中文摘要：

多领域仿真优化可看成一种基于黑箱函数估值的优化方法。基于计算机试验设计的响应面方法是解决此类优化问题的有效途径，但存在响应面更新效率不高、求解稳定性不强以及多目标或多约束问题处理不足等缺陷。本项目拟提出一种基于优化序列采样的增量响应面方法，旨在提高多领域仿真优化过程的效率、稳定性和适应性。首先，在研究常用响应面模型（如扩展径向基函数）增量构造理论基础上，提出响应面集概念及其增量构造方法；接着，提出一种确定性优化序列采样策略，旨在以最少采样点构造最高精度的响应面模型；再次，研究多领域仿真模型的全局响应面近似方法，以及基于增量响应面的多领域参数优化和控制优化方法；最后，研制基于响应面的多领域仿真优化原型系统，并将其应用于具有多个能量源的混合电动汽车参数优化和控制优化中。本项目将有力促进计算机试验设计、模型简化和多领域仿真优化等理论进展，也为控制优化、全局优化及多学科设计优化等方向提供借鉴。

结论摘要：

多领域仿真优化可看成一种基于黑箱函数估值的优化方法。基于计算机试验设计的响应面方法是解决此类优化问题的有效途径，但存在响应面更新效率不高、求解稳定性不强以及多目标或多约束问题处理不足等缺陷。本项目提出了一种基于优化序列采样的增量响应面方法，以提高多领域仿真优化过程的效率、稳定性和适应性。首先，为了对复杂多输入多输出黑箱模型进行有效的近似处理，鉴于径向基函数响应面方法公式易计算、易扩展的特点，提出并研究了一种基于扩展径向基函数响应面集构造及增量更新方法。同时采用一种最大曲率和距离变量准则在多个响应面上的自适应同步采样，通过一次构建响应面模型，快捷、高效地对多输出变量黑箱模型近似处理。通过多个数学模型和仿真模型的测试，取得了良好的效果。接着，提出了一种确定性优化序列采样策略，以较少采样点构造高精度的响应面模型。本项目提出了以采样点位置最大曲率和采样点之间最小距离作为采样标准，构造序列RBF响应面模型。该方法使新增采样点分布于影响响应面精度的波峰与波谷处，以较少的采样点反映复杂目标模型的性态。通过多个常用测试函数以及弹簧和焊接梁的最优设计为例测试新采样方法效果优于其他采样方法。再次，研究了多领域仿真模型的全局响应面近似方法，以及基于增量响应面的多领域参数优化和控制优化方法。针对与时间有关且具有状态变量及多输入多输出的复杂仿真模型，提出了一种基于固定步长的带反馈的仿真模型近似方法。同时，以纯电动汽车为研究对象，使用该近似方法对其电池和传动系统的仿真模型分别进行了近似处理。通过对近似模型与源模型的精度对比，验证了该方法的可行性和有效性。研究并改进了增量拉丁超立方采样方法，结合增量RBF响应面集提出了一种全新的全局优化方法，应用常用测试函数与焊接梁为例测试了该方法的可行性和有效性。最后，研制了基于响应面的多领域仿真优化原型系统，并将其应用于具有多个能量源的混合电动汽车参数优化和控制优化中。为实现复杂多领域仿真模型建模、实验设计以及在统一的平台上构建近似模型等功能，开发了多学科设计优化平台和仿真模型全局近似系统，并实现了基于响应面的动态规划算法。以纯电动汽车模型的高效建模及控制优化为例，验证了该系统相关功能的正确性及所提出方法的有效性。本项目有力促进了计算机试验设计、模型简化和多领域仿真优化等理论进展，也为控制优化、全局优化及多学科设计优化等方向提供了有益借鉴。