清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Wing jig shape optimisation with gradient-assisted metamodel building in a trust-region optimisation framework

元建模 水准点(测量) 稳健性(进化) 数学优化 计算机科学 工程设计过程 算法 数学 工程类 结构工程 机械工程 生物化学 化学 大地测量学 基因 程序设计语言 地理
作者
Yu Zhang,Dongsheng Jia,Elliot K. Bontoft,Vassili Toropov
出处
期刊:Structural and Multidisciplinary Optimization [Springer Nature]
卷期号:65 (12) 被引量:5
标识
DOI:10.1007/s00158-022-03453-0
摘要

Abstract Significant computational resources are required to obtain an optimised wing jig shape by solving a high-fidelity large-scale aero-structural design optimisation problem. Gradient-based methods are efficient; however, some of the features of real-life engineering problems including numerical noise that pollutes the function values and occurrences of failed evaluations in the optimisation may limit their performance. To address these issues, this paper presents the latest developments in the multipoint approximation method (MAM) based on a gradient-assisted metamodel assembly technique within a trust-region optimisation framework. The proposed method is tested by a benchmark case first, and then, an aircraft wing jig shape optimisation problem is offered to demonstrate its performance. The gradient-based optimisation is used as a benchmark case, and the metamodel-based optimisation utilises the latest developments in MAM to solve the same problem. The results show that the proposed method can achieve the same design goal as the gradient-based method but with enhanced robustness and efficient performance. In the wing jig shape optimisation, the difference in the design objective, the global equivalent drag coefficient, between the two aforementioned optimisation approaches is 0.20 counts, whose relative difference is approximately 0.10%. Three approximate sub-optimisations have been conducted in every iteration of the metamodel-based optimisation to reduce the possibility of local optimality, while the overall elapsed time of the metamodel-based optimisation is approximately 1.98 times that of one gradient-based optimisation, which confirms the competitiveness of the proposed method bearing in mind the added safeguards for numerical noise, failed evaluations and possible local optimality.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
7秒前
Sunny完成签到 ,获得积分10
8秒前
虚幻的尔竹完成签到 ,获得积分10
10秒前
11秒前
背书强完成签到 ,获得积分10
12秒前
火花完成签到 ,获得积分10
21秒前
小西完成签到 ,获得积分10
24秒前
31秒前
zz完成签到 ,获得积分10
37秒前
wefor完成签到 ,获得积分10
51秒前
迷人的沛山完成签到 ,获得积分10
56秒前
申木完成签到 ,获得积分10
1分钟前
段采萱完成签到 ,获得积分10
1分钟前
黄花菜完成签到 ,获得积分10
1分钟前
风不尽,树不静完成签到 ,获得积分10
1分钟前
1分钟前
fff发布了新的文献求助10
1分钟前
空曲完成签到 ,获得积分10
1分钟前
LELE完成签到 ,获得积分10
2分钟前
王磊完成签到 ,获得积分10
2分钟前
emxzemxz完成签到 ,获得积分10
2分钟前
xun完成签到,获得积分10
2分钟前
焚心结完成签到 ,获得积分10
2分钟前
AUGKING27完成签到 ,获得积分10
2分钟前
秋子骞完成签到 ,获得积分10
3分钟前
su完成签到 ,获得积分10
3分钟前
大大蕾完成签到 ,获得积分10
3分钟前
Sophie发布了新的文献求助10
3分钟前
badgerwithfisher完成签到,获得积分10
3分钟前
深情安青应助fff采纳,获得10
3分钟前
小刘哥加油完成签到 ,获得积分10
3分钟前
spark810发布了新的文献求助10
3分钟前
Gary完成签到 ,获得积分10
3分钟前
飞天奶酪完成签到 ,获得积分10
4分钟前
文献搬运工完成签到 ,获得积分10
4分钟前
4分钟前
fff发布了新的文献求助10
4分钟前
SCINEXUS完成签到,获得积分0
4分钟前
蚂蚁踢大象完成签到 ,获得积分10
4分钟前
dream完成签到 ,获得积分10
4分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068236
求助须知:如何正确求助?哪些是违规求助? 2722176
关于积分的说明 7476072
捐赠科研通 2369138
什么是DOI,文献DOI怎么找? 1256228
科研通“疑难数据库(出版商)”最低求助积分说明 609518
版权声明 596835