[发明专利]基于数据挖掘的自主水下航行器多保真度外形优化方法

权利要求书

1.一种基于数据挖掘的自主水下航行器多保真度外形优化方法，其特征在于，包括以下步骤：

步骤1：设定自主水下航行器的优化设计变量及范围、约束条件和目标函数；

以自主水下航行器头部可调参数q_h1、q_h2和尾部曲线段线型可调参数q_t1、q_t2为设计变量，以头部丰满度、尾椎半角和尾端面的直径为约束条件，以自主水下航行器的零升阻力最小为优化目标，优化的数学模型为：

其中，ψ_H为自主水下航行器头部丰满度系数约束条件，α为自主水下航行器尾椎半角约束条件，D_E为自主水下航行器尾端面直径，Ub、Lb分别为整个设计空间的上限和下限，ψ^*、α^*、D^*分别为自主水下航行器头部丰满度系数阈值、自主水下航行器尾椎半角、自主水下航行器尾端面直径阈值；

分别完成水下自主航行器的参数化几何建模、网格划分和流场分析计算，实现自主水下航行器自动创建外形和阻力计算流程；

步骤2：采用优化拉丁超立方方法分别对自主水下航行器的高保真度样本点和低保真度样本点进行评估，根据样本点的设计变量和阻力响应值分别构建自主水下航行器的高保真度和低保真度代理模型数据库；

步骤3：采用遗传算法最大化低保真度代理模型的改善期望值，获得新的样本点后进行流体阻力评估，再将通过评估的新的样本点加入到低保真度代理模型数据库中，更新低保真度代理模型；

步骤4：采用多起点优化方法对低保真度代理模型进行表层数据挖掘，找到低保真度代理模型中所有的局部最优点位置；

步骤5：对步骤4中表层数据挖掘过程中获取的数据，剔除其中局部最优点中距离小于设定阈值的点和完全重复的点，实现对局部最优点数据的降噪；

步骤6：对步骤5经过降噪后的局部最优点数据通过有用数据评估算法筛选出局部最优点数据中的希望点，并去除重复数据；

步骤7：将步骤6得到的希望点，进行流体阻力评估，再将通过评估的希望点加入到高保真度代理模型数据库中，更新高保真度代理模型；

步骤8：采用遗传算法最大化高保真度代理模型的改善期望值，获得新的样本点后进行流体阻力评估，再将通过评估的新的样本点加入到高保真度代理模型数据库中，更新高保真度代理模型；

步骤9：对步骤7中通过评估的希望点进一步筛选出阻力响应值最小的点作为最有希望点，在最有希望点周围构建局部置信域，采用遗传算法在局部置信域最小化高保真度代理模型的预测值，从而获得新的样本点并进行流体阻力评估，再将通过评估的新的样本点加入到高保真度代理模型数据库中，更新高保真度代理模型；

步骤10：对低保真度代理模型采用遗传算法同时进行最大改善期望和最小代理模型预测的优化，将得到的新样本点和步骤9得到的最有希望点进行去重复的数据处理过程，并进行流体阻力评估，再将通过评估的点加入到低保真度代理模型数据库中，更新低保真度代理模型；

步骤11：判断自主水下航行器多保真度外形优化的当前最优值是否满足迭代终止条件式(2)，如果满足，则进行步骤12；如果不满足，则返回步骤4；

其中，x_i+1、x_i分别为当前迭代的最优点和上一次迭代的最优点，y_high为阻力响应值；

步骤12：输出满足迭代终止条件的自主水下航行器多保真度外形优化值，结束优化。

2.根据权利要求1所述的一种基于数据挖掘的自主水下航行器多保真度外形优化方法，其特征在于，所述步骤5中剔除其中局部最优点中距离小于设定阈值的点所采用方法如下：

局部最优点中的点X_i和点X_j之间的欧式距离Distance_ij若小于设定的阈值Threshold，则认为是相近点或重复点剔除掉，距离判断表达式为：。