《目标驱动的多保真度方法在军用载具（航空、航海及航天）系统级设计中的应用》最新260页报告

军用载具需求正随着多工程领域技术进步而快速演变。这种变化的加速特性伴随着车辆性能、复杂性与成本的提升。为满足新兴需求，必须开发更高效的设计流程以实现：全面精准地探索规模扩大的设计空间；利用潜在的复杂物理交互提升性能优势；避免因后期缺陷发现导致成本激增的有害交互作用。应用载具技术（AVT）已组建多个团队调研并应对这些设计需求。AVT-092项目探索了运用分析方法进行设计验证的路径。AVT-093项目研究了车辆计算设计的集成工具与流程，包含分布式并行计算技术的应用。AVT-237项目建立了多学科设计优化（MDO）基准案例库，实证了MDO在军用车辆研发中的优势。AVT-252项目探索了不确定性条件下飞机与舰船优化方法，并验证了鲁棒优化的实用性与可行性。这些研究持续表明，在开发流程早期以更高保真度耦合更多学科能获得设计效益。但目前缺乏数学框架来确定：为捕捉特定系统设计中最关键的物理特性需要耦合哪些学科、达到何种耦合度或保真度水平；在何处设计空间采集数据最优；如何在有限计算资源下做出最佳设计决策。这些问题正在AVT-331项目"目标驱动的军用载具系统级设计多保真度方法"中开展研究。该研究任务组（RTG）通过航空、航海及航天载具基准案例（以及解析函数构建的严格基准）开发并比较了利用不同保真度数据加速设计的多保真度方法。本文阐述的AVT-331方法论、基准体系与对比研究，系统论证了多保真度方法在加速车辆设计中的实用价值。

军用载具需求正随着多工程领域技术进步而快速演变。这种变化的加速特性伴随着载具性能、复杂性与成本的提升。为满足新兴需求，必须开发更高效的设计流程以实现：全面精准地探索规模扩大的设计空间；利用潜在的复杂物理交互提升性能优势；避免因后期缺陷发现导致成本激增的有害交互作用[1]。应用载具技术（AVT）专家组已组建多个团队调研并应对这些设计需求。AVT-092项目探索了运用分析方法进行设计验证的路径。AVT-093项目研究了车辆计算设计的集成工具与流程，包含分布式并行计算技术的应用。AVT-237项目建立了多学科设计优化（MDO）基准案例库，实证了MDO在军用车辆研发中的优势。AVT-204项目评估了优化海面载具船体形态以获得最佳海洋环境性能的能力。AVT-252项目探索了不确定性条件下飞机与舰船优化方法，并验证了鲁棒优化的实用性与可行性。这些研究持续表明，在开发流程早期以更高保真度耦合更多学科能获得设计效益。但目前缺乏数学框架来确定：为捕捉特定系统设计中最关键的物理特性需要耦合哪些学科、达到何种耦合度或保真度水平；在何处设计空间采集数据最优；如何在有限计算资源下做出最佳设计决策。当前这些决策完全依赖工程经验。对于与既有设计相似且复杂度有限的系统，这种方法效果尚可，但对创新型载具与技术则可能失效。鉴于此，载具多学科设计优化的长期挑战之一在于：如何在需要时有效提升建模保真度，以准确捕捉制约或支撑特定载具概念的物理本质。若在整个设计空间持续使用低保真模型，当物理机制未被充分建模或解析时，可能导致设计方案不可行或显著次优。在优化过程中直接替换高保真模型也非实用策略，因为高精度技术伴随更高计算成本。多保真度（MF）方法提供了概念框架，通过合理运用少量高保真分析并整合低保真方法信息，实现载具设计的高效优化。

MF方法通过操控多种信息源加速设计空间探索、优化及其他计算分析任务。这些信息源通过计算方法（数学描述及配套数值分析）和/或非计算方法（物理实验、解析解、专家分析）量化系统响应。学界关注的是：这些在低复杂度问题上已获成功应用的方法[2]，能否扩展至载具级设计问题。

该问题正在研究任务组AVT-331"目标驱动的军用载具系统级设计多保真度方法"中开展研究，重点聚焦于满足以下特征的MF方法：(a) 集成多种信息源，包括多物理模型和/或多数值近似；(b) 包含多源协同算法；(c) 在确保设计方案可靠性的前提下加速设计流程。该团队目标在于：理解MF方法在载具设计中的潜在优势；评估不同MF方法在统一基准测试中的相对优劣。将MF方法应用于载具级设计时，面临多重挑战，这些障碍既存在于方法开发阶段，也存在于军事载具设计的推广应用阶段。在MF设计优化过程中对多信息源的协同管理带来若干算法挑战，AVT-331重点应对的挑战包括：解决MF方法相关的维度灾难与可扩展性问题；处理目标函数和/或约束条件中的噪声、局部化及多模态行为；协调解决问题过程中所用MF表征之间的参数不一致性；评估MF方法实现复杂度与计算效率，确保评估对军用车辆设计具有实质意义。

MF方法解决多学科问题的主要挑战在于控制方法计算成本随问题规模的增长。分析师可能尝试通过构建关键关注量的代理模型，来缓解使用高成本高保真（HF）模型分析载具问题的压力。代理模型基于设计空间采样点HF分析数据构建，并在设计空间探索过程中调用。但对基础采样流程而言，代理模型的构建成本会随参数数量急剧上升。以典型多学科问题为例：在商用运输机基准模型（高展弦比改型详见第V.C节）未变形（工装形状）气动结构逆优化中，优化过程涉及超过1000个几何与结构设计参数[3]。最昂贵的全因子抽样方案成本随参数数量N呈2^N增长。这种指数级成本增长使该方法仅适用于少量参数场景，难以应对实际问题。此外，MF语境下多学科并存导致潜在模型数量的组合式增长。随着学科数量增加，保真度选项激增，使得任何基于机器的模型组合选择都面临困难。即便单一学科内部，可行保真度选项数量也可能庞大，难以有效利用所有可能选项。

已知代理模型（包括MF代理建模方法）在噪声环境下易产生伪振荡（误差）。此类噪声可能源于实验数据固有精度误差，或数值分析中的误差与残差。例如，使用自适应网格技术加速特定设计分析时，可能导致参数变化相关的解非光滑性。若未在代理建模中考虑噪声因素，可能损害设计空间探索效果[4]。更复杂的是，采样函数模态转变或局部行为变化可能并非数值噪声，而是与问题相关的物理行为改变。全局定义设计空间物理结果的模型可能难以处理此类转变，表现为模型刚度增加与所需样本量上升。

MF方法中鲜受关注但具相关性的挑战是模型间参数不一致性问题。典型案例是：低保真模型采用更粗略的几何描述（需较少参数）。此时，目标设计空间中存在低保真采样未充分覆盖的方向，引发理论与算法挑战[5]。

最后，广泛适用性要求方法实现方式需便于非专家用户快速部署并高效应用于各类问题。团队成员关注方法实现中的特定环节可能成为载具领域评估方法有效性的障碍，包括：需要MF方法专业知识的复杂流程（含参数调优）；集成MF方法时需应用领域专业知识的侵入式流程；遗留软件、专有软件或复杂构建要求软件引发的推广障碍；以及涉及并行化与扩展性等方法实现（或公式层面）的计算低效问题[1]。

评估MF方法在军用车辆设计中的应用也面临独特挑战。首先是如何评估MF方法正确捕捉并利用物理交互提升性能的能力。对此，AVT-331处理了含多学科目标/约束的多学科问题，但未涉及学科数量的可扩展性及复杂多学科交互。第二项相关挑战是：当设计问题无精确解时如何验证方案。正因精确解缺失，才需要针对典型问题开发快速方法。第三是如何以通用且跨领域的方式（即不针对特定应用调优）评估MF方法的优缺点。这些挑战促使AVT-331采用统一解析测试问题集，对照已知基准验证MF方法解，并为军用车辆系统级设计中的MF方法应用提供通用建议。