0 引 言

协同优化方法(Collaborative Optimization, CO)将复杂系统优化问题分解成系统级优化和学科级优化[1]，因高度的学科自治性，广泛应用于卫星[2]、火箭[3]、飞机[4]、潜艇[5]等复杂工程系统的设计。Huang等[2]以分系统对共享设计变量的优化结果与系统级期望取值差异最小为目标对控制、电源、结构等多个分系统进行优化，Cao等[5]以流体力学、推进、重量、性能和成本等学科优化结果与系统级期望值差异最小对潜艇进行初步概念分析。可见，传统CO方法分系统级的优化目标是分系统优化方案与系统级提议的目标方案差异最小[6,7]，没有进行分系统优化，不能保证分系统自身最优，因此不能保证协同优化方法结果最优。针对这个问题，本文提出了引入分系统优化的协同优化方法，并通过卫星总体设计验证了方法的有效性。

1 传统协同优化方法

传统协同优化方法分为系统级优化和分系统级优化两部分,系统级优化的目的是系统整体目标最优，同时采用等式约束保证不同学科之间共享变量的一致性。分系统级需满足本学科的约束，优化目标是使分系统优化方案与系统级提议的目标方案一致。通过系统级和分系统级间的多次迭代，最终找到一个系统级最优并且共享变量取值一致的优化结果[1]。

由图1可见，分系统没有进行分系统自身优化，不能保证分系统的最优性，另外，当分系统优化目标与系统级优化目标存在关联时，系统级优化效率低。在分系统级引入自身优化，可以改善上述两个问题。

伺服电机输出的速度与力矩越大，所需的电量就越大，因此为求得最低能耗，在轨迹规划时，需要尽量减少加速度的值。Bang-bang运动规划方式的原理是以固定的加速度先从起点匀加速到速度最大值，然后匀减速到终点，这种运动规划加速度较小，其一维位移与时间的正则化关系如下：

  

图1 协同优化设计基本框架Fig.1 The basic framework of collaborative optimization

2 引入分系统优化的协同优化方法

本文将分系统优化目标扩展为分系统自身最优并且共享变量取值与系统级提议值最接近，提出引入分系统优化的协同优化方法，如图2所示。分系统优化时既保证自身目标最优，又尽可能缩减共享变量取值的差异，分系统优化是一个多目标优化问题。

  

图2 引入分系统优化的协同优化方法Fig.2 Collaborative optimization method by introducing subsystem optimization

传统协同优化方法分系统级的优化模型如公式(1)所示：

 

(1)

 

s.t. mp≤300 kg

式中：为共享变量，为局部变量，为系统级提议的的目标值。由公式(1)可见，分系统级的优化目标仅仅是分系统优化结果与系统级提议的目标值最接近。如果在公式(1)中加入分系统自身优化目标分系统的优化模型变为：

(2)

 

(i=1,2,…,s;j=1,2,…t)

由公式(2)可见，分系统优化目标中考虑了分系统本身最优。

3 基于卫星总体设计的优化研究

本节首先介绍了卫星总体优化模型，然后采用传统协同优化方法和引入分系统优化的协同优化方法对卫星总体优化模型进行优化，验证改进方法的有效性。

3.1 卫星总体优化模型

3.1.1 卫星总体优化系统级模型

min mpower,Asa,msa

为了验证引入分系统优化的协同优化方法的有效性，本文对包含7个分系统的卫星总体优化模型进行优化研究。系统级优化模型为：

(3)

式中：mtotal为卫星总质量，mAOC为姿态与轨道控制分系统质量，mprop为推进分系统质量，mpower为电源分系统质量，mstrut为结构分系统质量，mpayload为有效载荷分系统质量，mthermal为热控分系统质量，mTTC为测控分系统质量。

3.1.2 卫星总体优化分系统级模型

a) 姿态与轨道控制分系统优化模型

b) 推进分系统优化模型

气缸套虽然结构简单，但却是柴油机的重要零件。气缸套的上部分是柴油机的燃烧室，下半部分是活塞做功场所，需要承受高压、高温、侧向力及摩擦力的作用。气缸套的外部与冷却水相接触，容易受到穴蚀与腐蚀作用。气缸套的工作环境复杂，容易受到损害，出现磨损、断裂等故障，影响柴油机的动力，最终导致无法工作。

find:xi={h,As,Asa,Iz,Iy,θa,Tstab,Tunload}

min mAOC,PAOC

矿石以伟晶岩、云英岩化花岗岩为主，主要由石英和白云母组成，主要矿物成分单一，且分布相对均匀，以原生块状构造矿石最为常见，次生变化微弱，结构构造简单。

 

(4)

 

s.t. mAOC≤120kg

圣人立教，首言问行，而文必先乎行者，以行必于文焉见之也。……所以有圣人贤人，即有圣人贤人之文，有忠臣孝子，即有忠臣孝子之文，诚积于中而形于言，是有所不得已者，如唐虞之所吁俞，伊周之所训诰，邹鲁洙泗之所称说，以至伯夷《采薇》之歌、屈原《怀沙》之篇、伯奇《履霜》之操，并悬日月，同敝天壤，使千古而下，读其书如见其人，如闻其声，为之或泣或歌，流连而不能已，是皆文之用也。［11］卷首《居易堂集自序》，1

 

表1 姿态与轨道控制分系统设计变量取值范围

 

Tab.1 The ranges of design values in attitude and orbit control subsystem

  

序号变量取值范围下界上界类型1轨道高度/km6001000共享设计变量/连续2星体截面积/m2218共享设计变量/连续3太阳电池阵面积/m2331共享设计变量/连续4绕z轴的转动惯量/kg·m23003000共享设计变量/连续5绕y轴的转动惯量/kg·m210006000共享设计变量/连续6指向精度0.13.0局部设计变量/连续7三轴稳定方式0或者1局部设计变量/离散8动量卸载方式0或者1局部设计变量/离散

姿态与轨道控制分系统优化模型如公式(4)所示：

推进分系统优化模型如公式(5)所示：

find:xi={h,mtotal,As,Asa,Lt,Tprop}

近年来，随着经济发展和人们生活习惯的改变，心脑血管疾病已成为威胁现代社会人类的健康隐患。脑血管疾病，如颅内动脉瘤、脑血管狭窄、基底动脉及椎动脉系统冗扩等，常伴发脑血管出血和缺血等不良事件，但目前其确切病因还未被阐明。脑血管疾病患者常伴有程度不一的血管粥样硬化斑块及血管钙化现象。研究[1-2]认为，血管粥样硬化和血管钙化可能是脑血管疾病发生发展的初期阶段和始动因素。

min mprop,Pprop

通观各法规，虽然表述不尽一致，但都未切实保护融资主体的正当利益，也未明确监管者保护融资主体正当利益的职责。

max

本文首先整体介绍了系统的组成结构和工作原理，然后简要说明了系统的开发平台LabVIEW和相关技术的特点，最后着重分析了在线监测系统的数据传输模块和数据解析处理模块两部分，并展示了最终的网页成果。

 

(5)

 

(i=1,2,…,s;j=1,2,…t)

其中，轨道高度h、卫星总质量mtotal、卫星截面积As、太阳电池阵面积Asa、卫星设计寿命Lt为共享设计变量，推进剂类型Tprop为局部设计变量。优化目标是质量mprop和功率Pprop最小，共享变量h、mtotal、As、Asa和Lt最接近系统级提议的目标值。设计变量取值范围如表2所示。

 

表2 推进分系统设计变量取值范围

 

Tab.2 The ranges of design values in propulsion subsystem

  

序号变量取值范围下界上界类型1轨道高度/km6001000共享设计变量/连续2星体截面积/m2218共享设计变量/连续3太阳电池阵面积/m2331共享设计变量/连续4卫星设计寿命/年310共享设计变量/连续5卫星总质量/kg5002000共享设计变量/连续6推进剂类型0或者1局部设计变量/离散

c) 电源分系统优化模型

电源分系统优化模型如公式(6)所示：

find: xi={h,Ptotal,Lt,TSA,TBA}

何纯教授认为：“新闻叙事人，既指叙述文本的讲述者，也指叙述文本的写作者，二者在很多时候是重合的。”[5]在此基础之上，何氏将经典叙事学中的“隐指作者”归类为一个集合体，而这个集合体才是真正的新闻叙事人。该思想将新闻叙事者进行了表里划分。表层的新闻叙事者就是记者，新闻经由其手产生，但记者作为单独的个体依附于媒体机构，本质上其所归属的媒体机构才是新闻叙事者，表里结合才构成了完整的新闻叙事者。但陈霖、陈一在《事实的魔方：新叙事学视野下的新文本》中提出了截然不同的观点，他们认为记者不是叙述者，并指出何氏观点的误区在于：“极容易导致抽空叙事学的观念和方法的具体内容，而徒剩一些名词术语的躯壳。”[6]

max

s.t. mpower≤330 kg

msa≤100 kg

(6)

 

AsaPEOL-(1+5%)Ptotal≥0

其中，轨道高度h、卫星功率需求Ptotal、卫星设计寿命Lt是共享设计变量；太阳电池类型TSA和蓄电池类型TBA是局部设计变量。优化目标是电源分系统的质量mpower、太阳电池阵面积Asa和太阳电池阵质量msa最小以及共享变量h、Ptotal、Lt最接近系统级提议的目标值。设计变量取值范围如表3所示。

 

表3 电源分系统设计变量取值范围

 

Tab.3 The ranges of design values in power subsystem

  

序号变量取值范围下界上界类型1轨道高度/km6001000共享设计变量/连续2功率需求/W3002000共享设计变量/连续3卫星设计寿命/年310共享设计变量/连续4太阳电池类型0或者1局部设计变量/离散5蓄电池类型0或者1局部设计变量/离散

d) 结构分系统优化模型

结构分系统优化模型如公式(7)所示：

find: xi={mtotal,mother,TSM,r,hm,tplate,Dcell,tcell}

min mstr

max

其中，h为轨道高度，As为星体截面积，Asa为太阳电池阵面积，Iz为绕z轴的转动惯量，Iy为绕y轴的转动惯量，均为共享设计变量。θa为指向精度，Tstab为三轴稳定方式，Tunload为动量卸载方式，是局部设计变量。姿态与轨道控制分系统优化时，通过同时优化共享设计变量和局部设计变量，使姿态与轨道控制分系统的质量mAOC和功耗PAOC最小以及共享变量h、Asect、Asa、Iz、Iy的取值最接近系统级提议的目标值。其中，下标“e”表示系统级提议的目标值。设计变量取值范围如表1所示。

s.t. mstr≤300kg

(7)

faxial≥25Hz

flateral≥24Hz σeq≤σy

σe≤σc

其中，卫星总质量mtotal和其他分系统总质量mother是共享设计变量；材料类型TSM、横截面包络半径r、卫星结构高度hm和中心承力筒直径Dcell是局部设计变量。优化目标是在满足刚度(频率)、强度和稳定性要求下，达到结构分系统质量mstr最低，共享变量mtotal和mother最接近系统级提议的目标值。设计变量取值范围如表4所示。

 

表4 结构分系统设计变量取值范围

 

Tab.4 The ranges of design values in structure subsystem

  

序号变量取值范围下界上界类型1卫星总质量/kg5002000共享设计变量/连续1其他分系统总质量/kg3001600共享设计变量/连续2横截面包络半径/m0.22局部设计变量/连续3卫星结构高度/m0.56局部设计变量/连续4中心承力筒直径/m0.12局部设计变量/连续5材料类型0或者1局部设计变量/离散

e) 有效载荷分系统优化模型

有效载荷分系统优化模型如公式(8)所示：

So the old woman made a gingerbread man.She gave him currant eyes，a cherry nose and a big，big smile.

find: xi={h,μ0,fc}

min mpayload,Ppayload

(8)

 

s.t.mpayload≤600kg

其中，轨道高度h是共享设计变量；像元尺寸μ0和相机的镜头焦距fc是局部设计变量。优化目标是有效载荷分系统质量mpayload和功率Ppayload最小，共享变量h最接近系统级提议的目标值。设计变量取值范围如表5所示。

 

表5 有效载荷分系统设计变量取值范围

 

Tab.5 The ranges of design values in payload subsystem

  

序号变量取值范围下界上界类型1轨道高度/km6001000共享设计变量/连续2相机的镜头焦距/mm300900局部设计变量/连续3像元尺寸/μm320局部设计变量/连续

f) 热控分系统优化模型

热控分系统优化模型如公式(9)所示：

提起家乡贵州，阳刚的梅先生一下温婉起来。他说，有这么一件事，至今我一直为之高兴着——2000年全国评博士学位授权点，刚从美国回来的梅先生担当学科评议组的秘书。

find: xi={h,Ph,δi,A7,THRM}

min mThermal,PThermal

 

(9)

 

其中，卫星轨道高度h、卫星内部热功耗Ph是共享设计变量；卫星各表面隔热涂层厚度δi、散热窗面积A7和隔热材料类型THRM是局部设计变量。优化目标是质量mThermal和功率PThermal最小，共享变量h和Ph最接近系统级提议的目标值。设计变量取值范围如表6所示。

 

表6 热控分系统设计变量取值范围

 

Tab.6 The ranges of design values in thermal control subsystem

  

序号变量取值范围下界上界类型1轨道高度/km6001000共享设计变量/连续2卫星星内热功耗/W120500共享设计变量/连续3各表面涂层厚度/mm25局部设计变量/连续4散热窗面积/m20.24.280局部设计变量/连续5绝热材料类型0或者1局部设计变量/离散

g) 测控分系统优化模型

测控分系统优化模型如公式(10)所示：

find: xi={h,DR,f,Aan,t,Aan,r}

min mTTC,PTTC

 

(10)

s.t.mTTC≤135 kg

通常情况下在数据监测的时候会对电流进行检测[14-16],但是在这里所搭建的电路模型中,负载的变化会对电流产生影响,而电压却不会变化,所以在这里选取了逆变器的三相输出电压作为检测对象。将三相输出电压经过Park变换后可变成二维信号Ud、Uq,然后再对其进行快速傅里叶变换(FFT)。

其中，卫星轨道高度h和载荷总数据率DR是共享设计变量；射频载波频率f、发射天线口面面积Aan,t和接收天线口面面积Aan,r是局部设计变量。优化目标是质量mTTC和功率PTTC最小，共享变量h和DR最接近系统级提议的目标值。设计变量取值范围如表7所示。

 

表7 测控分系统设计变量取值范围

 

Tab.7 The ranges of design values in tracking telemetry and command subsystem

  

序号变量取值范围下界上界类型1轨道高度/km6001000共享设计变量/连续2载荷总数据率/W3002000共享设计变量/连续3发射天线口面面积/m20.130共享设计变量/连续4接收天线口面面积/m20.130共享设计变量/连续5射频载波频率/GHz212共享设计变量/连续

3.2 优化结果分析

优化时在系统级和分系统级中均采用遗传算法(Genetic Algorithm GA)作为优化方法。本节给出分系统优化模块对优化过程的作用分析结果和两种方法的优化结果比较情况。

3.2.1 分系统优化模块对优化过程的作用

以结构分系统为例分析分系统优化模块的作用。不采用分系统优化模块时，结构分系统的两个共享变量在满足结构系统自身约束条件下直接随机生成，假设为和采用分系统优化模块时，在满足结构分系统自身约束条件下通过优化卫星总质量其他分系统质量材料类型TSM、卫星横截面包络半径r、卫星本体高度hm、卫星结构板壁厚tplate、中心承力筒直径Dcell和中心承力筒壁厚tcell，得到优化后的结构分系统质量假设为图3给出结构分系统质量采用随机生成和通过分系统优化生成时两者的比较情况。

  

图3 分系统优化模块对结构分系统质量的优化作用Fig.3 The optimization function of subsystem optimization module on the mass of structure subsystem

由图3可见，经过结构分系统优化模块优化后的结构分系统质量均小于在满足条件下随机生成的结构分系统质量。表明对分系统进行优化设计，有利于分系统最优。

[20]信春鹰、陈国刚：《2007年中国立法发展状况》，见李林主编：《中国法治发展报告No.6(2008)》，北京：社会科学文献出版社，2008年，第53页。

3.2.2 协同优化方法改进前后优化结果比较

表8给出改进前后优化结果中各分系统质量的比较情况。由表8可见，改进后的优化结果中除了电源分系统和结构分系统的质量略有增加外，其余5个分系统的质量均减小。最终卫星总质量也减小了大约4%，可见引入分系统自身优化可以得到更优解。

 

表8 优化结果中各分系统质量及卫星总质量的比较情况

 

Tab.8 Comparisons between before and after the improvement on masses of subsystems and satellite

  

变量mAOC/kgmprop/kgmpower/kgmstrut/kgmpayload/kgmThermal/kgmTTC/kgmtotal/kg改进前92.43180.30207.47182.34253.8366.8672.881056.11改进后90.87166.49209.24185.44235.7962.2767.931018.04

4 结束语

本文通过在传统协同优化方法中引入分系统自身优化目标，提出了改进的协同优化方法。采用传统的和改进的协同优化方法对卫星总体优化模型进行优化研究，比较了两种方法的优化结果。结果表明：引入分系统自身优化目标的改进协同优化方法在优化过程中分系统的优化目标比不考虑分系统自身优化的传统协同优化方法更优；改进方法获得了比传统方法更优的优化结果。因此，证明了改进方法对卫星总体设计的有效性。

所谓“阳光是最好的防腐剂”⑩，透明度在规则制定中一直占有重要地位。透明度在公开和保密之间形成张力:政府机构或企业为追求透明度而公开信息，可能会损害国家安全或商业秘密等重要利益，不充分的透明度则会导致信任缺失，而无意的披露又可能造成损害隐私或泄露机密等不利后果。有研究提出大数据的“透明悖论”⑪，即某些机构为了执行任务或提供服务，会运用法律和商业秘密武器来隐匿其数据收集行为及收集的数据，因而如何发现数据收集行为并要求其实现透明度呢?

参 考 文 献

[1] Kroo I, Altus S, Braun R, et al. Multidisciplinary optimization methods for aircraft preliminary design [C]. The 5th AIAA/NASA/USAF/ISSMO Symposiumon Multidisciplinary Analysis and Optimization. Panama, 1994: 697-707.

[2] Huang, H., H. C. An, W. R. Wu, L. Y Zhang, B. B. Wu, and W. P. Li. Multidisciplinary design modeling and optimization for satellite with maneuver capability [J]. Structural and Multidisciplinary Optimization, 2014, 50:883-898.

[3] Braun, R. D., R. W. Powell, R. A. Lepsch, D. O. Stanley, and I. M. Kroo. Comparison of two multidisciplinary optimization strategies for launch-vehicle design [J]. Journal of Spacecraft and Rockets, 1995, 32 (3): 404-410.

[4] Jun, S., Y. H. Jeon, J. Rho, and D. Lee. 2006. Application of collaborative optimization using genetic algorithm and response surface method to an aircraft wing design [J]. Journal of Mechanical Science and Technology 20 (1): 133-146.

[5] Cao A. X., M. Zhao, W. Liu, and W. C. Cui. Application of multidisciplinary design optimization in the conceptual design of a submarine [J]. Journal Ship Mechanics, 2007, 11 (3): 373-382.

[6] 韩明红, 邓家褆. 协同优化算法的改进[J]. 机械工程学报, 2006, 42(11): 34-38.

[7] Ilan Kroo, Valerie Manning. Collaborative Optimization: Status and Directions [C]. The 8th AIAA/NASA/ISSMO Symposium on Multidisciplinary Analysis and Optimization, 6-8 September 2000, Long Beach CA. AIAA-2000-4721.