[发明专利]针对高耗时约束的飞行器追峰采样智能探索方法

权利要求书

1.针对高耗时约束的飞行器追峰采样智能探索方法，其特征在于：包括如下步骤，

步骤一、采用标准拉丁超方试验设计方法选取n_v+1个初始高精度样本点；判断是否存在可行点，如果不存在可行样本点，执行步骤二；如果存在，则采用标准拉丁超方试验设计方法选取n_v(n_v+1)/2+1-n_s个样本点，其中n_v为设计变量个数，n_s为新增样本点数；计算目标函数与约束函数真实响应值并加入高精度样本点集Y，执行步骤三；

步骤二、利用高精度样本点集Y内所有样本点训练各个约束函数的径向基函数网络RBFN模型在满足约束函数RBFN值小于零且样本点与高精度样本点集内样本点之间距离大于给定阈值的情况下使得约束违背度函数值最小求解初始可行点；构造约束违背度函数时，为解决KS方程控制参数ρ_n取得过大导致的数值奇异问题，在优化过程中采用自适应方法动态更新KS方程控制参数ρ_n；在获得初始可行点后，计算高精度样本点集Y内样本点数n_sub，如果样本点数n_sub＜(n_v+1)(n_v+2)/2+1-n_s，则采用标准拉丁超方试验设计方法在设计空间内生成(n_v+1)(n_v+2)/2+1-n_s-n_sub个高精度样本点，否则不生成高精度样本点；采样结束后执行步骤三；

步骤三、由于实际工程设计中训练样本规模有限，利用高精度样本点Y内所有样本点作为隐层神经元中心训练目标函数与各约束函数的径向基函数网络RBFN，根据插值条件，求得连接权重w_i，径向函数取高斯函数，形状参数c根据经验公式确定；

步骤四、如果为第一次迭代，确定高精度样本点集Y内样本点之间的支配关系，构造过滤器；否则，根据上一步迭代新增样本点与过滤器内所有样本点之间的支配关系，更新过滤器；

步骤五、对当前迭代最优点施加有偏坐标扰动，所述施加有偏坐标扰动方法包括计算扰动概率与坐标扰动两个步骤；

步骤六、利用步骤四得到的过滤器根据样本点支配关系筛选步骤五生成的简单样本点；

步骤七、根据高精度样本点集Y内与当前最优点距离最小的(n_v+1)(n_v+2)/2个样本点确定子区域，并对上述样本点构造二次多项式响应面代理模型，计算复相关系数R²与无穷范数最大绝对误差Diff；如果二次多项式响应面代理模型近似精度满足要求，则执行步骤八；否则，执行步骤九；

步骤八、利用序列二次规划方法对二次多项式响应面代理模型进行局部优化，计算最优解的目标函数与约束函数真实响应值并加入高精度样本点集Y；

步骤九、如果高精度样本点集Y内样本点数达到了给定的最大模型调用次数，则优化终止，输出当前最优解；否则，更新灵敏度指标，重复步骤三到步骤八，直至满足高精度样本点集Y内样本点数达到了给定的最大模型调用次数N_max，则算法结束，完成存在高耗时约束的飞行器系统优化，得到高耗时约束的飞行器系统优化方案。

2.如权利要求1所述的针对高耗时约束的飞行器追峰采样智能探索方法，其特征在于：还包括步骤十，根据步骤九得到的存在高耗时约束的飞行器系统优化方案，能够有效提高飞行器的系统性能，缩短飞行器研发周期，降低研发成本；所述飞行器系统性能包括飞行器的射程/航程、飞行器气动特性及飞行器的刚度/强度等。