?

衛(wèi)星有效載荷的多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化研究*

通信地址：710100 陜西省西安市165信箱神舟學(xué)院西安空間無線電技術(shù)研究所Address:Xi’an Institute of Space Radio Technology,Xi’an 710100,Shaanxi,P.R.China

趙宏偉，劉波，謝廣錢，劉恒

(西安空間無線電技術(shù)研究所，陜西 西安 710100)

摘要：在衛(wèi)星有效載荷系統(tǒng)研究中，實(shí)施多目標(biāo)多學(xué)科優(yōu)化的可行性設(shè)計(jì)。首先，分析了開展衛(wèi)星有效載荷多學(xué)科設(shè)計(jì)優(yōu)化的關(guān)鍵技術(shù)。建立了包含天線、轉(zhuǎn)發(fā)器、數(shù)據(jù)傳輸、可靠性、成本和質(zhì)量的多學(xué)科分析模型。然后，應(yīng)用多目標(biāo)遺傳算法對某衛(wèi)星有效載荷的可靠性和成本進(jìn)行多目標(biāo)設(shè)計(jì)優(yōu)化，獲得最優(yōu)解集。最后，運(yùn)用多學(xué)科協(xié)同優(yōu)化結(jié)合遺傳算法進(jìn)行可靠性單目標(biāo)設(shè)計(jì)優(yōu)化。研究結(jié)果表明：有效載荷的多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化全面考慮了多個學(xué)科之間的關(guān)系，設(shè)計(jì)人員可按需選擇其滿意的優(yōu)化結(jié)果，大幅提高設(shè)計(jì)效率；協(xié)同優(yōu)化方法有助于實(shí)現(xiàn)學(xué)科自治、并行設(shè)計(jì)，提高設(shè)計(jì)的靈活性和縮短設(shè)計(jì)周期。

關(guān)鍵詞：多學(xué)科優(yōu)化；協(xié)同優(yōu)化；多目標(biāo)遺傳算法；可靠性

1引言

航天技術(shù)走向應(yīng)用階段的今天，衛(wèi)星平臺技術(shù)相對已經(jīng)比較成熟，而有效載荷技術(shù)卻因航天任務(wù)的多樣性而日新月異、千變?nèi)f化。例如，移動通信、寬帶多媒體以及跟蹤及數(shù)據(jù)中繼衛(wèi)星等新型復(fù)雜衛(wèi)星，對衛(wèi)星有效載荷總體方案設(shè)計(jì)、高可靠性保障以及研制周期等提出了更為嚴(yán)峻的挑戰(zhàn)[1]。

衛(wèi)星有效載荷系統(tǒng)設(shè)計(jì)是一個多學(xué)科耦合問題，涉及熱、力、結(jié)構(gòu)、電磁、通信等學(xué)科和天線、轉(zhuǎn)發(fā)器、設(shè)備布局等子系統(tǒng)設(shè)計(jì)，以及成本與性能、進(jìn)度與風(fēng)險、質(zhì)量和壽命的分析。并且，通常還包括相互沖突的多個目標(biāo)優(yōu)化問題。因此，針對衛(wèi)星有效載荷系統(tǒng)開展多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化研究具有重要的現(xiàn)實(shí)意義。

近年來，隨著多學(xué)科設(shè)計(jì)優(yōu)化MDO(Multidisciplinary Design Optimization)技術(shù)[2]研究的深入以及實(shí)際工程對多目標(biāo)優(yōu)化的需求，同時考慮多個優(yōu)化問題的多目標(biāo)MDO技術(shù)成為復(fù)雜系統(tǒng)設(shè)計(jì)領(lǐng)域的研究熱點(diǎn)之一[3~5]。但是，目前缺少實(shí)施衛(wèi)星有效載荷系統(tǒng)多目標(biāo)MDO技術(shù)的可借鑒參考經(jīng)驗(yàn)。本文為此進(jìn)行了研究，首先論述了衛(wèi)星有效載荷系統(tǒng)MDO關(guān)鍵技術(shù)，然后建立了天線、轉(zhuǎn)發(fā)器、數(shù)據(jù)傳輸、成本、可靠性和質(zhì)量等多個學(xué)科(子系統(tǒng))的模型，分析了它們的耦合關(guān)系，最后仿真驗(yàn)證了直播衛(wèi)星有效載荷系統(tǒng)多目標(biāo)和協(xié)同優(yōu)化的可行性。

2衛(wèi)星有效載荷MDO的關(guān)鍵技術(shù)

在衛(wèi)星有效載荷設(shè)計(jì)領(lǐng)域，各學(xué)科和子系統(tǒng)的設(shè)計(jì)技術(shù)已經(jīng)比較成熟，但沒有開展多子系統(tǒng)(學(xué)科)之間關(guān)聯(lián)影響的研究，各子系統(tǒng)的設(shè)計(jì)獨(dú)立進(jìn)行，很少考慮相互之間的耦合關(guān)系。這種串行的設(shè)計(jì)方式設(shè)計(jì)周期長，忽視子系統(tǒng)之間的協(xié)同作用，無法從全局、整體觀點(diǎn)出發(fā)提高系統(tǒng)的綜合性能和對空間環(huán)境的適應(yīng)能力。要解決衛(wèi)星有效載荷大規(guī)模、大功率、長壽命、高可靠性、通信大容量以及電子設(shè)備高集成度和小型化設(shè)計(jì)中面臨的多目標(biāo)多學(xué)科問題，首先必須掌握多學(xué)科設(shè)計(jì)優(yōu)化的關(guān)鍵技術(shù)及其特點(diǎn)。

(1) 面向MDO的系統(tǒng)建模。

衛(wèi)星有效載荷系統(tǒng)的復(fù)雜性、學(xué)科間的耦合性使得多學(xué)科建模十分困難。由于MDO運(yùn)用系統(tǒng)分解技術(shù)，分析模型主要是針對天線、轉(zhuǎn)發(fā)器等子系統(tǒng)或成本、可靠性等子學(xué)科而言，目前建立的模型多基于統(tǒng)計(jì)數(shù)據(jù)、經(jīng)驗(yàn)公式或工程估算，優(yōu)化結(jié)果可信度差；多學(xué)科優(yōu)化模型多數(shù)僅考慮幾個子系統(tǒng)之間的耦合或僅為子系統(tǒng)級的多學(xué)科問題，不能全面反映系統(tǒng)設(shè)計(jì)的整體性和層次性。

(2) 系統(tǒng)耦合關(guān)系分析。

傳統(tǒng)的衛(wèi)星有效載荷串行設(shè)計(jì)模式已經(jīng)形成了固定的設(shè)計(jì)流程，通過簡化各設(shè)計(jì)階段、各學(xué)科(子系統(tǒng))間的耦合關(guān)系，按照一定的串行順序進(jìn)行設(shè)計(jì)。MDO技術(shù)通常借助設(shè)計(jì)結(jié)構(gòu)矩陣DSM(Design Structure Matrix)描述各子系統(tǒng)間的耦合、邏輯關(guān)系，這些關(guān)系的描述依賴于學(xué)科分析和建模水平，同時與設(shè)計(jì)人員對系統(tǒng)的認(rèn)知度有關(guān)，隨著設(shè)計(jì)的不斷深入，逐步完善設(shè)計(jì)問題的描述。

(3) 近似方法的運(yùn)用。

分析模型都是在各種學(xué)科理論基礎(chǔ)上，對實(shí)際系統(tǒng)以某種精度的逼近。例如對天線系統(tǒng)，HFSS等設(shè)計(jì)軟件能夠得到高精度、高可信度的模型分析結(jié)果，但是建模過程復(fù)雜，計(jì)算量巨大。近似方法是MDO解決復(fù)雜性問題的途徑之一。一方面，通過近似模型取代復(fù)雜學(xué)科分析模型參與優(yōu)化，減少M(fèi)DO求解的計(jì)算量；另一方面，用近似方法處理學(xué)科間的耦合關(guān)系，簡化MDO過程中的子系統(tǒng)間的信息交換[6]。

(4) MDO策略的應(yīng)用。

MDO策略可視為分解策略、協(xié)調(diào)策略和搜索策略的集成，其目標(biāo)是解決組織和計(jì)算復(fù)雜性的問題，提高收斂速度并獲取全局最優(yōu)解。目前，MDO優(yōu)化策略主要包括兩類：單級優(yōu)化策略和多級優(yōu)化策略，兩者的區(qū)別在于是否在學(xué)科級進(jìn)行優(yōu)化。多級優(yōu)化策略(如協(xié)同優(yōu)化)更加適合衛(wèi)星有效載荷系統(tǒng)的工程應(yīng)用，原因有：系統(tǒng)分解后現(xiàn)有的知識體系和衛(wèi)星有效載荷系統(tǒng)工程組織形式一致，方便融入實(shí)際工程應(yīng)用；天線等子系統(tǒng)設(shè)計(jì)人員擁有一定程度的設(shè)計(jì)自主權(quán)，便于發(fā)揮設(shè)計(jì)人員的創(chuàng)造性，使用天線等各子系統(tǒng)成熟的分析模型和方法；便于采用并行策略，提高計(jì)算效率。

除此之外，還需要在設(shè)計(jì)的整個過程中利用分布式計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)來實(shí)現(xiàn)不同設(shè)計(jì)人員之間的信息交換，完成各子系統(tǒng)知識的集成。

3直播衛(wèi)星有效載荷MDO分析模型

由于衛(wèi)星的發(fā)射天線可以覆蓋地球的大部分地區(qū)，因此利用衛(wèi)星可以提供全面的廣播服務(wù)。衛(wèi)星通信服務(wù)直接到戶的方案一直是近年的熱點(diǎn)，所提供的服務(wù)通常稱為衛(wèi)星直播DBS(Direct Broadcast Satellite)業(yè)務(wù)，廣播的內(nèi)容包括音頻、電視以及因特網(wǎng)服務(wù)。

3.1　可靠性分析模型

目前，衛(wèi)星有效載荷系統(tǒng)及可靠性建模的相關(guān)研究較少，本文基于如下思路建立可靠性模型。

(1) 對于產(chǎn)品批量小、試驗(yàn)數(shù)量很少的設(shè)備，結(jié)合蒙特卡洛仿真方法進(jìn)行可靠性分析，控制實(shí)驗(yàn)結(jié)果呈現(xiàn)的不確定性因素。

(2) 應(yīng)用產(chǎn)品成熟度評價技術(shù)，系統(tǒng)的成熟度由其所有部件的成熟度的綜合結(jié)果決定。設(shè)第i個部件的成熟度為Ti，則系統(tǒng)的成熟度Ts表示為:

(1)

其中，ωi是第i個部件的成熟度權(quán)重，部件在研發(fā)、生產(chǎn)等不同階段分配不同的權(quán)重；n是系統(tǒng)部件總數(shù)。

(3) 根據(jù)系統(tǒng)的可靠性框圖或故障樹，計(jì)算相應(yīng)的可靠度。

3.2　數(shù)據(jù)傳輸分析模型

因?yàn)橥ㄐ判l(wèi)星的最主要功能是完成數(shù)據(jù)的傳輸，且傳輸方程又是數(shù)據(jù)率、天線增益、頻率等參數(shù)的函數(shù)，所以將數(shù)傳鏈路作為關(guān)鍵子系統(tǒng)考慮。本文主要考慮衛(wèi)星的下行鏈路(上行鏈路的設(shè)備大都聚集在指定地點(diǎn)，不具備普遍性)，決定其性能的主要因素是信噪比Eb/N0值。數(shù)據(jù)傳輸鏈路方程為：

(2)

其中，k為玻爾茲曼常數(shù)，取-228.6 dbW/(HzK)；Pc為發(fā)射功率；Gt為發(fā)射天線增益；Gr為接收天線增益；L為傳輸中需要考慮的所有損耗；T為接收系統(tǒng)噪聲溫度；fb為某種調(diào)制方式下的比特速率。

3.3　轉(zhuǎn)發(fā)器分析模型

一般情況下，一個轉(zhuǎn)發(fā)器需同時承載來自于不同位置的地球站或用戶的多個載波，這種技術(shù)稱為多址技術(shù)。本文以頻分多址FDMA(Frequency Division Multiple Access)技術(shù)為例分析轉(zhuǎn)發(fā)器功率和可以接入的載波數(shù)量。假設(shè)K個FDMA載波平均分配轉(zhuǎn)發(fā)器總的輸出功率為P，并考慮輸出回退H對轉(zhuǎn)發(fā)器功率的限制，那么轉(zhuǎn)發(fā)器的輸出功率的分貝形式為：

(3)

3.4　天線分析模型

通信衛(wèi)星要求裝載具有高覆蓋增益的一幅或多幅天線，因此天線設(shè)計(jì)是通信衛(wèi)星有效載荷設(shè)計(jì)的關(guān)鍵環(huán)節(jié)之一。天線設(shè)計(jì)主要根據(jù)天線尺寸、軌道高度、覆蓋范圍估算其質(zhì)量、體積和增益等。

相對于目前廣泛采用的星載賦形波束反射面天線，相控陣天線具有更廣泛的應(yīng)用前景，其增益計(jì)算公式為：

(4)

其中，G為天線的增益；G0為天線單元的增益；Nn為天線單元的個數(shù)。

3.5　成本分析模型

由于衛(wèi)星設(shè)計(jì)中未知、可變因素很多，難以建立準(zhǔn)確的成本模型，通常以成功研制的衛(wèi)星為參照來估計(jì)成本模型。本文采用參數(shù)法建立成本估算模型[7]。

(5)

(6)

其中，C為有效載荷主要設(shè)備成本之和；i代表單個設(shè)備；Ci包含研究、開發(fā)以及生產(chǎn)成本等；X代表與成本相關(guān)的參數(shù)(可靠性、功率、研制周期等)；其他參數(shù)為成本模型參數(shù)。

3.6　設(shè)計(jì)結(jié)構(gòu)矩陣

圖1為耦合優(yōu)化后的直播衛(wèi)星有效載荷系統(tǒng)MDO設(shè)計(jì)結(jié)構(gòu)矩陣，有效載荷設(shè)計(jì)優(yōu)化是一個多學(xué)科分析過程，同時是一個反復(fù)迭代、逐漸接近最優(yōu)的過程。參考上述分析模型，圖1中各學(xué)科間的耦合關(guān)系簡述如下：天線子系統(tǒng)輸出陣元個數(shù)作為可靠性、成本和質(zhì)量學(xué)科的輸入變量；轉(zhuǎn)發(fā)器與數(shù)據(jù)傳輸子系統(tǒng)視為一個子系統(tǒng)，接收機(jī)個數(shù)等輸出變量值影響可靠性、成本和質(zhì)量等學(xué)科；可靠性中的器件個數(shù)和失效率作為成本的輸入變量。

Figure 1　Structural design matrix of the satellite payload圖1　衛(wèi)星有效載荷的設(shè)計(jì)結(jié)構(gòu)矩陣

4直播衛(wèi)星有效載荷MDO仿真

4.1　設(shè)計(jì)優(yōu)化流程

基于MDO的設(shè)計(jì)優(yōu)化流程如圖2所示。

Figure 2　Design flow chart of the satellite payload圖2　衛(wèi)星有效載荷的設(shè)計(jì)流程圖

4.2　基本參數(shù)和設(shè)計(jì)變量

算例采用的直播衛(wèi)星的基本參數(shù)為：衛(wèi)星服役期限為15年；采用的鏈路頻率為14/12 GHz；傳輸?shù)妮d波帶寬為3 MHz；下行鏈路的信噪比滿足[Eb/N0]>6 dB；總帶寬為500 MHz；全部的轉(zhuǎn)發(fā)器使用正交極化實(shí)現(xiàn)頻率復(fù)用；接收機(jī)工作個數(shù)為4個；使用QPSK調(diào)制；可供選擇的轉(zhuǎn)發(fā)器帶寬為24 MHz至108 MHz，額外加上25%的保護(hù)帶寬；不同帶寬上的編碼開銷隨轉(zhuǎn)發(fā)器功率增大；部件的失效率范圍為100~1 000 FIT。

設(shè)計(jì)變量包括：放大器備份個數(shù)Na、接收機(jī)備份個數(shù)Nr、放大器失效率Fa、接收機(jī)失效率Fr、轉(zhuǎn)發(fā)器帶寬B、天線單元個數(shù)Nn等變量。

4.3　多目標(biāo)MDO設(shè)計(jì)優(yōu)化

在方案設(shè)計(jì)階段，設(shè)計(jì)人員經(jīng)常面臨相互沖突的多個目標(biāo)優(yōu)化問題。如果利用加權(quán)法等單目標(biāo)優(yōu)化算法，則需事先對各問題賦予不同的權(quán)值參數(shù)，控制各個設(shè)計(jì)參量對總體設(shè)計(jì)目標(biāo)的貢獻(xiàn)，以使各參量均能較好地滿足目標(biāo)要求。然而，權(quán)值參數(shù)的選擇多依賴于設(shè)計(jì)者的經(jīng)驗(yàn)，需多次嘗試，該過程較為繁瑣并有可能遺漏最優(yōu)解。相比單目標(biāo)優(yōu)化設(shè)計(jì)，多目標(biāo)優(yōu)化可將多個相互矛盾的設(shè)計(jì)目標(biāo)分解成若干個同時優(yōu)化的標(biāo)量子問題，一次優(yōu)化即可得到多個Pareto最優(yōu)解(設(shè)計(jì)目標(biāo)間最佳折衷的集合)，為設(shè)計(jì)人員根據(jù)需要選取最優(yōu)解提供了更多的自由度，同時整個過程無需選取權(quán)值參數(shù)。

考慮系統(tǒng)成本C最小以及可靠度R最大的優(yōu)化問題，該兩目標(biāo)優(yōu)化模型為:

MinC

Min1-R

(7)

其中，gi(x)為考慮的約束條件，包括系統(tǒng)的ERIP、質(zhì)量、轉(zhuǎn)發(fā)器功率等。

本文采用NSGA-II多目標(biāo)遺傳算法[8]獲得的Pareto解集如圖3所示(根據(jù)實(shí)際需求，只選取成本C在2 000~2 500萬美元、可靠度R在90%~100%的解)，并與三次不同權(quán)值系數(shù)取值時的GA算法優(yōu)化設(shè)計(jì)結(jié)果進(jìn)行對比，體現(xiàn)了多目標(biāo)算法的高效和簡便等優(yōu)點(diǎn)。

Figure 3　Optimization results圖3　優(yōu)化結(jié)果對比

相比單目標(biāo)優(yōu)化，多目標(biāo)Pareto解集給出了多個優(yōu)化結(jié)果，這具有一定的指導(dǎo)意義，有助于設(shè)計(jì)人員靈活制定設(shè)計(jì)方案，提高設(shè)計(jì)效率。由圖3所示，衛(wèi)星有效載荷的成本和可靠性這兩個目標(biāo)是矛盾的，一個目標(biāo)的改善必須以犧牲另外一個目標(biāo)作為代價。研發(fā)更高可靠性的元器件或備份更多的冗余器件，提高了系統(tǒng)的可靠性，但是增加了總成本。除此之外，圖3中非可靠度2%(即可靠度98%)對應(yīng)著多個成本值，設(shè)計(jì)人員可以從中分析各個解的不同，權(quán)衡選擇設(shè)計(jì)方案，如提高系統(tǒng)可靠性是選擇研發(fā)更高可靠性的器件還是直接采用備份冗余器件方式。

4.4　基于協(xié)同優(yōu)化的MDO設(shè)計(jì)優(yōu)化

傳統(tǒng)的一體化系統(tǒng)設(shè)計(jì)優(yōu)化思路是將某學(xué)科的一個或多個指標(biāo)作為目標(biāo)函數(shù)，其他學(xué)科作為約束條件。主要缺點(diǎn)是屬于串行方法，設(shè)計(jì)優(yōu)化時間長；各學(xué)科自主性弱，學(xué)科集成復(fù)雜。與之不同，MDO中的協(xié)同優(yōu)化CO(Collaborative Optimization)方法的特點(diǎn)是結(jié)構(gòu)簡單，容易實(shí)現(xiàn)學(xué)科自治，特別適合于大型復(fù)雜工程系統(tǒng)的并行分布式設(shè)計(jì)環(huán)境。

根據(jù)CO方法框架，將可靠性學(xué)科作為系統(tǒng)級，天線和轉(zhuǎn)發(fā)器子系統(tǒng)(數(shù)據(jù)傳輸只與轉(zhuǎn)發(fā)器子系統(tǒng)相關(guān)，將轉(zhuǎn)發(fā)器和數(shù)據(jù)傳輸作為一個子系統(tǒng))作為子系統(tǒng)級，其他學(xué)科作為約束條件。系統(tǒng)級設(shè)計(jì)變量Xs=[NaNrFaFrBNn]為耦合變量。目標(biāo)為可靠性R最大。在子系統(tǒng)級，可以分為兩個并行部分，第一部分為轉(zhuǎn)發(fā)器子系統(tǒng)，其設(shè)計(jì)變量為X1=[Na0Nr0Fa0Fr0B0]，是耦合輸出變量，因此:

(8)

第二部分為天線子系統(tǒng)，設(shè)計(jì)變量為X2=Nn0，是耦合輸出變量，因此:

(9)

基于CO的系統(tǒng)設(shè)計(jì)優(yōu)化流程，如圖4所示。

Figure 4　Design optimization based on CO圖4　基于CO的設(shè)計(jì)優(yōu)化

本文使用Matlab軟件對算例進(jìn)行了編程仿真，圖5給出了系統(tǒng)級優(yōu)化目標(biāo)值的迭代過程。CO+GA算法指系統(tǒng)級和子系統(tǒng)級優(yōu)化采用GA算法；CO+Gradient算法指采用梯度法，初始點(diǎn)為多目標(biāo)優(yōu)化Pareto解集中的任意一點(diǎn)。終止條件為滿足一定迭代次數(shù)或者每次迭代中設(shè)計(jì)變量基本不變。

Figure 5　Iterative history of the system optimization圖5　系統(tǒng)級目標(biāo)迭代過程

由圖5可知，兩種算法迭代過程基本一致，CO+GA算法迭代次數(shù)略少，但是運(yùn)行時間較長，在15分鐘左右；而CO+Gradient算法運(yùn)行時間在10秒內(nèi)(運(yùn)行環(huán)境：Dell臺式機(jī)；Windows XP SP3；Intel Core2 Quad CPU；4 GB內(nèi)存；Matlab版本為R2008a)。因此，在應(yīng)用中如果具有一定的初始值設(shè)置范圍，可以優(yōu)先選擇CO+Gradient算法，然后采用CO+GA算法與其比較驗(yàn)證。

5結(jié)束語

多學(xué)科設(shè)計(jì)優(yōu)化(MDO)方法為衛(wèi)星有效載荷系統(tǒng)設(shè)計(jì)提供了一種思想和方法論，但是要將其具體應(yīng)用到實(shí)際工程問題，有很多理論或?qū)嶋H應(yīng)用問題需要解決。本文只是對衛(wèi)星有效載荷系統(tǒng)總體設(shè)計(jì)中應(yīng)用多學(xué)科設(shè)計(jì)優(yōu)化的關(guān)鍵技術(shù)進(jìn)行了分析和總結(jié)，并對直播衛(wèi)星有效載荷系統(tǒng)設(shè)計(jì)優(yōu)化進(jìn)行了學(xué)科分析和算例仿真，驗(yàn)證了多目標(biāo)優(yōu)化算法和協(xié)同優(yōu)化方法在衛(wèi)星有效載荷復(fù)雜系統(tǒng)設(shè)計(jì)優(yōu)化中的可行性和有效性。仿真結(jié)果說明，多目標(biāo)優(yōu)化算法有利于設(shè)計(jì)人員靈活選擇設(shè)計(jì)方案，提高設(shè)計(jì)效率；協(xié)同優(yōu)化方法有助于實(shí)現(xiàn)學(xué)科自治、并行設(shè)計(jì)，縮短設(shè)計(jì)周期。后續(xù)工作將在系統(tǒng)建模、系統(tǒng)分解和優(yōu)化策略(例如，協(xié)同優(yōu)化方法與多目標(biāo)算法結(jié)合)等方面進(jìn)行深入研究。

參考文獻(xiàn):附中文

[1]Chen Yu-jun, Zhou Zhi-cheng, Qu Guang-ji. Application of multidisciplinary design optimization in satellite design [J].Spacecraft Engineering,2013,22(3):16-24.(in Chinese)

[2]Sobieski J,Haftka R T.Multidisciplinary aerospace design optimization:Survey of recent developments [J].Structural and Multidisciplinary Optimization,1997,14(1):1-23．

[3]Li Bin,Song Li-ming,Li Jun,et al.Multidisciplinary and multiobjective optimization design of long blade turbine stage [J].Journal of Xi’an Jiaotong University,2014,48(1):1-6.(in Chinese)

[4]Zheng An-bo,Ma Han-dong,Luo Xiao-yun.Multiobjective multidisciplinary design optimization of missile [J].Acta Aeronautica et Astronautica Sinica,2013,34(11):2557-2564.(in Chinese)

[5]Jilla C D,Miller D W,Sedwick R J.Application of multidisciplinary design optimization techniques to distributed satellite system [J].Journal of Spacecraft and Rockets,2000,37(4):481-490．

[6]Chen Xiao-qian,Yao Wen,Wei Yue-xing,et al.Engineering application on multidisciplinary design optimization of flight vehicles [J].Journal of National University of Defense Technology,2011,33(5):1-8.(in Chinese)

[7]Zhao Yong.Study on the theory and application of multidisciplinary design optimization for the satellite system [D].Changsha:National University of Defense Technology,2006.(in Chinese)

[8]Jin Shan,Li Qiu.Dynamic load balancing scenario based on multi-objective genetic algorithm [J].Computer Engineering & Science,2013,35(12):102-106.(in Chinese)

[1]陳余軍,周志成,曲廣吉.多學(xué)科設(shè)計(jì)優(yōu)化技術(shù)在衛(wèi)星設(shè)計(jì)中的應(yīng)用[J].航天器工程,2013,22(3):16-24．

[3]李彬,宋立明,李軍,等.長葉片透平級多學(xué)科多目標(biāo)優(yōu)化設(shè)計(jì)[J].西安交通大學(xué)學(xué)報,2014,48(1)：1-6．

[4]鄭安波,馬漢東,羅小云.戰(zhàn)術(shù)導(dǎo)彈多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化[J].航空學(xué)報,2013,34(11)：2557-2564．

[6]陳小前,姚雯,魏月興,等.飛行器多學(xué)科設(shè)計(jì)優(yōu)化理論的工程應(yīng)用[J].國防科技大學(xué)學(xué)報,2011,33(5)：1-8．

[7]趙勇.衛(wèi)星總體多學(xué)科設(shè)計(jì)優(yōu)化理論與應(yīng)用研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2006．

[8]金杉,李秋.基于多目標(biāo)遺傳算法的動態(tài)負(fù)載均衡方案[J].計(jì)算機(jī)工程與科學(xué),2013,35(12):102-106．

趙宏偉(1982-),男，山東濰坊人，博士生，研究方向?yàn)橹悄芩惴?。E-mail:honv88@163.com

ZHAO Hong-wei,born in 1982,PhD candidate,his research interest includes in-telligent algorithm.

劉波(1963-),男，湖南漢壽人，博士，研究員，研究方向?yàn)樾l(wèi)星總體設(shè)計(jì)。

LIU Bo,born in 1963,PhD,research fellow,his research interest includes satellite system design.

謝廣錢(1983-),男，江蘇泰州人，博士生，研究方向?yàn)楹教炱髟O(shè)計(jì)。E-mail:Xie.gq1983@sina.com

XIE Guang-qian,born in 1983,PhD candidate,his research interest includes spacecraft design.

劉恒(1986-),男，湖南衡陽人，博士生，研究方向?yàn)樘炀€設(shè)計(jì)。E-mail:Liuh11@163.com

LIU Heng,born in 1986,PhD candidate,his research interest includes antenna design.

Multi-objective and multidisciplinary design optimization of satellite payload

ZHAO Hong-wei，LIU Bo，XIE Guang-qian，LIU Heng

(Xi’an Institute of Space Radio Technology,Xi’an 710100,China)

Abstract:We present an approach to realize multi-objective and multidisciplinary design optimization (MDO) of satellite payload. We first analyze the key techniques in multi-objective and multidisciplinary design optimization of satellite payload system design, and establish multidisciplinary analysis models including antennas, transponders, data transmission, reliability, costs and qualities. Then multi-objective genetic algorithm is adopted to optimize the reliability and cost of the satellite payload system and the Pareto optimal set is obtained. Collaborative optimization which is one of the best feasible multidisciplinary design optimization approaches is integrated with the genetic algorithm to carry out the reliability optimization of single objective design. Results show that relationship among different disciplines are well considered during the multi-objective and multidisciplinary design optimization. Designers can choose satisfactory optimization results from the Pareto set according to their own specific requirements, design efficiency is therefore significantly improved. Collaborative optimization can help realize discipline autonomy and parallel design, improve design flexibility and reduce design cycle.

Key words:multidisciplinary design optimization;collaborative optimization;multi-objective genetic algorithm;reliability

作者簡介:

doi:10.3969/j.issn.1007-130X.2015.12.013

中圖分類號：V411.8

文獻(xiàn)標(biāo)志碼：A

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(61201089)

收稿日期：修回日期：2015-03-31

文章編號：1007-130X(2015)12-2276-06