基于GPU并行优化与近似技术的校车车身非线性问题多学科优化方法研究

The school bus body is a nonlinear multi-disciplinary system which includes safety performance, aerodynamic performance and mechanical properties of the body structure. It is difficult to get the optimal solutions by the traditional gradient single discipline serial optimization methods，on the contrary, the multi-disciplinary design optimization (MDO) is able to solve the complicated product's design problem systematically and accurately. Then, the project aims to explore the optimization strategy of the engineering multi-disciplinary problems by using GPU parallel optimization method and the adaptive approximate technology. There are three main research contents: 1）Present a variable precision compensation multi-disciplinary optimization method. It can enhance the system analysis speed; reduce the systems analysis times and the computing complexity of MDO problems. 2）Propose a novel adaptive fuzzy neural network technology, and establish the high precision approximate models of design responses of different disciplines, so as to increase the speed of discipline analysis and improve coupling characteristics of the different disciplines. 3）Research an adaptive mutation particle swarm optimization algorithm based on GPU parallel technology, which can improve the system optimization speed and increase the ability of global optimization, then, improve the convergence performance of MDO problems. Through the investigation of this project, it will not only establish a rapid design method of school bus body nonlinear MDO problem, but also widen the application fields of MDO method. Finally, it will bring a new way for school bus body of our country.

校车车身是包含安全性能、空气动力学性能及车身结构力学性能的非线性多学科系统。传统基于梯度的单学科串行优化方法难以获得该问题的最优解，多学科设计优化则能为这类复杂产品的设计提供系统的、精确的求解。因此，本项目旨在探索一种基于GPU并行优化与自适应近似技术的工程多学科问题的优化策略。主要开展3方面的研究内容：1）提出一种变精度补偿多学科优化方法，加快系统分析速度并减少系统分析次数，降低多学科问题的计算复杂性。2）提出一种新颖的自适应模糊神经网络近似技术，构建各学科设计响应的高精度近似模型，加快学科分析速度并改善各学科耦合特性。3）研究基于GPU并行的自适应变异粒子群快速优化算法，加快系统优化速度，提高系统优化的全局寻优能力，改善多学优化问题的收敛特性。通过本项目的研究，建立适用于校车车身非线性多学科问题的快速设计方法，拓展多学科优化方法的应用领域，为我国校车车身设计制造开辟一条新途径。

作为一种功能多样且结构复杂的大型工业产品，校车车身设计面临安全性能, 车身结构NVH 特性, 空气动力学特性等多方面性能的挑战。并且，各个性能之间存在相互关联与耦合的特性，然而，传统单学科串行设计忽略了设计系统内部不同学科性能之间的交互作用，从而不能获得车身复杂设计系统的全局最优解。因此，项目以受到国家与社会广泛关注的校车车身为研究对象，提出一种结合多学科组织策略、近似技术与先进工程数值优化方法的校车车身多学科优化系统。首先，建立不同精度学科模型的精度补偿模型，以补偿模型替代高精度模型，快速建立多学科设计信息数据库，消除了两级多学科优化策略中的学科级优化，从而降低系统分析计算复杂度，改善多学科的组织复杂性。其次，自采用适应模糊神经网络近似方法，构建系统及各学科性能指标的稳健与精度可控的近似模型，合理解决传统神经网络方法泛化性差与训练样本点数目的不确定性问题。最后，结合GPU 快速并行的自适应变异粒子群算法，充分利用GPU的快速并行计算特性，提高算法的全局寻优速度，改善多学科问题的收敛特性。因此，该系统从数值模型的计算及组织策略、学科解耦近似数学模型以及工程快速优化算法几方面来解决工程多学问题的计算复杂性、信息交换及寻优收敛复杂性等问题。并以该系统探索了校车车身的多学科力学性能最优解，拓展了多学科设计方法的应用研究领域，对校车车身的快速设计制造提供了一条新的途径。