第六章飞机总体参数优化 6.1飞机总体参数的多学科设计优化 6.1.1多学科设计优化的基本概念 飞机总体设计是一个复杂的系统工程,覆盖了多个学科的内容,例如空气动力学、结构 学,推进理论,控制论等。对某一个学科领域,进行计算分析和优化设计,可以建立起数学 模型和计算软件,对于复杂的工程系统,目前很难建立起统一的分析和优化的数学模型,只 能是各子系统模型和计算软件的“总装配”,这种装配式的设计必将是低效耗时和昂贵的, 它包括了大量的设计变量,性能状态变量,约束方程,各个系统模型相互交叉影响,各个设 计目标对设计变量的要求相互矛盾,子系统的构成可能是由不同领域的专家甚至在不同地点 来操作运行的

在人体内,水不仅是构成机体的主要成分,而且是维持生命活动、调节代谢 过程不可缺少的重要物质。例如,水使人体体温保持稳定,因为水的热容量大, 旦人体内热量增多或减少也不致引起体温岀现大的波动。水的蒸发潜热大,蒸 发少量汗水即可散发大量热能,通过血液流动使全身体温平衡。水是一种溶剂, 能够作为体内营养素运输、吸收和废弃物排泄的载体,可作为化学和生物化学反 应物或反应介质,也可作为一种天然的润滑剂和增塑剂,同时又是生物大分子化 合物构象的稳定剂,以及包括酶催化在内的大分子动力学行为的促进剂

本书精选了高等数学与线性代数共1200多道题·分为例题和习题两部分编写而成，这些题目大多选自历年各高校的研究生入学试题及全国统考试题，类型全面，覆盖面广，信息量大我们假定读者手中已有一套高等数学与线性代数的教材，因而在每节的开头只列出内容要点，或列出一些很重要的但不易记往的公式.各种类型问题的解题方法和技巧将有层次地贯率于整节的例题之中，以此为读者提供切实有效的指南.每节后面都有相应数量的习题.供读者通过自己动手解题来掌握要领，触类旁通，提高解题的能力.在书的末尾、给出了数学（一）至数学（五）的五套摸拟试题·供读者自我检验.左上角标有“△”记号者，表示该题为全国统考试题本书除作为硕士生入学考试的应考指南外，也可作为工科院校(包括电大、夜大、业大、职大等)学生学习高等数学和线性代数的教学参考书

本书精选了高等数学与线性代数共1200多道题·分为例题和习题两部分编写而成，这些题目大多选自历年各高校的研究生入学试题及全国统考试题，类型全面，覆盖面广，信息量大我们假定读者手中已有一套高等数学与线性代数的教材，因而在每节的开头只列出内容要点，或列出一些很重要的但不易记往的公式.各种类型问题的解题方法和技巧将有层次地贯率于整节的例题之中，以此为读者提供切实有效的指南.每节后面都有相应数量的习题.供读者通过自己动手解题来掌握要领，触类旁通，提高解题的能力.在书的末尾、给出了数学（一）至数学（五）的五套摸拟试题·供读者自我检验.左上角标有“△”记号者，表示该题为全国统考试题本书除作为硕士生入学考试的应考指南外，也可作为工科院校(包括电大、夜大、业大、职大等)学生学习高等数学和线性代数的教学参考书

六十年代初,美国一些理工科大学鉴于当时的基础物理教学与现代科学技术的发展不 相适应,纷纷试行教学改革,加里福尼亚理工学院就是其中之一,该校于1961年9月至 1963年5月特请著名物理学家理查德费曼主讲一二年级的基础物理课,事后又根据讲课 录音编辑出版了《费曼物理学讲义》本讲义共分三卷第一卷包括力学、相对论、光学气体 分子运动论热力学波等,第二卷主要是电磁学第三卷主要是量子力学.全书内容十分丰 富,在深度和广度上都超过了传统的物理教材

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

多元线性回归(multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化

多元线性回归( multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化 回归这一名词起源于19世纪生物学家F.高尔顿进行的遗传学研究,他在研 究子女身高与父母身高之间关系时发现

科学的最终目的在于揭示事物变化的内在规律,因果关系是事物内在规律的 种基本形式。然而,事物的内在联系并不能直接观察到,所以需要在科学研究中应用 各种方法来加以探索和分析。通径分析便是一种探索系统因果关系的统计方法。 因果关系模型中明确设置自变量和因变量,通过模型分析,检査自变量对于 因变量的作用方向、作用强度和解释能力。并且,因果关系模型还可以用来进行 预测。本书第二章多元回归分析便是因果关系模型的一种。但是,多元回归模型 是一种比较简单的因果关系模型,它所假设的因果关系不存在多环节的因果结 构,尽管多元回归模型中可以包含多个自变量,然而各个自变量对因变量的作用 却是假设为并列存在的

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用