車輛多學(xué)科設(shè)計優(yōu)化方法

定　價：￥89.00

作　者：	陳瀟凱
出版社：	人民郵電出版社
叢編項：	國之重器出版工程
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787568248860	出版時間：	2018-06-01	包裝：
開本：	16開	頁數(shù)：	491	字數(shù)：

內(nèi)容簡介

　　本書對多學(xué)科設(shè)計優(yōu)化主要研究內(nèi)容進行了較系統(tǒng)的歸納，突出基礎(chǔ)性、適用性。圍繞MDO核心內(nèi)容———MDO建模技術(shù)、MDO 方法體系、靈敏度分析與近似建模、設(shè)計空間尋優(yōu)策略、多目標(biāo)優(yōu)化等方面進行梳理和總結(jié)，并結(jié)合理論闡釋給出大量的算例及編程參考。讀者可通過本書所介紹的理論方法和數(shù)學(xué)算例及工程應(yīng)用實例，在實踐中提升對MDO 的認識和工程應(yīng)用能力。本書可供高等院校車輛設(shè)計、機械設(shè)計等相關(guān)專業(yè)，或者多學(xué)科設(shè)計優(yōu)化、輕量化設(shè)計等研究方向的師生作為教學(xué)參考書和技術(shù)參考資料，也可供從事汽車總體設(shè)計、零部件開發(fā)或者其他復(fù)雜工程系統(tǒng)開發(fā)的研究人員和工程設(shè)計人員參考。

作者簡介

　　陳瀟凱，博士，北京理工大學(xué)機械與車輛學(xué)院副教授，中國汽車工程學(xué)會懸架技術(shù)分會秘書長，中汽學(xué)會標(biāo)準化工作委員會委員。主要從事汽車系統(tǒng)動力學(xué)、汽車輕量化設(shè)計以及新能源汽車等方面的教學(xué)和科研工作。獲國防科技發(fā)明獎、中國汽車科技進步獎等多項科技獎勵。作為項目負責(zé)人承擔(dān)國家自然科學(xué)基金3項、國家重點研發(fā)計劃課題1項、國家“863”計劃課題1項、北京市科委科技攻關(guān)課題1項。在國內(nèi)外期刊發(fā)表研究論文50余篇。

圖書目錄

第１章　緒論 001
１．１　車輛多學(xué)科設(shè)計優(yōu)化的形成動因　002
１．１．１　車輛設(shè)計工作的復(fù)雜性本質(zhì)　002
１．１．２　汽車設(shè)計開發(fā)技術(shù)及理念新態(tài)勢　002
１．２　什么是“ 多學(xué)科設(shè)計優(yōu)化”　005
１．２．１　MDO 的基本概念　005
１．２．２　MDO 在產(chǎn)品開發(fā)中的作用　008
１．３　多學(xué)科設(shè)計優(yōu)化的主要研究內(nèi)容　010
１．３．１　復(fù)雜系統(tǒng)的分解與協(xié)調(diào)　011
１．３．２　MDO 方法　012
１．３．３　復(fù)雜系統(tǒng)建?！?13
１．３．４　靈敏度分析　013
１．３．５　近似建模　014
１．３．６　優(yōu)化算法　015
１．３．７　集成設(shè)計系統(tǒng)　015
１．４　MDO 與車輛工程結(jié)合的典型形式　017
１．５　MDO 在車輛工程應(yīng)用中的挑戰(zhàn)與趨勢　020
１．５．１　面臨的挑戰(zhàn)　020
１．５．２　發(fā)展趨勢　022
參考文獻　023
第２　章多學(xué)科設(shè)計優(yōu)化方法體系　027
２．１　多學(xué)科設(shè)計優(yōu)化技術(shù)中優(yōu)化方法與優(yōu)化算法的區(qū)別　028
２．２　多學(xué)科設(shè)計優(yōu)化方法的研究著眼點　029
２．３　多學(xué)科設(shè)計優(yōu)化方法的分類　030
２．４　多學(xué)科可行法　031
２．４．１　MDF法的基本思想　031
２．４．２　多學(xué)科分析　034
２．４．３　MDF法的特點　037
２．４．４　MDF法算例　038
２．４．５　MDF法的編程實現(xiàn)　039
２．５　單學(xué)科可行法　044
２．５．１　IDF法的基本思想　044
２．５．２　IDF法的特點　046
２．５．３　IDF法算例　046
２．５．４　IDF法的編程實現(xiàn)　047
２．６　一致性優(yōu)化法　051
２．６．１　AAO 法的基本思想　051
２．６．２　AAO 法的特點　053
２．６．３　AAO 法算例　053
２．６．４　AAO 法的編程實現(xiàn)　054
２．７　并行子空間優(yōu)化法　057
２．７．１　CSSO 法的基本思想　057
２．７．２　CSSO 法的特點　062
２．７．３　CSSO 法算例　063
２．８　協(xié)同優(yōu)化法　066
２．８．１　CO 法的基本思想　066
２．８．２　CO 法的特點　069
２．８．３　CO 法算例　070
２．８．４　CO 法的編程實現(xiàn)　071
２．９　兩級集成系統(tǒng)綜合法　078
２．９．１　BLISS法的基本思想　079
２．９．２　BLISS法的特點　082
２．９．３　BLISS法的改進　082
２．９．４　BLISS２０００方法簡介　084
２．９．５　BLISS法算例　086
２．１０　目標(biāo)分流法　092
２．１０．１　ATC法的基本思想　093
２．１０．２　ATC法的特點　097
２．１０．３　ATC法的編程實現(xiàn)　098
參考文獻　106
第３　章多學(xué)科設(shè)計優(yōu)化建?！?10
３．１　復(fù)雜系統(tǒng)的分解方法　111
３．１．１　基于分解的設(shè)計優(yōu)化　111
３．１．２　學(xué)科的定義及劃分原則　112
３．１．３　復(fù)雜系統(tǒng)的分解方法　113
３．１．４　設(shè)計結(jié)構(gòu)矩陣方法　114
３．１．５　函數(shù)關(guān)系矩陣方法　121
３．１．６　超圖方法　131
３．１．７　MDO 分解基本原則　134
３．２　協(xié)調(diào)策略　135
３．３　變復(fù)雜度建模　138
３．４　不確定性建?！?40
３．４．１　不確定性的來源　140
３．４．２　不確定性建模方法　141
３．４．３　不確定性傳播方法　142
３．４．４　不確定性優(yōu)化設(shè)計　154
３．４．５　不確定性多學(xué)科設(shè)計優(yōu)化建?！?57
參考文獻　159
第４　章靈敏度分析技術(shù)　162
４．１　靈敏度分析的概念　163
４．２　單學(xué)科靈敏度分析　165
４．２．１　單學(xué)科靈敏度分析簡介　165
４．２．２　手工求導(dǎo)方法　166
４．２．３　符號微分方法　166
４．２．４　有限差分方法　166
４．２．５　自動微分方法　168
４．２．６　復(fù)變量方法　174
４．２．７　解析方法　176
４．２．８　其他方法　178
４．３　多學(xué)科靈敏度分析　180
４．３．１　多學(xué)科靈敏度分析簡介　180
４．３．２　最優(yōu)靈敏度分析方法　181
４．３．３　全局靈敏度分析方法　184
４．３．４　滯后耦合伴隨方法　187
參考文獻　188
第５　章近似模型技術(shù)　189
５．１　近似模型基礎(chǔ)　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　近似模型的基本構(gòu)建過程　192
５．２　試驗設(shè)計方法　193
５．２．１　全因子試驗設(shè)計方法　194
５．２．２　部分因子試驗設(shè)計方法　194
５．２．３　中心組合設(shè)計方法　194
５．２．４　蒙特卡羅法　194
５．２．５　正交試驗設(shè)計方法　195
５．２．６　拉丁方設(shè)計方法　196
５．３　近似模型的構(gòu)造方法　199
５．３．１　局部近似　199
５．３．２　中等范圍近似　200
５．３．３　全局近似　201
５．４　響應(yīng)面模型方法　202
５．５　移動最小二乘響應(yīng)面法　205
５．６　Kriging模型法　210
５．７　人工神經(jīng)網(wǎng)絡(luò)模型法　214
５．７．１　BP神經(jīng)網(wǎng)絡(luò)　214
５．７．２　RBF神經(jīng)網(wǎng)絡(luò)　219
５．８　支持向量機法　222
５．９　近似模型預(yù)測精度的評價　225
５．９．１　誤差分析方法　225
５．９．２　近似能力評價方法　227
５．１０　近似模型的特點對比及適用性　228
５．１１　基于近似模型的MDO 方法　230
５．１２　電動汽車動力電池箱應(yīng)用實例　232
５．１２．１　電動汽車動力電池箱優(yōu)化問題　232
５．１２．２　最優(yōu)拉丁超立方采樣　237
５．１２．３　電池箱響應(yīng)面模型構(gòu)建　238
５．１２．４　電池箱徑向基模型構(gòu)建　244
５．１２．５　電池箱Kriging模型構(gòu)建　252
５．１２．６　近似模型分析對比　266
參考文獻　267
第６　章多學(xué)科設(shè)計優(yōu)化求解策略　269
６．１　優(yōu)化算法概述　270
６．２　優(yōu)化算法的發(fā)展簡史　272
６．３　優(yōu)化算法的數(shù)學(xué)基礎(chǔ)　281
６．３．１　函數(shù)的方向?qū)?shù)與梯度　281
６．３．２　多元函數(shù)的泰勒展開　284
６．３．３　多元函數(shù)的極值條件及其凸性　286
６．３．４　無約束問題的極值條件　289
６．３．５　約束問題的極值條件　289
６．４　經(jīng)典優(yōu)化算法　293
６．４．１　線性搜索法　293
６．４．２　最速下降法　296
６．４．３　牛頓法　298
６．４．４　擬牛頓法　301
６．４．５　鮑威爾法　305
６．４．６　單純形替換法　307
６．４．７　復(fù)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　序列二次規(guī)劃法　321
６．５　智能優(yōu)化算法　325
６．５．１　遺傳算法　325
６．５．２　模擬退火算法　330
６．５．３　蟻群優(yōu)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　優(yōu)化算法的組合策略　347
參考文獻　348
第７　章多目標(biāo)優(yōu)化方法　350
７．１　多目標(biāo)優(yōu)化與多學(xué)科設(shè)計優(yōu)化的關(guān)系　351
７．１．１　多目標(biāo)優(yōu)化的特點　351
７．１．２　汽車開發(fā)多目標(biāo)優(yōu)化問題　353
７．１．３　多目標(biāo)優(yōu)化方法研究簡史　355
７．２　多目標(biāo)優(yōu)化的基本概念　358
７．２．１　主要術(shù)語的定義　358
７．２．２　多目標(biāo)優(yōu)化算法的評價標(biāo)準　360
７．３　基于偏好的先驗方法　363
７．３．１　加權(quán)和法　363
７．３．２　主要目標(biāo)法　365
７．３．３　理想點法　366
７．３．４　極大極小法　367
７．３．５　功效系數(shù)法　368
７．３．６　物理規(guī)劃法　371
７．４　基于偏好的后驗方法　382
７．４．１　法線邊界正交法(NBI)　382
７．４．２　自適應(yīng)加權(quán)和法(AWS)　391
７．４．３　NC法　402
７．５　無偏好方法　407
７．５．１　多目標(biāo)遺傳算法　407
７．５．２　多目標(biāo)模擬退火算法　419
７．５．３　多目標(biāo)粒子群算法　426
７．６　汽車行駛動力學(xué)性能的多目標(biāo)優(yōu)化算例　433
７．６．１　問題背景　433
７．６．２　多目標(biāo)優(yōu)化問題建模　434
７．６．３　多目標(biāo)優(yōu)化與結(jié)果分析　440
參考文獻　442
第８　章工程應(yīng)用案例　445
８．１　汽車主動懸架系統(tǒng)優(yōu)化　446
８．１．１　車輛模型的建立　447
８．１．２　線性二次高斯控制算法　448
８．１．３　卡爾曼濾波算法　450
８．１．４　主動懸架MDF優(yōu)化　450
８．１．５　優(yōu)化結(jié)果及討論　454
８．２　插電式混合動力汽車動力系統(tǒng)優(yōu)化　459
８．２．１　駕駛員模型　459
８．２．２　整車控制器模型　461
８．２．３　發(fā)動機模型　461
８．２．４　主驅(qū)動電機模型　463
８．２．５　ISG電機模型　465
８．２．６　動力電池模型　466
８．２．７　行駛動力學(xué)模型　467
８．２．８　能量管理策略模型　469
８．２．９　整車參數(shù)及約束條件　469
８．２．１０　動力系統(tǒng)CO 優(yōu)化及優(yōu)化結(jié)果　470
８．３　汽車車身結(jié)構(gòu)正面抗撞性設(shè)計優(yōu)化　475
８．３．１　整車碰撞有限元分析模型的建立　475
８．３．２　有限元模型驗證　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優(yōu)化　483
８．３．５　優(yōu)化結(jié)果　488
參考文獻　490