[发明专利]基于复合形的自适应代理模型在电池模块优化设计中的应用方法

说明书

本发明公开了一种基于复合形的自适应代理模型优化方法及其在电池模块优化设计中的应用。由于传统的优化方法在解决黑箱问题或具有复杂性能函数的工程问题时，成本高、周期长、操作复杂，所以提出一种基于复合形的自适应代理模型优化方法，并应用在电池模块的优化设计中。首先，构造空冷电池模块ANSYS几何优化模型；其次，根据ANSYS几何优化模型进行CFD计算；然后，利用试验设计方法、近似技术建立代理模型，最后基于复合形的自适应代理模型优化方法对空冷电池模块进行优化。本发明将复合形法应用于代理模型的序列加点迭代中，比传统的序列加点优化方法具有添加样本少、收敛速度快、局部精度高且具有高效的优化效率等优点，具有广泛的应用前景。

技术领域

本发明属于工程优化设计技术领域，尤其涉及一种基于复合形的自适应代理模型在电池模块优化设计中的应用方法。

背景技术

工程领域中黑箱问题以及具有复杂性能函数优化问题，通常难以直接优化。基于代理模型的优化方法(Surrogate-Based Optimization,SBO)在解决隐性函数以及计算复杂耗时的昂贵模型优化问题方面，如航空航天系统中涉及空气动力学、结构优化、涡轮机叶片等，已经被证明是一种行之有效的方法。代理模型由Kleijnen于1975提出，Sacks等以计算机试验为基础对确定性输出进行随机过程的实现，从而更方便进行预测，该工作被认为是近似优化研究的开始。经过多年的研究，基于代理模型的优化方法得到了长足的发展。

由于代理模型是一个替代原问题的近似模型，如果代理模型没有达到一定精度可能无法顺利完成寻优，从而造成资源浪费。代理模型的精度取决于样本点数量以及其空间分布。采样方法可以分为静态试验方法和自适应加点两种方法。静态试验设计在构建代理模型前进行一次采样，建模、寻优过程不再进行采样。利用仿真模型或是调用真实函数获得样本响应的过程往往是昂贵的，因此在建立代理模型的过程中希望利用尽量少的样本点及其响应来构建满足精度要求的代理模型。静态试验方法由于割裂了样本点采集与优化过程之间的联系，显然难以满足这样的要求。为了弥补静态试验设计方法的这种不足，在这些传统试验设计方法的基础上又发展出了多种自适应加点方法。自适应方法在通过试验技术获取初始样本后，通过加点准则不断更新样本集，直到所建立的代理模型能够寻找到满足精度要求的最优解。由于加点方法可以选取更有利于建模的样本点，进而在同等精度条件下有效减少所需样本总量。

现有加点方法中加点与寻优被当做两个相对独立的过程，因此在构建代理模型的过程中分别用到了加点方法和优化算法，而加点过程也是一个优化问题，从而增加了建模过程繁杂程度。此外，由于当前的加点方法将焦点汇聚在模型精度的提高上，往往导致最终建模所需样本量较多。本发明提出一种能够兼顾加点与寻优的方法，该方法利用复合形对初始采样点的信息进行二次利用，提高样本点及其包含信息的利用率，同时利用复合形在设计空间内具有良好的搜索能力的特性，在寻优过程中提取加点信息，该方法在解决含有多极值优化问题时可以通过增加复合形数量同时获得多个最优解，为设计人员提供不同参考，还可有效减少建模寻优所需样本点总数。