[论文解读] Design of a commercial aircraft environment control system using Bayesian optimization techniques

Paul Feliot, Yves Le Guennec+2 more|arXiv (Cornell University)|Oct 7, 2016

Advanced Multi-Objective Optimization Algorithms参考文献 8被引用 6

一句话总结

本文提出一种基于BMOO算法的贝叶斯多目标优化方法，用于设计商用飞机环境控制系统（ECS），在非线性约束下同时最小化系统重量与熵产生。该方法仅通过25次仿真便高效识别出一组权衡解的帕累托前沿，即使设计域非超立方体且存在由仿真失败引起的隐藏约束。

ABSTRACT

In this paper, we present the application of a recently developed algorithm for Bayesian multi-objective optimization to the design of a commercial aircraft environment control system (ECS). In our model, the ECS is composed of two cross-flow heat exchangers, a centrifugal compressor and a radial turbine, the geometries of which are simultaneously optimized to achieve minimal weight and entropy generation of the system. While both objectives impact the overall performance of the aircraft, they are shown to be antagonistic and a set of trade-off design solutions is identified. The algorithm used for optimizing the system implements a Bayesian approach to the multi-objective optimization problem in the presence of non-linear constraints and the emphasis is on conducting the optimization using a limited number of system simulations. Noteworthy features of this particular application include a non-hypercubic design domain and the presence of hidden constraints due to simulation failures.

研究动机与目标

• 为解决商用飞机环境控制系统（ECS）在真实工程约束下的复杂多目标设计挑战。
• 优化两个换热器、一个压缩机和一个涡轮的几何形状，以同时最小化系统质量与熵产生率。
• 以计算高效的方式处理非线性约束、非超立方体设计域以及由仿真失败引起的隐藏约束。
• 展示BMOO算法在仅使用少量仿真评估的情况下，高效识别一组帕累托最优权衡解的有效性。
• 为在地面最苛刻运行工况（环境温度50°C，客舱满载）下提供ECS的实际设计框架。

提出的方法

• 采用一维热力学模型，将部件几何形状与系统性能指标（质量与熵产生）关联起来。
• 使用BMOO算法——一种贝叶斯多目标优化框架——基于约束下的期望改进值，依次选择有前景的设计点。
• 采用顺序蒙特卡罗方法处理非超立方体设计域与非线性不等式约束。
• 通过仿真失败检测建模隐藏约束，将失败的仿真视为不可行解并从优化过程中排除。
• 对仿真调用次数施加严格限制（25次迭代），以确保计算效率，符合高保真工程仿真中的典型做法。
• 应用帕累托支配规则，识别在质量与熵产生率两个目标下的非支配解。

实验结果

研究问题

• RQ1 如何有效应用贝叶斯多目标优化方法，解决具有最小重量与最小熵产生冲突目标的飞机ECS设计问题？
• RQ2 非超立方体设计域与隐藏约束（由仿真失败引起）对优化过程的收敛性与鲁棒性有何影响？
• RQ3 BMOO算法能否在有限次昂贵仿真评估下，高效识别出分布良好的帕累托前沿？
• RQ4 关键几何参数（如换热器高度、冲压空气流量）如何影响质量与熵产生之间的权衡？
• RQ5 优化结果在多大程度上可为最严峻地面运行工况下的实际设计决策提供支持？

主要发现

• BMOO算法仅通过25次仿真评估便成功识别出7组权衡解的帕累托前沿，证明在高维、受限设计空间中具有极高效率。
• 所有最优设计中旁通流量保持恒定，原因在于主动约束$c_{15}$强制要求涡轮出口温度达到最小值（$T_5 = T_{\text{min}}$）。
• 冲压空气流量在帕累托前沿上变化显著，对熵产生率有强烈影响，随冲压流量增加，熵产生率从0.47降至0.41。
• 换热器高度参数（$L_{z1}$与$L_{z2}$）表现出直接权衡：增加它们可降低熵产生，但导致系统质量上升，从49.78 kg增至466.69 kg。
• 压缩机与涡轮被设计为尽可能小，以减少质量并提高流体速度，从而增强性能，尽管尺寸约束极小。
• 该算法有效处理了由仿真失败引起的隐藏约束以及非超立方体设计域，在真实工程优化场景中表现出强鲁棒性。