中文摘要：

项目将大型风力机桨叶优化设计问题分解成具有层次关系的、包含若干优化子问题的二级优化模型。将具有集群智能和多点搜索算法的粒子群优化算法应用于大型风力机桨二级优化模型的求解。针对桨叶截面层优化问题特点，在基本粒子群优化算法基础上增加随机扰动分量项，来增强局部搜索功能。在桨叶层主优化模型和截面层子优化模型间相互迭代过程中，加强全局极值项的影响，增加反映个体间协作关系的新迭代项，获得具有较强全局搜索和协调功能的粒子群算法。在研究适合于性能近似计算设计集的冗余数据约简方法基础上，以神经网络为建模工具研究大型风力机桨叶二级优化模型的性能近似计算。项目还将开展大型风力机桨叶的二级优化模型与原优化问题等效性等方面的理论研究，研究二级优化模型求解的迭代过程的收敛特性，研究适合大型风力机桨叶二级优化模型的粒子群优化算法收敛性等理论问题。

结论摘要：

项目根据风力机桨叶构成的层次关系,研究了适合大型桨叶优化设计的二级优化模型.桨叶二级优化模型中不仅包括现有优化模型的设计变量、约束条件和目标函数，还涉及耦合变量、耦合约束函数等。根据优化模型间组成要素不同耦合程度，项目给出了无耦合、弱耦合等类型的桨叶二级优化模型。将具有多点搜索和不需要函数导数信息优点的粒子群优化算法应用于大型风力机桨二级优化模型的求解。针对桨叶截面层优化问题特点，在基本粒子群优化算法基础上增加了随机扰动分量项，增强局部搜索功能，提高了粒子群优化算法求解桨叶优化设计问题的能力。项目研究了适合大型风力机桨叶二级优化模型的神经网络性能近似计算方法。采用属性值约简方法对桨叶性能近似计算的数据进行约简，获得建立桨叶性能近似计算模型的训练样本集。项目还对大型风力机桨叶的二级优化模型与原优化问题等效关系、耦合关系等问题进行了探讨。项目完成了预定的研究任务。