بهينه‌سازي طراحي مفهومي فضاپيما با استفاده از مدل جايگزين زيرسامانه مخابرات به روش حداقل مربعات متحرك

Spacecraft conceptual design optimization using moving least square surrogate model for communication subsystem

بهينه‌سازي طراحي مفهومي سامانه‌هاي فضايي فرايندي پيچيده و چندموضوعي است به‌گونه‌اي كه جستجوي فضاي طراحي براي ارزيابي توابع هدف به‌طور چشمگيري به اجراي تكرارپذير مدل‌هاي شبيه‌سازي و كدهاي تحليلي مربوط به زيرسامانه‌هاي مختلف (نظير سازه، محموله، تامين انرژي، تعيين و كنترل وضعيت، مخابرات، مديريت داده و فرمان) وابسته است. به‌كارگيري روش‌هاي متداول طراحي براي چنين مسيله پيچيده‌اي بسيار زمان‌بر بوده و هيچ تضميني وجود ندارد كه راه حل به‌دست آمده براي زيرسامانه‌هاي كوپل شده بهترين باشد و حتي ممكن است به طرح‌هاي غير بهينه منجر شود. علاوه بر اين، فضاي جستجوي طراحي مي‌تواند چند وجهي، غير محدب با چندين نقطه بهينه محلي باشد كه اين موضوع سبب افزايش هزينه محاسباتي و نيز دشواري ارزيابي سريع گزينه‌هاي مختلف طراحي مي‌‌شود. براي پرداختن به اين موضوعات، در اين مقاله روشي كارآمد مبتني بر مدل جايگزين (سطح پاسخ) براي بهينه‌سازي چندموضوعي طراحي مفهومي يك فضاپيما با احتساب متغيرهاي طراحي گسسته و پيوسته ارايه شده است. روش مذكور بر پايه به‌كارگيري الگوريتم ژنتيك در سطح سامانه و زيرسامانه به‌عنوان بهينه‌ساز و مدل جايگزين به‌عنوان ابزاري موثر در كاهش هزينه محاسباتي در سطح زيرسامانه، در چارچوب بهينه‌سازي مشاركتي بنا شده است. نتايج به‌دست آمده از اين مطالعه نشان مي‌دهد كه روش معرفي شده در اين مقاله يك راه موثر براي بهبود بهره‌وري محاسباتي بهينه‌سازي طراحي مفهومي سامانه‌هاي پيچيده نظير طراحي يك فضاپيما مي‌باشد.

Conceptual design optimization of spacecraft systems is a complex and multidisciplinary process. In this case evaluation of the objective functions relies heavily on running iterative simulation models and analysis codes between various subsystems (such as structures, payload, electrical power supply, attitude determination and control, communication, command and data handling).The conventional sequential optimization approaches to such a complex design problem is time consuming and does not guarantee to achieve the best compromise among the various competing coupled subsystems, and may even lead to non-optimal design. In addition, the design search space can be multi-modal, non-convex with multiple local minima and hence it is time consuming or difficult to rapidly evaluate trade-offs between various subsystems (disciplines). To address these issues, in this paper an efficient surrogate (response surface) model-based multidisciplinary spacecraft systems design optimization technique with discrete and continuous design variables is presented. The methodology is based on the utilization of genetic algorithms (GA) for both system level and discipline level as an optimizer. Surrogate-modeling as an efficient tool is also used to decrease computational cost in discipline (subsystem) level within a collaborative optimization (CO) framework. Results obtained in this study show that the method introduced in this paper provides an effective way of improving computational efficiency of a complex space system design such as conceptual design optimization of a spacecraft.