自主水下航行器设计的高保真代理模型驱动多学科多目标序贯优化

《Applied Ocean Research》:High-fidelity surrogate-based multidisciplinary multi-objective sequential optimization for AUV design

【字体: 大 中 小 】 时间:2026年08月27日 来源:Applied Ocean Research 5.1

编辑推荐:

  针对自主水下航行器(AUV)路径跟踪设计,研究人员建立了一种高保真多学科耦合模型,并提出一种基于代理模型的序贯多目标优化框架。该框架以参数化几何、CFD(Computational Fluid Dynamics,计算流体动力学)衍生水动力导数、运动动力学、PI

  
针对自主水下航行器(AUV)路径跟踪设计,研究人员建立了一种高保真多学科耦合模型,并提出一种基于代理模型的序贯多目标优化框架。该框架以参数化几何、CFD(Computational Fluid Dynamics,计算流体动力学)衍生水动力导数、运动动力学、PID控制与ALOS-3D(Adaptive Line-of-Sight,自适应视线)路径导引集成于闭环耦合系统。为解决CFD样本生于几何设计空间而最终优化位于含几何、控制与导引变量的多学科空间这一跨空间不匹配问题,研究人员提出ED-NNS策略,依据几何空间邻近度将稀疏高保真CFD样本拓展至多学科设计空间,降低初始CFD采样负担;进一步提出HV-UNC准则,联合考虑候选解对Pareto前沿的超体积(Hypervolume)贡献与代理模型预测不确定性,将有限高保真验证资源导向Pareto敏感且预测不确定区域。研究表明,该方法在保持物理保真度的同时提升优化效率,能够在有限CFD评估次数下细化Pareto前沿并得到兼顾跟踪精度与舵机相对作动代价的折中方案。
研究背景方面,随着海洋科技发展,AUV在大尺度探测与环境监测中作用凸显,路径跟踪能力直接决定任务精度与安全。其性能由水动力、运动与控制系统的非线性耦合决定。现有研究存在三方面局限:其一,CFD水动力分析多停留于阻力、升力、力矩或导数估计,几何诱导的水动力变化未向下传递至闭环运动、控制与导引模块;其二,控制与导引研究多在固定水动力系数下改进算法,忽视几何与舵形变化对控制器及任务级性能的反向影响;其三,既有代理辅助MDO或MOO采样更新常在单空间进行,而AUV问题中高保真CFD样本位于几何空间,最终优化位于更高维多学科空间,直接构建CFD信息化的多学科代理模型代价高昂。因此,研究人员开展一项CFD信息化的代理辅助多学科多目标序贯优化研究,以打通“几何—水动力导数—运动响应—控制行为—导引精度”的耦合链,相关成果发表于《Applied Ocean Research》。
关键技术方法上,研究人员构建五学科耦合模型(参数化几何、水动力、运动、PID控制、ALOS-3D导引),以SUBOFF为基型、Myring尾部与NACA对称翼型舵参数化;水动力导数由RANS(Reynolds-averaged Navier–Stokes)方程结合SST k?ω湍流模型在多工况CFD中通过最小二乘辨识平移与旋转导数及舵导数;提出ED-NNS(Embedding-based Nearest Neighbor Spread)将几何空间稀疏CFD样本按邻近度嵌入多学科空间以初始化代理模型;提出HV-UNC(Hypervolume-Uncertainty)序贯填充准则,筛选对Pareto前沿超体积贡献大且代理预测不确定性高的候选点进行高保真验证;外层以多目标算法驱动,内层以MDO模块求解耦合残差并回报跟踪RMSE(Root Mean Square Error)与相对舵作动代价Etotal。
研究结果部分,按原文小节叙述如下。第1节引言指出孤立单学科优化无法捕获子系统协同机制,明确三项局限并引出跨空间代理转移与Pareto敏感填充动机。第2节建立AUV多学科多目标优化模型,定义目标为跟踪RMSE J1与相对舵作动代价J2=∫(δ?r2+δ?e2+δr2+δe2)dt,设计变量维度为13,外层MOO与内层MDO闭环迭代。第3节多学科耦合建模中,3.1参数化建模以SUBOFF弓型加Myring尾型与NACA 00XX舵定义几何输入输出;3.2水动力学科用漂移试验与旋转臂试验CFD结合最小二乘获取Yv、Nv、Zw、Mw、Yr、Nr、Zq、Mq及舵导数Yδ、Nδ、Zδ、Mδ,网格收敛指数GCI在漂移域为1.85%,Scheme 3网格被采纳;3.3至3.5节将导数代入六自由度运动方程,由ALOS-3D生成航向与俯仰误差馈入PID,舵角受幅值与速率约束后回灌运动方程形成闭环。第4节优化策略中,ED-NNS以几何空间欧氏邻近权重将CFD水动力样本拓至13维空间训练初始Kriging型代理;HV-UNC以当前代理预测均值与方差估计超体积增益与不确定性乘积最大化解作填充点,经若干序贯轮次后用真实CFD-MDO校验并更新。第5节结果表明,相较单空间代理MOO与纯不确定性填充,所提框架在同等CFD调用次数下Pareto前沿分布更靠优,跟踪RMSE与Etotal折中面更平滑,且部分几何参数(如尾锥半角θt、舵弦长cr)与PID增益、ALOS参数呈非单调耦合;验证案例显示优化后AUV在三维曲线路径下RMSE下降同时Etotal未显著上升。第6节结论指出,该框架实现了高保真CFD信息向多学科空间的低成本迁移与Pareto敏感区自适应验证,在保持物理一致性的前提下提高了AUV路径跟踪系统级优化效率,对工程化AUV外形—操纵—控制协同设计具有直接支撑意义。
讨论与结论翻译部分,研究人员总结:所建高保真多学科耦合模型能够量化几何诱导水动力变化对闭环路径跟踪的影响;ED-NNS有效缓解CFD样本跨空间稀缺问题,使初始多学科代理具备物理可解释性;HV-UNC相较于单一不确定性或单一超体积填充,避免将昂贵CFD资源浪费于Pareto无关但不确定区域,也规避了高不确定性但预测不可信导致的伪优解;整体框架在有限CFD预算下获得高质量Pareto前沿,为AUV系统级多目标设计提供可复用方法论。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号