طراحی و بهینه سازی سیستمی ماهواره بر اساس شبه مدل

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشکده مهندسی هوافضا، دانشگاه صنعتی خواجه نصیر طوسی، تهران، ایران

2 استادیار، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

3 استادیار، دانشکده مهندسی هوافضا، دانشگاه صنعتی خواجه نصیر طوسی، تهران، ایران

چکیده

بهینه­سازی طراحی مسائل واقعی فرآیندی پیچیده و چندموضوعی است. برای مثال، در طراحی ماهواره تعاملات پیچیده بین زیر­سیستم­ها، معیارهای طراحی متناقض، متغیرها و قیود طراحی، کاربرد روش­های مرسوم بهینه سازی را برای اینگونه مسائل با مشکلات متعددی مواجه می­سازد، بعلاوه جستجوی فضای طراحی جهت یافتن طراحی بهینه به اجرای تکرارهای زیاد مبتنی بر مدل­های شبیه سازی زمان­بر و کدهای تحلیل بین زیرسیستم های ماهواره وابسته است که این امر موجب طولانی ­شدن چرخه بهینه­سازی طراحی سیستمی ماهواره می­شود. برای عبور از این مشکلات، تحقیقات وسیعی در حوزه روش­های طراحی و بهینه­سازی چندموضوعی درحال انجام است. دراین راستا این مقاله یک چارچوب بهینه­سازی طراحی چندموضوعی مبتنی بر شبه مدل باکارایی بالا در مقایسه با چارچوب­های موجود ارائه می­دهد. روش مذکور بر پایه بکارگیری روش امکان­پذیری چندموضوعی، شبه مدل، طراحی آزمایش و الگوریتم بهینه­سازی متوالی­درجه­دو می­باشد. روش پیشنهادی روی مسائل نمونه پیاده سازی و با سایر روش­های موجود مقایسه می­گردد، در  ادامه پیاده سازی روش پیشنهادی در طراحی مفهومی ماهواره مبنا ارائه شده است. نتایج بدست آمده نشان می­دهد که روش ارائه شده یک رویکرد موثر برای حل مسائل صنعتی می­باشد.

کلیدواژه‌ها

موضوعات


[1] Ahn J., Kwon J., An efficient strategy for reliability-based multidisciplinary design optimization using BLISS. Journal of Structural and Multidisciplinary Optimization; 31(5): 363-72, 2006.
[2] Yu X., Du X., Reliability-based multidisciplinary optimization for aircraft wing design, Structure and Infrastructure Engineering, 2(3-4):277–89, 2006.
[3] Haftka R. T., Sobieszczanski-Sobieski J., and Padula S. L., On Options for Interdisciplinary Analysis and Design Optimization, Structural Optimization, Vol. 4, 1992, pp. 65–74. DOI:10.1007/BF01759919.
[4] Allison J., Complex system optimization: a comparison of analytical target cascading, collaborative optimization and other formulations, Ph.D. thesis, University of Michigan, USA, 2004.
[5] Cramer E., Dennis J., Frank P., Lewis R., Shubin G., Problem formulation for multidisciplinary optimization. SIAM J Optim 4, pp: 754–776, 1994.
[6] Balling R., Sobieszczanski-Sobieski J., Optimization of coupled systems: a critical overview of approaches.” NASA/ICASE Report, pp 94-100, 1994.
[7] Braun R. D. and Kroo I. M., Development and Application of the Collaborative Optimization Architecture in a Multidisciplinary Design Environment”, In: Alexandrov, N. M., and Hussaini, M. Y., editors, Multidisciplinary Design Optimization: State –of – the – Art, Philadelphia, SIAM, 1997.
 [8] Sobieszczanski-Sobieski J., Optimization by decomposition: a step from hierarchic to non-hierarchic systems, NASA Technical Report CP-3031, 1988.
[9] Sobieszczanski-Sobieski J., Agte J., Sandusky R., Bi-Level Integrated System Synthesis (BLISS), NASA/TM-208715, 1998.
 [10] Hill W.J. and Hunter W.G., A review of response surface methodology: a literature survey, Techno Metrics, Vol. 1, No. 4, pp. 571, 1966.
[12] Box G.E.P. and Wilson K.B., On the experimental Attainment of optimum conditions (with discussion), Journal of Royal Statistical Society, Vol. B13, pp. 1-45, 1951.
 [13] Matheron G.  Traite de Geostatistique Appliquee, memoires du bureau de researches geologiques et minieres, no. 14 editions technip, paris ( pp.57-59) , 1962.
 [14] powell m. j. d.  Radial basis function for multivariable interpolation: A  review, In: mason, j. c.: cox, m. g., algorithms for approximation, Oxford University press, 1987.
[15] Atiken A.C. “On least squares and linear combinations of observations.” Proceedings of Royal Society of Edinburgh, 55:42-48, 1935.
[16] Rumelhart D. E., Widrow B., Lehr M. A., The Basic Ideas in Neural Networks, Communications of the ACM, Vol. 37, No. 3, pp. 87-92, 1994.
[17] Ross T. J.,  Fuzzy Logic with Engineering Applications, 2nd ed., John Wiley& Sons. New York, NY. 2004.
[18] T. W. Simpson, T. M. Mauery, J. J. Korte, F. Mistree, Comparison Of Response Surface and Kriging Models For Multidisciplinary Design Optimization, AIAA Journal, Vol. 98, 1998.
[19]Zadeh, P.M., Toropove V.V, Wood, A.S., Use of global approximation in the collaborative optimization framework, 10th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference, 2004.
[20] Zadeh P.M., Shirazi M.S., Multidisciplinary Design Optimization Architecture to Concurrent Design of Satellite Systems, Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2016.
[21] Gang, C., Min, X., Zi-ming W., Si-Lu, C., “Multidisciplinary design optimization of RLV reentry trajectory, In: 13th AIAA/CIRA international space planes and hypersonic systems and technologies. Capua, Italy, 2005.
[22] Duranté N., Dufour A., Pain V., Multidisciplinary analysis and optimization approach for the design of expendable launchers, In: 10th AIAA/ISSMO multidisciplinary analysis and optimization conference. Albany, New-York, USA, 2004.
[23] Simpson, T.W., J. Peplinski, T.J. Mitchell and J.K. Allen. On the use of statistics in design and the implications for deterministic computer experiment.” In: Proceedings of the ASME, DETC97/DTM-3881, design theory and methodology— DTM’97. Sacramento, CA; 1997.
[24] Zadeh P.M, Mehmani A. and Sadat Shirazi M., Multidisciplinary Design Optimization Using Variable Fidelity Modeling: Application to a Wing Based on High Fidelity Models”. ASMDO conference, Paris; 2010.
[25] Perez R. E., Liu H. H. T. and Behdinan K., Evaluation of Multidisciplinary Optimization Approaches for Aircraft Conceptual Design, Proceedings of the 10th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference, Albany, NY, Aug. 2004, AIAA 2004-4537.
[26] Nathan P. Tedford and Joaquim R.R.A. Martins, “Benchmarking MDO algorithms”, Optim Eng, 2010, DOI 10.1007/s11081-009- 9082-6.
[27]Wertz J. and Larson W.J.. Space Mission Analysis and Design. Kluwer Academic Pub Vol. 8, 1999.