[发明专利]一种超大变量叶轮机械高效设计优化方法及系统及应用

权利要求书

1.一种超大变量叶轮机械高效设计优化方法，其特征在于，包括以下步骤：

建立设计空间：以压气机动叶片标模作为设计对象，得到三维叶片的调整参数；

在建立的设计空间中使用LHS方法获得分布较为均匀的若干个样本坐标，对其进行性能评估获得这若干个设计样本的级效率值；

使用获得的样本坐标和样本值建立PCE拟合模型建模后对模型预测最优值的坐标进行级效率的评估，将坐标和评估结果加入数据列表中；

选择所有样本中级效率最大的值作为核心点，将高维全局问题分解为r个低维问题，记录确定的分解参数{x^*,I}；

对r个低维问题同步地并行地完成操作：使用多保真度代理模型HK模型和最大期望提升加点准则在子问题空间内完成一次完整独立的优化搜索，优化得到的结果为x_best,j；

使用所有已评估样本更新全局PCE模型计算模型的最小预测值坐标，将坐标评估后加入数据集中；

对r个子问题优化结果进行排列组合，依据全局模型筛选出N_combine个样本进行评估；重复上述，直到算法满足停止条件。

2.根据权利要求1所述的一种超大变量叶轮机械高效设计优化方法，其特征在于，建立设计空间中，对三维叶片对象截取若干个截面作为造型的特征截面，同时选择若干个设计参数来调整三维叶片进行积叠时的弯扭掠状态。

3.根据权利要求1所述的一种超大变量叶轮机械高效设计优化方法，其特征在于，将高维全局问题分解具体为：

找到所有已评估样本中评估值最小的样本，将其坐标记为x^*；

随机地确定子空间变量分配方法I，I＝{I₁,I₂,I₃,...,I_r}来表示对各个变量的划分，其中

子空间内的坐标和高维全局空间内的坐标有如下一一对应关系：假设局部坐标记为x_local，全局坐标记为x_global，有x_local∈S_j，x_global∈S；

x_global＝[x₁^g,x₂^g,x₃^g,...,x_D^g]

4.根据权利要求3所述的一种超大变量叶轮机械高效设计优化方法，其特征在于，在不考虑对子空间的边界进行调整的情况下，有子空间在不考虑子空间重叠和对变量进行剪枝的情况下各子空间对应的变量具有如下关系：

5.根据权利要求1所述的一种超大变量叶轮机械高效设计优化方法，其特征在于，对r个低维问题同步地并行地完成操作：

在子空间中使用拉丁超立方算法进行初始加点，初始加点个数为N^l_j,ini，一般的N^l_j,ini＝2||I_j||；

在子空间中建立多保真度代理模型，其中高保真度来源为子空间内的样本加点，低保真度的来源为全局模型中位于该子空间中的部分；模型的建立公式如下：

对于已经建立的模型计算其在子空间范围内的EI值，并搜索得到在子空间范围内EI值最大的坐标位置，在该位置进行加点评估；

重复上述，直到迭代次数达到最大迭代次数iter_max，一般的iter_max＝8||I_j||；

从该子空间的已评估样本中选择样本值最优的样本作为优化的结果。