[发明专利]一种压力容器设计的粒子协同优化方法

说明书

本发明为一种压力容器设计的粒子协同优化方法。该方法将压力容器总成本问题分解成一个系统级和数个学科级问题。优化步骤包括：首先，根据压力容器的相关参数设计系统级和学科级模型，初始化系统级和学科级相关参数和设置粒子群更新规则的相关参数。然后，系统级将最优解传递给改进学科级，获得的学科级最优解再传递给改进系统级，获得的系统级最优解使用粒子群更新规则进行更新。最后，判断全局收敛条件是否满足要求，满足则获得全局最优解。本发明对初始值选取敏感，计算量大和收敛速度慢等问题有着良好的解决效果。

技术领域

本发明属于优化算法应用技术领域，具体是一种压力容器设计的粒子协同优化方法。

技术背景

多学科设计优化(MDO)由Sobieski提出，这是一种基于系统内部的相互协同机制来进行的设计方法。MDO一般可分为两类：单级优化算法和多级优化算法。在这些方法中，协同优化(CO)因其能保持每个学科分析的自主性和处理的并行性，而在工程设计到广泛应用。CO在解决问题时，一般是将问题分为系统级问题和若干学科级问题进行求解。系统级通过自身的一致性等式约束来对各学科级的优化结果进行协调，而学科级的最优值则需要与来自系统级的共享变量相匹配，同时各学科级之间的关联也对运算结果存在影响。在该原理的多次迭代下，获得全局最优值。但是CO本身仍然存在不足，例如对初始值的高敏感度、计算量大和容易陷入局部最优区域等。

发明内容

本发明的目的在于提供一种压力容器设计的粒子协同优化方法，能够解决标准协同优化算法对初始值选取敏感，计算量大和收敛速度慢等问题，提高了全局优化能力和收敛速度。

本发明为了解决上述问题而采取的技术方案，一种压力容器设计的粒子协同优化方法，将压力容器的设计问题分解成一个系统级和数个学科级问题，所述系统级问题为压力容器的总成本，所述学科级问题根据约束条件间的关系而建立，优化步骤如下：

S1：根据压力容器设计系统级和学科级模型。

S2：初始化系统级和学科级相关参数。该参数中包括系统级和学科级初始变量z₀和x_i0，系统级改进松弛变量ε中的静态松弛部分dv和学科级权重系数α中的定常数w。

S3：设置粒子群更新规则的相关参数，包括粒子群更新规则中的初始速度v、学习因子c₁和c₂、随机数rand₁和rand₂、粒子速度的上下限v_max和v_min，综合不一致性信息Δ_c和系统级不一致性信息Δ_s。

S4：系统级将最优解传递给学科级(开始的最优解为初始变量z₀)，在学科级目标函数中增加动态系数α*F_i(x_i)，在满足自身约束的条件下获得学科级最优解和最优值，该最优解将作为先验知识成为下一次学科级启动的初始解。

S5：各学科级将最优解传递给系统级，在系统级约束条件中增加改进松弛变量ε，计算最优解和最优值，最优解使用粒子群更新规则进行更新，获得下一次系统级启动的初始解。

S6：计算全局收敛条件观察是否满足δ为一个极小的实数，δ的取值范围为10^-7～10^-3，F^k(z)是第k次目标函数值，满足条件则跳出循环获得全局最优解，否则执行步骤4和5并继续更新相关参数。

作为上述方案的一种优化方案，带有改进松弛变量的系统级模型公式如下：

其中，F(z)是系统级问题的目标函数，即压力容器的成本问题，z是系统级变量，也即全局变量；J_i(z)是一致性等式约束，z_j是第j个全局变量，s_i是第i个学科级下全局变量的数量，是来自第i学科级问题的第j个共享变量最优值。