书籍详情
车辆多学科设计优化方法
作者:陈潇凯
出版社:人民邮电出版社
出版时间:2018-06-01
ISBN:9787568248860
定价:¥89.00
购买这本书可以去
内容简介
本书对多学科设计优化主要研究内容进行了较系统的归纳,突出基础性、适用性。围绕MDO核心内容———MDO建模技术、MDO 方法体系、灵敏度分析与近似建模、设计空间寻优策略、多目标优化等方面进行梳理和总结,并结合理论阐释给出大量的算例及编程参考。读者可通过本书所介绍的理论方法和数学算例及工程应用实例,在实践中提升对MDO 的认识和工程应用能力。本书可供高等院校车辆设计、机械设计等相关专业,或者多学科设计优化、轻量化设计等研究方向的师生作为教学参考书和技术参考资料,也可供从事汽车总体设计、零部件开发或者其他复杂工程系统开发的研究人员和工程设计人员参考。
作者简介
陈潇凯,博士,北京理工大学机械与车辆学院副教授,中国汽车工程学会悬架技术分会秘书长,中汽学会标准化工作委员会委员。主要从事汽车系统动力学、汽车轻量化设计以及新能源汽车等方面的教学和科研工作。获国防科技发明奖、中国汽车科技进步奖等多项科技奖励。作为项目负责人承担国家自然科学基金3项、国家重点研发计划课题1项、国家“863”计划课题1项、北京市科委科技攻关课题1项。在国内外期刊发表研究论文50余篇。
目录
第1 章 绪论 001
1.1 车辆多学科设计优化的形成动因 002
1.1.1 车辆设计工作的复杂性本质 002
1.1.2 汽车设计开发技术及理念新态势 002
1.2 什么是“ 多学科设计优化” 005
1.2.1 MDO 的基本概念 005
1.2.2 MDO 在产品开发中的作用 008
1.3 多学科设计优化的主要研究内容 010
1.3.1 复杂系统的分解与协调 011
1.3.2 MDO 方法 012
1.3.3 复杂系统建模 013
1.3.4 灵敏度分析 013
1.3.5 近似建模 014
1.3.6 优化算法 015
1.3.7 集成设计系统 015
1.4 MDO 与车辆工程结合的典型形式 017
1.5 MDO 在车辆工程应用中的挑战与趋势 020
1.5.1 面临的挑战 020
1.5.2 发展趋势 022
参考文献 023
第2 章 多学科设计优化方法体系 027
2.1 多学科设计优化技术中优化方法与优化算法的区别 028
2.2 多学科设计优化方法的研究着眼点 029
2.3 多学科设计优化方法的分类 030
2.4 多学科可行法 031
2.4.1 MDF法的基本思想 031
2.4.2 多学科分析 034
2.4.3 MDF法的特点 037
2.4.4 MDF法算例 038
2.4.5 MDF法的编程实现 039
2.5 单学科可行法 044
2.5.1 IDF法的基本思想 044
2.5.2 IDF法的特点 046
2.5.3 IDF法算例 046
2.5.4 IDF法的编程实现 047
2.6 一致性优化法 051
2.6.1 AAO 法的基本思想 051
2.6.2 AAO 法的特点 053
2.6.3 AAO 法算例 053
2.6.4 AAO 法的编程实现 054
2.7 并行子空间优化法 057
2.7.1 CSSO 法的基本思想 057
2.7.2 CSSO 法的特点 062
2.7.3 CSSO 法算例 063
2.8 协同优化法 066
2.8.1 CO 法的基本思想 066
2.8.2 CO 法的特点 069
2.8.3 CO 法算例 070
2.8.4 CO 法的编程实现 071
2.9 两级集成系统综合法 078
2.9.1 BLISS法的基本思想 079
2.9.2 BLISS法的特点 082
2.9.3 BLISS法的改进 082
2.9.4 BLISS2000方法简介 084
2.9.5 BLISS法算例 086
2.10 目标分流法 092
2.10.1 ATC法的基本思想 093
2.10.2 ATC法的特点 097
2.10.3 ATC法的编程实现 098
参考文献 106
第3 章 多学科设计优化建模 110
3.1 复杂系统的分解方法 111
3.1.1 基于分解的设计优化 111
3.1.2 学科的定义及划分原则 112
3.1.3 复杂系统的分解方法 113
3.1.4 设计结构矩阵方法 114
3.1.5 函数关系矩阵方法 121
3.1.6 超图方法 131
3.1.7 MDO 分解基本原则 134
3.2 协调策略 135
3.3 变复杂度建模 138
3.4 不确定性建模 140
3.4.1 不确定性的来源 140
3.4.2 不确定性建模方法 141
3.4.3 不确定性传播方法 142
3.4.4 不确定性优化设计 154
3.4.5 不确定性多学科设计优化建模 157
参考文献 159
第4 章 灵敏度分析技术 162
4.1 灵敏度分析的概念 163
4.2 单学科灵敏度分析 165
4.2.1 单学科灵敏度分析简介 165
4.2.2 手工求导方法 166
4.2.3 符号微分方法 166
4.2.4 有限差分方法 166
4.2.5 自动微分方法 168
4.2.6 复变量方法 174
4.2.7 解析方法 176
4.2.8 其他方法 178
4.3 多学科灵敏度分析 180
4.3.1 多学科灵敏度分析简介 180
4.3.2 最优灵敏度分析方法 181
4.3.3 全局灵敏度分析方法 184
4.3.4 滞后耦合伴随方法 187
参考文献 188
第5 章 近似模型技术 189
5.1 近似模型基础 190
5.1.1 基本概念 190
5.1.2 近似模型的需求背景 190
5.1.3 近似建模的基本思想 191
5.1.4 近似模型的基本构建过程 192
5.2 试验设计方法 193
5.2.1 全因子试验设计方法 194
5.2.2 部分因子试验设计方法 194
5.2.3 中心组合设计方法 194
5.2.4 蒙特卡罗法 194
5.2.5 正交试验设计方法 195
5.2.6 拉丁方设计方法 196
5.3 近似模型的构造方法 199
5.3.1 局部近似 199
5.3.2 中等范围近似 200
5.3.3 全局近似 201
5.4 响应面模型方法 202
5.5 移动最小二乘响应面法 205
5.6 Kriging模型法 210
5.7 人工神经网络模型法 214
5.7.1 BP神经网络 214
5.7.2 RBF神经网络 219
5.8 支持向量机法 222
5.9 近似模型预测精度的评价 225
5.9.1 误差分析方法 225
5.9.2 近似能力评价方法 227
5.10 近似模型的特点对比及适用性 228
5.11 基于近似模型的MDO 方法 230
5.12 电动汽车动力电池箱应用实例 232
5.12.1 电动汽车动力电池箱优化问题 232
5.12.2 最优拉丁超立方采样 237
5.12.3 电池箱响应面模型构建 238
5.12.4 电池箱径向基模型构建 244
5.12.5 电池箱Kriging模型构建 252
5.12.6 近似模型分析对比 266
参考文献 267
第6 章 多学科设计优化求解策略 269
6.1 优化算法概述 270
6.2 优化算法的发展简史 272
6.3 优化算法的数学基础 281
6.3.1 函数的方向导数与梯度 281
6.3.2 多元函数的泰勒展开 284
6.3.3 多元函数的极值条件及其凸性 286
6.3.4 无约束问题的极值条件 289
6.3.5 约束问题的极值条件 289
6.4 经典优化算法 293
6.4.1 线性搜索法 293
6.4.2 最速下降法 296
6.4.3 牛顿法 298
6.4.4 拟牛顿法 301
6.4.5 鲍威尔法 305
6.4.6 单纯形替换法 307
6.4.7 复合形法 310
6.4.8 可行方向法 315
6.4.9 拉格朗日乘子法 319
6.4.10 序列二次规划法 321
6.5 智能优化算法 325
6.5.1 遗传算法 325
6.5.2 模拟退火算法 330
6.5.3 蚁群优化算法 335
6.5.4 禁忌搜索算法 342
6.5.5 粒子群算法 344
6.6 优化算法的组合策略 347
参考文献 348
第7 章 多目标优化方法 350
7.1 多目标优化与多学科设计优化的关系 351
7.1.1 多目标优化的特点 351
7.1.2 汽车开发多目标优化问题 353
7.1.3 多目标优化方法研究简史 355
7.2 多目标优化的基本概念 358
7.2.1 主要术语的定义 358
7.2.2 多目标优化算法的评价标准 360
7.3 基于偏好的先验方法 363
7.3.1 加权和法 363
7.3.2 主要目标法 365
7.3.3 理想点法 366
7.3.4 极大极小法 367
7.3.5 功效系数法 368
7.3.6 物理规划法 371
7.4 基于偏好的后验方法 382
7.4.1 法线边界正交法(NBI) 382
7.4.2 自适应加权和法(AWS) 391
7.4.3 NC法 402
7.5 无偏好方法 407
7.5.1 多目标遗传算法 407
7.5.2 多目标模拟退火算法 419
7.5.3 多目标粒子群算法 426
7.6 汽车行驶动力学性能的多目标优化算例 433
7.6.1 问题背景 433
7.6.2 多目标优化问题建模 434
7.6.3 多目标优化与结果分析 440
参考文献 442
第8 章 工程应用案例 445
8.1 汽车主动悬架系统优化 446
8.1.1 车辆模型的建立 447
8.1.2 线性二次高斯控制算法 448
8.1.3 卡尔曼滤波算法 450
8.1.4 主动悬架MDF优化 450
8.1.5 优化结果及讨论 454
8.2 插电式混合动力汽车动力系统优化 459
8.2.1 驾驶员模型 459
8.2.2 整车控制器模型 461
8.2.3 发动机模型 461
8.2.4 主驱动电机模型 463
8.2.5 ISG电机模型 465
8.2.6 动力电池模型 466
8.2.7 行驶动力学模型 467
8.2.8 能量管理策略模型 469
8.2.9 整车参数及约束条件 469
8.2.10 动力系统CO 优化及优化结果 470
8.3 汽车车身结构正面抗撞性设计优化 475
8.3.1 整车碰撞有限元分析模型的建立 475
8.3.2 有限元模型验证 477
8.3.3 近似模型的建立 481
8.3.4 基于CO 和近似模型的正面抗撞性优化 483
8.3.5 优化结果 488
参考文献 490
1.1 车辆多学科设计优化的形成动因 002
1.1.1 车辆设计工作的复杂性本质 002
1.1.2 汽车设计开发技术及理念新态势 002
1.2 什么是“ 多学科设计优化” 005
1.2.1 MDO 的基本概念 005
1.2.2 MDO 在产品开发中的作用 008
1.3 多学科设计优化的主要研究内容 010
1.3.1 复杂系统的分解与协调 011
1.3.2 MDO 方法 012
1.3.3 复杂系统建模 013
1.3.4 灵敏度分析 013
1.3.5 近似建模 014
1.3.6 优化算法 015
1.3.7 集成设计系统 015
1.4 MDO 与车辆工程结合的典型形式 017
1.5 MDO 在车辆工程应用中的挑战与趋势 020
1.5.1 面临的挑战 020
1.5.2 发展趋势 022
参考文献 023
第2 章 多学科设计优化方法体系 027
2.1 多学科设计优化技术中优化方法与优化算法的区别 028
2.2 多学科设计优化方法的研究着眼点 029
2.3 多学科设计优化方法的分类 030
2.4 多学科可行法 031
2.4.1 MDF法的基本思想 031
2.4.2 多学科分析 034
2.4.3 MDF法的特点 037
2.4.4 MDF法算例 038
2.4.5 MDF法的编程实现 039
2.5 单学科可行法 044
2.5.1 IDF法的基本思想 044
2.5.2 IDF法的特点 046
2.5.3 IDF法算例 046
2.5.4 IDF法的编程实现 047
2.6 一致性优化法 051
2.6.1 AAO 法的基本思想 051
2.6.2 AAO 法的特点 053
2.6.3 AAO 法算例 053
2.6.4 AAO 法的编程实现 054
2.7 并行子空间优化法 057
2.7.1 CSSO 法的基本思想 057
2.7.2 CSSO 法的特点 062
2.7.3 CSSO 法算例 063
2.8 协同优化法 066
2.8.1 CO 法的基本思想 066
2.8.2 CO 法的特点 069
2.8.3 CO 法算例 070
2.8.4 CO 法的编程实现 071
2.9 两级集成系统综合法 078
2.9.1 BLISS法的基本思想 079
2.9.2 BLISS法的特点 082
2.9.3 BLISS法的改进 082
2.9.4 BLISS2000方法简介 084
2.9.5 BLISS法算例 086
2.10 目标分流法 092
2.10.1 ATC法的基本思想 093
2.10.2 ATC法的特点 097
2.10.3 ATC法的编程实现 098
参考文献 106
第3 章 多学科设计优化建模 110
3.1 复杂系统的分解方法 111
3.1.1 基于分解的设计优化 111
3.1.2 学科的定义及划分原则 112
3.1.3 复杂系统的分解方法 113
3.1.4 设计结构矩阵方法 114
3.1.5 函数关系矩阵方法 121
3.1.6 超图方法 131
3.1.7 MDO 分解基本原则 134
3.2 协调策略 135
3.3 变复杂度建模 138
3.4 不确定性建模 140
3.4.1 不确定性的来源 140
3.4.2 不确定性建模方法 141
3.4.3 不确定性传播方法 142
3.4.4 不确定性优化设计 154
3.4.5 不确定性多学科设计优化建模 157
参考文献 159
第4 章 灵敏度分析技术 162
4.1 灵敏度分析的概念 163
4.2 单学科灵敏度分析 165
4.2.1 单学科灵敏度分析简介 165
4.2.2 手工求导方法 166
4.2.3 符号微分方法 166
4.2.4 有限差分方法 166
4.2.5 自动微分方法 168
4.2.6 复变量方法 174
4.2.7 解析方法 176
4.2.8 其他方法 178
4.3 多学科灵敏度分析 180
4.3.1 多学科灵敏度分析简介 180
4.3.2 最优灵敏度分析方法 181
4.3.3 全局灵敏度分析方法 184
4.3.4 滞后耦合伴随方法 187
参考文献 188
第5 章 近似模型技术 189
5.1 近似模型基础 190
5.1.1 基本概念 190
5.1.2 近似模型的需求背景 190
5.1.3 近似建模的基本思想 191
5.1.4 近似模型的基本构建过程 192
5.2 试验设计方法 193
5.2.1 全因子试验设计方法 194
5.2.2 部分因子试验设计方法 194
5.2.3 中心组合设计方法 194
5.2.4 蒙特卡罗法 194
5.2.5 正交试验设计方法 195
5.2.6 拉丁方设计方法 196
5.3 近似模型的构造方法 199
5.3.1 局部近似 199
5.3.2 中等范围近似 200
5.3.3 全局近似 201
5.4 响应面模型方法 202
5.5 移动最小二乘响应面法 205
5.6 Kriging模型法 210
5.7 人工神经网络模型法 214
5.7.1 BP神经网络 214
5.7.2 RBF神经网络 219
5.8 支持向量机法 222
5.9 近似模型预测精度的评价 225
5.9.1 误差分析方法 225
5.9.2 近似能力评价方法 227
5.10 近似模型的特点对比及适用性 228
5.11 基于近似模型的MDO 方法 230
5.12 电动汽车动力电池箱应用实例 232
5.12.1 电动汽车动力电池箱优化问题 232
5.12.2 最优拉丁超立方采样 237
5.12.3 电池箱响应面模型构建 238
5.12.4 电池箱径向基模型构建 244
5.12.5 电池箱Kriging模型构建 252
5.12.6 近似模型分析对比 266
参考文献 267
第6 章 多学科设计优化求解策略 269
6.1 优化算法概述 270
6.2 优化算法的发展简史 272
6.3 优化算法的数学基础 281
6.3.1 函数的方向导数与梯度 281
6.3.2 多元函数的泰勒展开 284
6.3.3 多元函数的极值条件及其凸性 286
6.3.4 无约束问题的极值条件 289
6.3.5 约束问题的极值条件 289
6.4 经典优化算法 293
6.4.1 线性搜索法 293
6.4.2 最速下降法 296
6.4.3 牛顿法 298
6.4.4 拟牛顿法 301
6.4.5 鲍威尔法 305
6.4.6 单纯形替换法 307
6.4.7 复合形法 310
6.4.8 可行方向法 315
6.4.9 拉格朗日乘子法 319
6.4.10 序列二次规划法 321
6.5 智能优化算法 325
6.5.1 遗传算法 325
6.5.2 模拟退火算法 330
6.5.3 蚁群优化算法 335
6.5.4 禁忌搜索算法 342
6.5.5 粒子群算法 344
6.6 优化算法的组合策略 347
参考文献 348
第7 章 多目标优化方法 350
7.1 多目标优化与多学科设计优化的关系 351
7.1.1 多目标优化的特点 351
7.1.2 汽车开发多目标优化问题 353
7.1.3 多目标优化方法研究简史 355
7.2 多目标优化的基本概念 358
7.2.1 主要术语的定义 358
7.2.2 多目标优化算法的评价标准 360
7.3 基于偏好的先验方法 363
7.3.1 加权和法 363
7.3.2 主要目标法 365
7.3.3 理想点法 366
7.3.4 极大极小法 367
7.3.5 功效系数法 368
7.3.6 物理规划法 371
7.4 基于偏好的后验方法 382
7.4.1 法线边界正交法(NBI) 382
7.4.2 自适应加权和法(AWS) 391
7.4.3 NC法 402
7.5 无偏好方法 407
7.5.1 多目标遗传算法 407
7.5.2 多目标模拟退火算法 419
7.5.3 多目标粒子群算法 426
7.6 汽车行驶动力学性能的多目标优化算例 433
7.6.1 问题背景 433
7.6.2 多目标优化问题建模 434
7.6.3 多目标优化与结果分析 440
参考文献 442
第8 章 工程应用案例 445
8.1 汽车主动悬架系统优化 446
8.1.1 车辆模型的建立 447
8.1.2 线性二次高斯控制算法 448
8.1.3 卡尔曼滤波算法 450
8.1.4 主动悬架MDF优化 450
8.1.5 优化结果及讨论 454
8.2 插电式混合动力汽车动力系统优化 459
8.2.1 驾驶员模型 459
8.2.2 整车控制器模型 461
8.2.3 发动机模型 461
8.2.4 主驱动电机模型 463
8.2.5 ISG电机模型 465
8.2.6 动力电池模型 466
8.2.7 行驶动力学模型 467
8.2.8 能量管理策略模型 469
8.2.9 整车参数及约束条件 469
8.2.10 动力系统CO 优化及优化结果 470
8.3 汽车车身结构正面抗撞性设计优化 475
8.3.1 整车碰撞有限元分析模型的建立 475
8.3.2 有限元模型验证 477
8.3.3 近似模型的建立 481
8.3.4 基于CO 和近似模型的正面抗撞性优化 483
8.3.5 优化结果 488
参考文献 490
猜您喜欢