[发明专利]一种水下航行器操稳性因果分析方法

说明书

本发明公开了一种水下航行器操稳性因果分析方法，首先根据变量间的单调影响原则，构造一个基于因果关系的因果图；由因果图得到输入输出关系矩阵和单调影响关系矩阵，对两个矩阵进行变换，将输入变量分为无矛盾变量和矛盾变量，完成第一阶段降维；采用Sobol GSA方法计算因果图中每两个节点之间连接的权重，将权重与阈值进行比较，得到新的因果图，再根据新的因果图把矛盾变量分为重要矛盾变量和非重要矛盾变量，完成第二阶段降维。本发明针对目前现有水下航行器主成分分析方法的缺点，提高了设计优化的逻辑与效率。同时也适用于水下航行器其余学科的优化设计，使用范围广泛。

技术领域

本发明属于航行器设计技术领域，具体涉及一种因果分析方法。

背景技术

自主水下航行器(Autonomous Underwater Vehicle,AUV)是能够自主航行执行海洋探测、海上搜救、区域警戒等任务的水下机器人。近年来，由于全球对海洋资源探测和开发要求的日益紧迫、对海洋领域安全的日益重视，AUV因为自主性强、隐蔽性高以及适应能力强等优点，受到了越来越多的关注，相关领域的研究也越来越丰富。作为一个复杂的工程系统，AUV的总体性能往往涉及众多学科的知识，例如航行器外形、流体动力、壳体结构、能量、质量布局、推进器、操稳性等，总体设计工作中需要综合考虑这些学科，实现整体性能最佳。

AUV总体设计涉及的众多学科并不是相互独立且完全黑箱，学科之间可能会存在一些经验公式，这些经验公式经过大量实验证明，高效且简洁。传统的设计方法通常将各学科公式统一起来，从外形变量直接研究最终升阻比，这种方法往往忽略了变量与变量、变量与中间变量的关系，导致内部结构不明或优化效果缓慢。因此对水下航行器优化的内部因果关系进行分析有着重要的意义。

正是因为AUV总体设计学科之间往往存在复杂的数据耦合关系，单一学科的设计结果可能影响其他学科，甚至导致其他学科设计结果不可行。多学科设计优化(MDO)在其中得到了广泛的应用，而复杂系统往往是高维问题。当维数增加时，优化搜索空间呈指数增长，使得在广阔的空间中进行采样变得棘手。采用高保真度的代理模型，可大大提高求解最优解的计算成本。因此，降低问题的维度是解决这一挑战的自然策略。

在近几十年的研究中，发展出了不同的分解策略，包括当前子空间优化(CSSO)、协同优化(CO)和二层集成系统综合(BLISS)。这些方法已经被用于许多不同的工程应用并取得了一定的效果。随着降维分析技术的发展，许多算法和策略都可以实现对复杂问题甚至是高维贵重黑箱问题进行有效的降维。但是在这些方法中的函数调用数量仍然很大，当问题结构较为复杂时需要耗费大量的计算资源，这会导致优化成本增加和设计周期的加长。

因果图降维方法是近年来发展起来的一种可以有效的解决优化效率和资源利用的方法。主要思想是利用一张完整的变量因果关系图来描述所研究的问题，并由关系图进行因果分析求解，得到耦合关系的重要度并对问题进行拆分，划分为一级优化问题和二级优化问题。通常来说，只要存在白箱的问题公式以及耦合回路的出现，都可以利用该分析方法用以辅助对问题内部的了解及指导问题降维或优化方向。因果图方法的特点是利用大量的经验公式分析结果来辅助高精度分析结果进行优化，从而使得整个设计优化过程的总的计算量得到减少。

发明内容

为了克服现有技术的不足，本发明提供了一种水下航行器操稳性因果分析方法，首先根据变量间的单调影响原则，构造一个基于因果关系的因果图；由因果图得到输入输出关系矩阵和单调影响关系矩阵，对两个矩阵进行变换，将输入变量分为无矛盾变量和矛盾变量，完成第一阶段降维；采用Sobol GSA方法计算因果图中每两个节点之间连接的权重，将权重与阈值进行比较，得到新的因果图，再根据新的因果图把矛盾变量分为重要矛盾变量和非重要矛盾变量，完成第二阶段降维。本发明针对目前现有水下航行器主成分分析方法的缺点，提高了设计优化的逻辑与效率。同时也适用于水下航行器其余学科的优化设计，使用范围广泛。

本发明解决其技术问题所采用的技术方案包括以下步骤：