模型进行多目标优化，并对优化变量进行寻优，获得多目标优化结果，其中所述多目标优化结果为所述约束条件范围内最优性能、体积结果，以及优化变量组合；

应用TOPSIS法对所述多目标优化结果进行评价，获取数据评分，根据评价结果选出最终数据点及设计参数组合。

2.根据权利要求1所述的动力系统性能与体积耦合的快速优化方法，其特征在于，构建所述车用动力系统中各子系统及零部件耦合参数优化模型，包括：

根据所述车用动力系统的运行条件，给定边界参数、设备性能参数及初始设计参数；

建立车用动力辅助系统性能计算模型、车用动力系统关键零部件体积计算模型；

提取对性能与体积同时产生影响的初始设计参数，作为优化变量，将车用动力辅助系统体积表征函数与车用动力辅助系统功耗函数作为目标函数，将车用动力辅助系统关键零部件工作条件、效率参数作为约束条件，建立所述零部件耦合参数优化模型。

3.根据权利要求2所述的动力系统性能与体积耦合的快速优化方法，其特征在于，所述车用动力辅助系统性能计算模型包括：散热器、中冷器性能模型，冷却风扇性能模型和冷却水泵性能模型；

所述车用动力系统关键零部件体积计算模型包括：散热器、中冷器和风扇的体积表征模型。

4.根据权利要求2所述的动力系统性能与体积耦合的快速优化方法，其特征在于，所述车用动力辅助系统体积表征函数为：

V_sys＝f(W_rad，H_rad，L_rad，W_mid，H_mid，L_mid，m_air，m_water，C_D)

所述车用动力辅助系统功耗函数为：

P_sys＝f(W_rad，H_rad，L_rad，W_mid，H_mid，L_mid，m_air，m_water，C_D)

其中，V_sys为车用动力辅助系统体积表征函数，P_sys为车用动力辅助系统功耗函数，W_rad为散热器长度，H_rad为散热器芯子厚度，L_rad为散热器宽度，W_mid为中冷器长度，H_mid为中冷器芯子厚度，L_mid为中冷器宽度，m_air为冷却空气流量，m_water为冷却液流量，C_D为风扇外径系数。

5.根据权利要求4所述的动力系统性能与体积耦合的快速优化方法，其特征在于，所述车用动力辅助系统体积表征函数的设计方法为：

选择叶轮机械设计方法或换热器设计方法，确定各部件的输入参数，使用Matlab软件将部件设计方法编写成函数，输入部件进出口边界条件，输出结果为部件结构尺寸和性能参数，根据所述输出结果设计所述车用动力辅助系统体积表征函数。

6.根据权利要求2所述的动力系统性能与体积耦合的快速优化方法，其特征在于，所述约束条件为：

其中，s.t.为约束条件，Q为系统散热量，Q_need为系统散热需求，p_fan为风扇风压，p_fanmax为风扇最大风压。

7.根据权利要求1所述的动力系统性能与体积耦合的快速优化方法，其特征在于，应用TOPSIS法对所述多目标优化结果进行评价前还包括：

将每个指标的数量级转化到同一范围内进行比较，将得到的数据点进行正向化与标准化处理，其中，正向化处理后的元素为x′_ij。

8.根据权利要求7所述的动力系统性能与体积耦合的快速优化方法，其特征在于，进行所述正向化与标准化处理的方法为：

其中，r_ij为标准化后的数据矩阵元素，x′_j为正向化后的数据矩阵元素。

9.根据权利要求8所述的动力系统性能与体积耦合的快速优化方法，其特征在于，应用TOPSIS法对所述多目标优化结果进行评价，包括：

将处理后的数据构成数据矩阵，定义所述数据矩阵中的指标，获取最终计算数据评分，以性能函数和体积函数为目标，应用遗传算法进行多目标优化，生成pareto曲线，并对所述pareto曲线中的数据进行评判，选出满足预设范围的数据组合。

10.根据权利要求9所述的动力系统性能与体积耦合的快速优化方法，其特征在于，定义所述数据矩阵中的指标的方法包括：

定义每列的最大值r_j ⁺与最小值r_j ^-：

r_j ⁺＝max(r_1j，r_2j，...，r_nj)

r_j ^-＝min(r_1j，r_2j，...，r_nj)

定义第i个对象与最大值的距离和最小值的距离为/>

其中，r_nj为第n行第j列的元素。