[发明专利]一种基于虚拟样本生成的飞行器近似优化设计方法

权利要求书

1.一种基于虚拟样本生成的飞行器近似优化设计方法，其特征在于：包括如下步骤，

步骤A：确定基于虚拟样本生成的飞行器近似优化设计方法的基本参数，包括设计空间大小、初始采样的个数、简单样本点的个数、最大新增虚拟样本的个数，以及预设的收敛准则；

步骤B：采用最优拉丁超方试验设计OLHD在设计空间内生成初始样本点，并计算初始样本处对应的高精度分析模型的响应值；将初始样本点和对应的响应值加入真实样本点集合中，且初始化虚拟样本点集合；

步骤C：基于真实样本点集和虚拟样本点集中的样本点和对应的响应值，共同构造或更新目标函数或约束函数的RBF代理模型；

步骤D：采用遗传算法GA或序列二次规划SQP对当前目标函数和约束函数的RBF代理模型进行优化，得到当前RBF代理模型最优解；计算当前RBF代理模型最优解处的高精度分析模型真实响应值，并将当前RBF代理模型最优解和对应的响应值加入真实样本点集合中，即实现对真实样本点集合的更新；

步骤E：检查收敛准则是否符合；若当前迭代结果符合收敛准则，则输出当前RBF代理模型最优解作为飞行器最终设计结果，解决飞行器设计领域相应工程问题；反之则进入步骤F；

步骤F：通过虚拟样本生成，获得新增虚拟样本点，并将得到的新增虚拟样本点加入初始化后的虚拟样本点集合中，实现对虚拟样本点集合的更新，返回步骤C基于更新的虚拟样本点集合和真实样本点集合对当前RBF代理模型进行更新。

2.如权利要求1所述的一种基于虚拟样本生成的飞行器近似优化设计方法，其特征在于：步骤F中虚拟样本生成包含LSSVM分类器训练和虚拟样本构造两个步骤，具体实现步骤如下：

步骤F-1：LSSVM分类器训练；基于真实样本点集合中样本点的响应值和约束违背度对真实样本点集合中的样本点进行0-1划分，其中标签1代表可能在全局最优点附近且符合约束的潜在优质点，标签0代表劣质点；以真实样本点集合中的样本点作为训练样本训练LSSVM分类器，并利用训练好的分类器对大量简单样本点进行测试，得到一组潜在新增样本点；

步骤F-2：虚拟样本构造；根据更新后的真实样本点集合构造目标函数的KRG代理模型，并计算步骤F-1中得到的潜在新增样本点对应的近似响应值；根据近似响应值的最优性和最大新增虚拟样本的个数确定新增虚拟样本点，并将新增虚拟样本点和对应的近似响应值加入初始化后的虚拟样本点集合中，即完成虚拟样本点集合的更新。

3.如权利要求1或2所述的一种基于虚拟样本生成的飞行器近似优化设计方法，其特征在于：通过虚拟样本生成，结合虚拟样本点和真实样本点管理与更新代理模型，能够缓解飞行器设计过程中遇到的小样本问题，适合应用于存在高耗时分析模型的航空航天领域或相关工程优化设计领域。

4.如权利要求1或2所述的一种基于虚拟样本生成的飞行器近似优化设计方法，其特征在于：由于基于虚拟样本生成的似优化设计方法具有通用性和普适性，能够拓展应用到下述工程领域，含有大规模有限元分析的结构优化设计、含有高精度流体力学分析的气动优化设计、以及飞行器、汽车、船舶等复杂工程系统的多学科设计优化，能够缓解工程优化设计中面临的小样本问题。