动态设计环境下航空发动机自由形式管路布局的自学习优化
机器学习
2025-04-08 v1 人工智能
系统与控制
系统与控制
摘要
管路布局是航空发动机设计中一个高度复杂、耗时且非确定性多项式时间困难（NP-hard）的问题。尽管在优化常曲率管路布局方面已有广泛研究，但对自由形式管路日益增长的需求带来了新挑战。动态设计环境和模糊的布局规则进一步影响了优化性能和效率。为了应对这些挑战，本研究提出了一种用于优化航空发动机自由形式管路布局的基于自学习的方法（SLPR）。SLPR 基于近端策略优化（PPO）算法，并集成了一个统一的规则建模框架，用于连续空间中的高效障碍物检测和模糊规则建模。此外，构建了势能表以实现对布局趋势和干涉的快速查询。SLPR 中的智能体通过与环境的交互，迭代地细化管路布局并积累设计知识。一旦设计环境发生变化，智能体可以通过微调网络参数迅速适应。对比测试表明，SLPR 通过三次非均匀 B 样条（NURBS）曲线确保了平滑的管路布局，避免了常曲率管路布局中出现的冗余管路段。在静态和动态设计环境中的结果表明，SLPR 在管路长度缩减、布局规则遵守度、路径复杂度和计算效率方面均优于三个代表性基线。此外，在动态环境中的测试表明，SLPR 消除了从头开始的费力的搜索，甚至比重新训练的模型产生了更优的解决方案。这些结果突显了 SLPR 在实际管路布局中的实用价值，满足了现代航空发动机设计的轻量化、精度和可持续性要求。
引用
@article{arxiv.2504.03669,
title = {Self-Learning-Based Optimization for Free-form Pipe Routing in Aeroengine with Dynamic Design Environment},
author = {Caicheng Wang and Zili Wang and Shuyou Zhang and Yongzhe Xiang and Zheyi Li and Jianrong Tan},
journal= {arXiv preprint arXiv:2504.03669},
year = {2025}
}