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。

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。在靠前外期刊发表研究论文50余篇。

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
1.2.1MDO的基本概念005
1.2.2MDO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
1.3.2MDO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
1.4MDO与车辆工程结合的典型形式017
1.5MDO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
2.4.1MDF法的基本思想031
2.4.2多学科分析034
2.4.3MDF法的特点037
2.4.4MDF法算例038
2.4.5MDF法的编程实现039
2.5单学科可行法044
2.5.1IDF法的基本思想044
2.5.2IDF法的特点046
2.5.3IDF法算例046
2.5.4IDF法的编程实现047
2.6一致性优化法051
2.6.1AAO法的基本思想051
2.6.2AAO法的特点053
2.6.3AAO法算例053
2.6.4AAO法的编程实现054
2.7并行子空间优化法057
2.7.1CSSO法的基本思想057
2.7.2CSSO法的特点062
2.7.3CSSO法算例063
2.8协同优化法066
2.8.1CO法的基本思想066
2.8.2CO法的特点069
2.8.3CO法算例070
2.8.4CO法的编程实现071
2.9两级集成系统综合法078
2.9.1BLISS法的基本思想079
2.9.2BLISS法的特点082
2.9.3BLISS法的改进082
2.9.4BLISS2000方法简介084
2.9.5BLISS法算例086
2.10目标分流法092
2.10.1ATC法的基本思想093
2.10.2ATC法的特点097
2.10.3ATC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
3.1.7MDO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
5.6Kriging模型法210
5.7人工神经网络模型法214
5.7.1BP神经网络214
5.7.2RBF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
7.4.3NC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
8.2.5ISG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