Синтез надежных проектных решений с использованием статистической и экспертной информации при концептуальном проектировании летательных аппаратов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Этап концептуального проектирования летательных аппаратов характеризуется высокой степенью неопределенности исходных данных. Это связано с тем, что при формировании исходных данных из-за наличия случайных процессов или недостатка знаний приходится использовать недетерминированные параметры, которые не могут быть заданы точным числом. Недетерминированность параметров связанна с параметрической неопределенностью, которая является одним из основных факторов, повышающих риски ошибочных проектных решений. Для решения этой проблемы предложены оптимизационные модели, которые позволяют формализовать задачи параметрического синтеза при концептуальном проектировании летательных аппаратов с учетом надежности проектных решений. Для представления недетерминированных параметров применяются теория вероятности и теория неопределенности. Теория неопределенности позволяет предоставить лицу, принимающему решения, удобный инструмент для построения оптимизационных моделей, отражающих формализованные требования к проектируемому объекту.

Полный текст

Доступ закрыт

Об авторах

Г. С. Вересников

ИПУ РАН

Автор, ответственный за переписку.
Email: veresnikov@mail.ru
Россия, Москва

В. И. Гончаренко

ИПУ РАН

Email: vladimirgonch@mail.ru
Россия, Москва

Список литературы

  1. Анисимов К.С., Евдокименков В.Н., Красильщиков М.Н., Сыпало К.И., Топоров Н.Б. Оптимизация процесса совершенствования авиационных комплексов на базе концепции функционального проектирования // Изв. РАН. ТиСУ. 2022. № 1. С. 105–123.
  2. Анисимов К.С., Евдокименков В.Н, Красильщиков М.Н., Сыпало К.И., Топоров Н.Б. Управление процессом формирования научно-технического задела в авиастроении на основе оценки дефицита функциональных свойств перспективного летательного аппарата // Изв. РАН. ТиСУ. 2023. № 6. С. 142–152.
  3. Dawei Z., Jinyu Z., Chunqiu L., Zhiling W. A Short Review of Reliability-based Design Optimization // IOP Conference Series: Materials Science and Engineering. 2021. V. 1043. P. 032041.
  4. Ling C., Kuo W., Xie M. An Overview of Adaptive-Surrogate-Model-Assisted Methods for Reliability-Based Design Optimization // IEEE Transactions on Reliability. 2022. V. 72. № 3. P. 1243–1264.
  5. Jerez D.J., Jensen H.A., Beer M. Reliability-based Design Optimization of Structural Systems under Stochastic Excitation: An Overview // Mechanical Systems and Signal Processing. 2022. V. 166. P. 108397.
  6. Anirban C., Boris K., Karen E.W. Information Reuse for Importance Sampling in Reliability-Based Design Optimization // Reliability Engineering & System Safety. 2020. V. 201. P. 106853.
  7. Ma Y.-Z., Li H.-S., Yao W.-X. Reliability-based Design Optimization Using a Generalized Subset Simulation Method and Posterior Approximation // Engineering Optimization. 2017. V. 50. P. 1–16.
  8. Zhao W., Chen Y., Liu J. An Effective First Order Reliability Method Based on Barzilai-Borwein Step // Applied Mathematical Modelling. 2019. V. 77.
  9. Hu Z., Mansour R., Olsson M. et al. Second-order Reliability Methods: a Review and Comparative Study // Structural and Multidisciplinary Optimization. 2021. V. 64. P. 3233–3263.
  10. Lee S. Reliability Based Design Optimization Using Response Surface Augmented Moment Method // J. Mech. Sci. Technol. 2019. V. 33. P. 1751–1759.
  11. Dourado A.D., Lobato F.S., Cavalini A.A. et al. Fuzzy Reliability-Based Optimization for Engineering System Design // Intern. J. Fuzzy Systems. 2019. V. 21. P. 1418–1429.
  12. Zhang C.-Y., Wang Z., Fei C.-W., Yuan Z.-S., Wei J.-S., Tang W.-Z. Fuzzy Multi-SVR Learning Model for Reliability-Based Design Optimization of Turbine Blades // Materials. 2019. V. 12. P. 2341.
  13. Dey S., Zaman K. Dimension Reduction Method-Based RBDO for Dependent Interval Variables // Intern. J. Computational Methods. 2020. V. 17. № 3.
  14. Zaeimi M., Ghoddosian A. System RBDO of Truss Structures Considering Interval Distribution Parameters // Structural Engineering and Mechanics. 2019. V. 70. № 1. P. 81–96.
  15. Zhang Z., Jiang C. Evidence-theory-based Structural Reliability Analysis with Epistemic Uncertainty: A Review // Structural and Multidisciplinary Optimization. 2021. V. 63. № 1. P. 2935–2953.
  16. Wang C., Matthies H.G. Evidence Theory-based Reliability Optimization Design Using Polynomial Chaos Expansion // Computer Methods in Applied Mechanics and Engineering. 2018. V. 341. P. 640–657.
  17. Mourelatos Z.P., Zhou J., Kloess A. A Design Optimization Method Using Possibility Theory // SAE Transactions. 2005. V. 114. P. 257–266.
  18. Вересников Г.С., Башкиров И.Г., Горчаков С.Е. Determining SST Aerodynamic Configuration and Power Plant Parameters under Epistemic Uncertainty // Advances in Systems Science and Applications. 2023. V. 23. № 2. P. 152–163.
  19. Celorrio L., Patelli E. Reliability-Based Design Optimization under Mixed Aleatory/Epistemic Uncertainties: Theory and Applications // ASCE ASME J. Risk Uncertain. Eng. Syst. A Civ. 2021. V. 7. № 3.
  20. Zeng M., Changquan L., Peng H. Unified Reliability-based Design Optimization with Probabilistic, Uncertain-but-bounded and Fuzzy Variables // Computer Methods in Applied Mechanics and Engineering. 2023. V. 407. P. 115925.
  21. Liu B. Theory and Practice of Uncertain Programming. 3-rd ed. Berlin: Springer-Verlag, 2009. 201 p.
  22. Zhu Y. Functions of Uncertain Variables and Uncertain Programming // J. Uncertain Systems. 2012. V. 6. № 4. P. 278–288.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Пример графиков функций и .

Скачать (102KB)
Метаданные
3. Рис. 2. Пример кусочно-линейной функции распределения неопределенности.

Скачать (92KB)
Метаданные
4. Рис. 3. Результат расчета по модели 11.

Скачать (137KB)
Метаданные
5. Рис. 4. Результат расчета по модели 12.

Скачать (96KB)
Метаданные
6. Рис. 5. Результат расчета по модели 13 со случайными и неопределенными параметрами.

Скачать (144KB)
Метаданные
7. Рис. 6. Результат расчета по модели 14 со случайными параметрами.

Скачать (152KB)
Метаданные

© Российская академия наук, 2025