滿額折
商品簡介
作者簡介
目次
相關商品
商品簡介
本書對多學科設計優化主要研究內容進行了較系統的歸納,突出基礎性、適用性。圍繞MDO核心內容―――MDO建模技術、MDO 方法體系、靈敏度分析與近似建模、設計空間尋優策略、多目標優化等方面進行梳理和總結,並結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學算例及工程應用實例,在實踐中提升對MDO 的認識和工程應用能力。
本書可供高等院校車輛設計、機械設計等相關專業,或者多學科設計優化、輕量化設計等研究方向的師生作為教學參考書和技術參考資料,也可供從事汽車總體設計、零部件開發或者其他複雜工程系統開發的研究人員和工程設計人員參考。
本書可供高等院校車輛設計、機械設計等相關專業,或者多學科設計優化、輕量化設計等研究方向的師生作為教學參考書和技術參考資料,也可供從事汽車總體設計、零部件開發或者其他複雜工程系統開發的研究人員和工程設計人員參考。
作者簡介
陳瀟凱，博士，北京理工大學機械與車輛學院副教授，中國汽車工程學會懸架技術分會秘書長，中汽學會標準化工作委員會委員。主要從事汽車系統動力學、汽車輕量化設計以及新能源汽車等方面的教學和科研工作。獲國防科技發明獎、中國汽車科技進步獎等多項科技獎勵。作為項目負責人承擔國家自然科學基金3項、國家重點研發計劃課題1項、國家“863”計劃課題1項、北京市科委科技攻關課題1項。在國內外期刊發表研究論文50餘篇。
目次
第１ 章 緒論 001
１.１ 車輛多學科設計優化的形成動因 002
１.１.１ 車輛設計工作的複雜性本質 002
１.１.２ 汽車設計開發技術及理念新態勢 002
１.２ 什麼是“ 多學科設計優化” 005
１.２.１ MDO 的基本概念 005
１.２.２ MDO 在產品開發中的作用 008
１.３ 多學科設計優化的主要研究內容 010
１.３.１ 複雜系統的分解與協調 011
１.３.２ MDO 方法 012
１.３.３ 複雜系統建模 013
１.３.４ 靈敏度分析 013
１.３.５ 近似建模 014
１.３.６ 優化算法 015
１.３.７ 集成設計系統 015
１.４ MDO 與車輛工程結合的典型形式 017
１.５ MDO 在車輛工程應用中的挑戰與趨勢 020
１.５.１ 面臨的挑戰 020
１.５.２ 發展趨勢 022
參考文獻 023
第２ 章 多學科設計優化方法體系 027
２.１ 多學科設計優化技術中優化方法與優化算法的區別 028
２.２ 多學科設計優化方法的研究著眼點 029
２.３ 多學科設計優化方法的分類 030
２.４ 多學科可行法 031
２.４.１ MDF法的基本思想 031
２.４.２ 多學科分析 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 039
２.５ 單學科可行法 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 047
２.６ 一致性優化法 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 054
２.７ 並行子空間優化法 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 協同優化法 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 071
２.９ 兩級集成系統綜合法 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 098
參考文獻 106
第３ 章 多學科設計優化建模 110
３.１ 複雜系統的分解方法 111
３.１.１ 基於分解的設計優化 111
３.１.２ 學科的定義及劃分原則 112
３.１.３ 複雜系統的分解方法 113
３.１.４ 設計結構矩陣方法 114
３.１.５ 函數關係矩陣方法 121
３.１.６ 超圖方法 131
３.１.７ MDO 分解基本原則 134
３.２ 協調策略 135
３.３ 變複雜度建模 138
３.４ 不確定性建模 140
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 不確定性優化設計 154
３.４.５ 不確定性多學科設計優化建模 157
參考文獻 159
第４ 章 靈敏度分析技術 162
４.１ 靈敏度分析的概念 163
４.２ 單學科靈敏度分析 165
４.２.１ 單學科靈敏度分析簡介 165
４.２.２ 手工求導方法 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 複變量方法 174
４.２.７ 解析方法 176
４.２.８ 其他方法 178
４.３ 多學科靈敏度分析 180
４.３.１ 多學科靈敏度分析簡介 180
４.３.２ 最優靈敏度分析方法 181
４.３.３ 全域靈敏度分析方法 184
４.３.４ 滯後耦合伴隨方法 187
參考文獻 188
第５ 章 近似模型技術 189
５.１ 近似模型基礎 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 近似模型的基本構建過程 192
５.２ 試驗設計方法 193
５.２.１ 全因子試驗設計方法 194
５.２.２ 部分因子試驗設計方法 194
５.２.３ 中心組合設計方法 194
５.２.４ 蒙特卡羅法 194
５.２.５ 正交試驗設計方法 195
５.２.６ 拉丁方設計方法 196
５.３ 近似模型的構造方法 199
５.３.１ 局部近似 199
５.３.２ 中等範圍近似 200
５.３.３ 全域近似 201
５.４ 響應面模型方法 202
５.５ 移動最小二乘響應面法 205
５.６ Kriging模型法 210
５.７ 人工神經網絡模型法 214
５.７.１ BP神經網絡 214
５.７.２ RBF神經網絡 219
５.８ 支持向量機法 222
５.９ 近似模型預測精度的評價 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 基於近似模型的MDO 方法 230
５.１２ 電動汽車動力電池箱應用實例 232
５.１２.１ 電動汽車動力電池箱優化問題 232
５.１２.２ 最優拉丁超立方採樣 237
５.１２.３ 電池箱響應面模型構建 238
５.１２.４ 電池箱徑向基模型構建 244
５.１２.５ 電池箱Kriging模型構建 252
５.１２.６ 近似模型分析對比 266
參考文獻 267
第６ 章 多學科設計優化求解策略 269
６.１ 優化算法概述 270
６.２ 優化算法的發展簡史 272
６.３ 優化算法的數學基礎 281
６.３.１ 函數的方向導數與梯度 281
６.３.２ 多元函數的泰勒展開 284
６.３.３ 多元函數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 經典優化算法 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 複合形法 310
６.４.８ 可行方向法 315
６.４.９ 拉格朗日乘子法 319
６.４.１０ 序列二次規劃法 321
６.５ 智能優化算法 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 優化算法的組合策略 347
參考文獻 348
第７ 章 多目標優化方法 350
７.１ 多目標優化與多學科設計優化的關係 351
７.１.１ 多目標優化的特點 351
７.１.２ 汽車開發多目標優化問題 353
７.１.３ 多目標優化方法研究簡史 355
７.２ 多目標優化的基本概念 358
７.２.１ 主要術語的定義 358
７.２.２ 多目標優化算法的評價標準 360
７.３ 基於偏好的先驗方法 363
７.３.１ 加權和法 363
７.３.２ 主要目標法 365
７.３.３ 理想點法 366
７.３.４ 極大極小法 367
７.３.５ 功效係數法 368
７.３.６ 物理規劃法 371
７.４ 基於偏好的後驗方法 382
７.４.１ 法線邊界正交法(NBI) 382
７.４.２ 自適應加權和法(AWS) 391
７.４.３ NC法 402
７.５ 無偏好方法 407
７.５.１ 多目標遺傳算法 407
７.５.２ 多目標模擬退火算法 419
７.５.３ 多目標粒子群算法 426
７.６ 汽車行駛動力學性能的多目標優化算例 433
７.６.１ 問題背景 433
７.６.２ 多目標優化問題建模 434
７.６.３ 多目標優化與結果分析 440
參考文獻 442
第８ 章 工程應用案例 445
８.１ 汽車主動懸架系統優化 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優化 450
８.１.５ 優化結果及討論 454
８.２ 插電式混合動力汽車動力系統優化 459
８.２.１ 駕駛員模型 459
８.２.２ 整車控制器模型 461
８.２.３ 發動機模型 461
８.２.４ 主驅動電機模型 463
８.２.５ ISG電機模型 465
８.２.６ 動力電池模型 466
８.２.７ 行駛動力學模型 467
８.２.８ 能量管理策略模型 469
８.２.９ 整車參數及約束條件 469
８.２.１０ 動力系統CO 優化及優化結果 470
８.３ 汽車車身結構正面抗撞性設計優化 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 基於CO 和近似模型的正面抗撞性優化 483
８.３.５ 優化結果 488
參考文獻 490
１.１ 車輛多學科設計優化的形成動因 002
１.１.１ 車輛設計工作的複雜性本質 002
１.１.２ 汽車設計開發技術及理念新態勢 002
１.２ 什麼是“ 多學科設計優化” 005
１.２.１ MDO 的基本概念 005
１.２.２ MDO 在產品開發中的作用 008
１.３ 多學科設計優化的主要研究內容 010
１.３.１ 複雜系統的分解與協調 011
１.３.２ MDO 方法 012
１.３.３ 複雜系統建模 013
１.３.４ 靈敏度分析 013
１.３.５ 近似建模 014
１.３.６ 優化算法 015
１.３.７ 集成設計系統 015
１.４ MDO 與車輛工程結合的典型形式 017
１.５ MDO 在車輛工程應用中的挑戰與趨勢 020
１.５.１ 面臨的挑戰 020
１.５.２ 發展趨勢 022
參考文獻 023
第２ 章 多學科設計優化方法體系 027
２.１ 多學科設計優化技術中優化方法與優化算法的區別 028
２.２ 多學科設計優化方法的研究著眼點 029
２.３ 多學科設計優化方法的分類 030
２.４ 多學科可行法 031
２.４.１ MDF法的基本思想 031
２.４.２ 多學科分析 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 039
２.５ 單學科可行法 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 047
２.６ 一致性優化法 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 054
２.７ 並行子空間優化法 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 協同優化法 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 071
２.９ 兩級集成系統綜合法 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 098
參考文獻 106
第３ 章 多學科設計優化建模 110
３.１ 複雜系統的分解方法 111
３.１.１ 基於分解的設計優化 111
３.１.２ 學科的定義及劃分原則 112
３.１.３ 複雜系統的分解方法 113
３.１.４ 設計結構矩陣方法 114
３.１.５ 函數關係矩陣方法 121
３.１.６ 超圖方法 131
３.１.７ MDO 分解基本原則 134
３.２ 協調策略 135
３.３ 變複雜度建模 138
３.４ 不確定性建模 140
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 不確定性優化設計 154
３.４.５ 不確定性多學科設計優化建模 157
參考文獻 159
第４ 章 靈敏度分析技術 162
４.１ 靈敏度分析的概念 163
４.２ 單學科靈敏度分析 165
４.２.１ 單學科靈敏度分析簡介 165
４.２.２ 手工求導方法 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 複變量方法 174
４.２.７ 解析方法 176
４.２.８ 其他方法 178
４.３ 多學科靈敏度分析 180
４.３.１ 多學科靈敏度分析簡介 180
４.３.２ 最優靈敏度分析方法 181
４.３.３ 全域靈敏度分析方法 184
４.３.４ 滯後耦合伴隨方法 187
參考文獻 188
第５ 章 近似模型技術 189
５.１ 近似模型基礎 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 近似模型的基本構建過程 192
５.２ 試驗設計方法 193
５.２.１ 全因子試驗設計方法 194
５.２.２ 部分因子試驗設計方法 194
５.２.３ 中心組合設計方法 194
５.２.４ 蒙特卡羅法 194
５.２.５ 正交試驗設計方法 195
５.２.６ 拉丁方設計方法 196
５.３ 近似模型的構造方法 199
５.３.１ 局部近似 199
５.３.２ 中等範圍近似 200
５.３.３ 全域近似 201
５.４ 響應面模型方法 202
５.５ 移動最小二乘響應面法 205
５.６ Kriging模型法 210
５.７ 人工神經網絡模型法 214
５.７.１ BP神經網絡 214
５.７.２ RBF神經網絡 219
５.８ 支持向量機法 222
５.９ 近似模型預測精度的評價 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 基於近似模型的MDO 方法 230
５.１２ 電動汽車動力電池箱應用實例 232
５.１２.１ 電動汽車動力電池箱優化問題 232
５.１２.２ 最優拉丁超立方採樣 237
５.１２.３ 電池箱響應面模型構建 238
５.１２.４ 電池箱徑向基模型構建 244
５.１２.５ 電池箱Kriging模型構建 252
５.１２.６ 近似模型分析對比 266
參考文獻 267
第６ 章 多學科設計優化求解策略 269
６.１ 優化算法概述 270
６.２ 優化算法的發展簡史 272
６.３ 優化算法的數學基礎 281
６.３.１ 函數的方向導數與梯度 281
６.３.２ 多元函數的泰勒展開 284
６.３.３ 多元函數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 經典優化算法 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 複合形法 310
６.４.８ 可行方向法 315
６.４.９ 拉格朗日乘子法 319
６.４.１０ 序列二次規劃法 321
６.５ 智能優化算法 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 優化算法的組合策略 347
參考文獻 348
第７ 章 多目標優化方法 350
７.１ 多目標優化與多學科設計優化的關係 351
７.１.１ 多目標優化的特點 351
７.１.２ 汽車開發多目標優化問題 353
７.１.３ 多目標優化方法研究簡史 355
７.２ 多目標優化的基本概念 358
７.２.１ 主要術語的定義 358
７.２.２ 多目標優化算法的評價標準 360
７.３ 基於偏好的先驗方法 363
７.３.１ 加權和法 363
７.３.２ 主要目標法 365
７.３.３ 理想點法 366
７.３.４ 極大極小法 367
７.３.５ 功效係數法 368
７.３.６ 物理規劃法 371
７.４ 基於偏好的後驗方法 382
７.４.１ 法線邊界正交法(NBI) 382
７.４.２ 自適應加權和法(AWS) 391
７.４.３ NC法 402
７.５ 無偏好方法 407
７.５.１ 多目標遺傳算法 407
７.５.２ 多目標模擬退火算法 419
７.５.３ 多目標粒子群算法 426
７.６ 汽車行駛動力學性能的多目標優化算例 433
７.６.１ 問題背景 433
７.６.２ 多目標優化問題建模 434
７.６.３ 多目標優化與結果分析 440
參考文獻 442
第８ 章 工程應用案例 445
８.１ 汽車主動懸架系統優化 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優化 450
８.１.５ 優化結果及討論 454
８.２ 插電式混合動力汽車動力系統優化 459
８.２.１ 駕駛員模型 459
８.２.２ 整車控制器模型 461
８.２.３ 發動機模型 461
８.２.４ 主驅動電機模型 463
８.２.５ ISG電機模型 465
８.２.６ 動力電池模型 466
８.２.７ 行駛動力學模型 467
８.２.８ 能量管理策略模型 469
８.２.９ 整車參數及約束條件 469
８.２.１０ 動力系統CO 優化及優化結果 470
８.３ 汽車車身結構正面抗撞性設計優化 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 基於CO 和近似模型的正面抗撞性優化 483
８.３.５ 優化結果 488
參考文獻 490
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。