基于多目标遗传算法的航空发动机总体性能优化设计

采用一种基于Pareto最优解的多目标遗传算法—NSGAⅡ算法,以双轴混合排气式涡轮风扇发动机为算例,集成发动机性能模型、流路尺寸模型和质量模型,以单位推力、耗油率等为目标函数进行了多目标优化设计。计算结果表明:NSGAⅡ算法具有较好的稳健性和鲁棒性;基于NSGAⅡ算法的发动机总体性能优化方法能够获得目标空间内分布均匀的Pareto最优解集,有效克服了发动机总体性能方案设计时人工经验依赖较重的缺点,可为决策者进行目标权衡提供充分依据。      

基于多目标遗传算法的航空发动机PID控制器参数优化

提出了1种基于多目标遗传算法以及多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用改进非支配解排序的多目标遗传算法（NSGAII）求出了Paret0最优解;用这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行了权值计算,然后采用逼近理想解的排序方法（TOPSIS）进行了多属性决策（MADM）研究,对Pareto最优解给出了排序;计算了某型航空发动机PID控制的数值算例,结果表明所提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

基于响应面近似技术的平流层飞艇协同设计优化

针对平流层飞艇多学科设计优化问题,引入协同优化算法,分析基于响应面近似模型的协同优化方法CO/RSA的执行步骤和特点,并介绍响应面近似模型的构建方法;建立平流层飞艇各学科模型,并对学科间耦合关系进行分析;运用建立的气动/推进、结构、能源三个耦合子系统的学科分析模型和系统优化模型,以平流层飞艇总质量最小为优化目标,综合考虑浮重、推阻和能源平衡,采用CO/RSA方法对平流层飞艇进行设计优化.结果表明:所建立的平流层飞艇的MDO模型是合理的,CO/RSA算法应用于飞艇总体设计优化是有效的,研究结果可为平流层飞艇方案论证和方案设计提供参考.     

Dryden型大气紊流对平流层飞艇能量最优轨迹影响

研究了常值风场作用下平流层飞艇的上升段轨迹优化和大气紊流对最优轨迹的影响问题。首先基于平流层飞艇的受力分析,建立了考虑常值风场、地球自转和飞艇质量变化等诸多因素的三自由度动力学模型,处理参数得到归一化的系统方程;其次采用直接配点法将平流层飞艇的最优轨迹问题转换为非线性规划问题,以最小能量为目标函数,给出非线性规划问题的求解策略,优化得出可行解后对飞艇的最优上升轨迹及相应的加速度项进行了分析,将优化的控制量代入微分方程验证了优化轨迹的准确性;最后加入Dryden型大气紊流的干扰,选取多组大气紊流干扰下的数据进行对比分析,仿真结果表明大气紊流叠加风场均值与飞艇终端位置误差存在一定规律,分析并提出了平流层飞艇抵御大气紊流干扰的策略。     

基于能量平衡的平流层飞艇推进系统建模与优化设计

为了在平流层飞艇推进系统高效率和轻质量需求的矛盾之中取得平衡,提出基于能量平衡的平流层飞艇推进系统建模与优化设计方法。利用试验设计和代理模型技术分别建立了高空电动机、螺旋桨的主要设计参数与其效率和质量的代理模型。建立了包含太阳能电池和储能电池的飞艇能源系统质量计算模型。以整系统能量平衡和推阻平衡为约束,以推进与能源系统总质量最小为目标,借助多岛遗传算法构建了飞艇推进系统优化设计数学模型。对某型平流层飞艇推进系统进行了优化设计,结果表明:优化后的推进系统效率提升了23%,推进与能源系统总质量降低了340 kg,验证了该平流层飞艇推进系统建模与优化设计方法的可行性和应用价值。     

基于NSGA II算法分布度改进的ATREX发动机性能优化方法研究

为使飞行轨迹上膨胀式空气涡轮冲压发动机(Air Turbo Ramjet Expander, ATREX)推力满足飞行器要求，同时比冲为对应推力下的最优值，基于改进分布度的NSGA II算法建立了以推力、比冲为优化目标的ATREX多目标优化模型。本文首先提出了基于个体优化目标间直线距离的筛选函数，改善了NSGA II算法优化结果的分布度；然后基于改进的NSGA II算法建立了ATREX性能多目标优化模型，获得了地面状态发动机推力、比冲最优解。在优化结果分布度接近前提下，与基于原NSGA II算法建立的ATREX性能多目标优化模型对比，基于改进NSGA II算法建立的优化模型所需初始种群个数及迭代时间均下降30%左右。     

遗传算法在雷达吸波涂层多目标优化设计中的应用

本文利用遗传算法实现了雷达吸波涂层的多目标优化设计.首先对目标函数进行合理设计,同时基于Pareto最优概念,采用非劣分层遗传算法(NSGA)进行多目标优化.对具体实例的优化结果表明,该方法利用共享函数和小生境技术,可以使优化结果均匀的收敛于Pareto域附近.同传统优化方法相比,该方法物理意义明确,对决策者来说更具科学性、针对性和实用价值.     

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

转捩对平流层飞艇外形优化的影响

采用梯度算法优化了平流层飞艇外形以减少气动阻力,目标函数飞艇总阻力系数通过求解Navier-Stokes方程获得.优化过程中采用了SSTκ-ω转捩湍流模型和Realizable κ-ε全湍流模型求解绕流流场,采用大涡模拟方法详细分析了获得的两种飞艇外形的气动性能和特点,并且比较了两种湍流模拟方法的流场求解对梯度法优化的目标函数以及飞艇形状特点的影响.结果表明:是否考虑转捩对优化的结果有明显的影响,考虑转捩优化方案的气动性能明显优于全湍流流动求解优化方案.采用转捩模型的优化由于层流区域的存在改变了飞艇尾部的形状,从而获得了尾部分离区较小的飞艇外形轮廓.      

基于Pareto集与多目标决策的飞控参数优化

针对传统的单目标优化方法不能对飞控系统多个性能指标同时进行优化的问题,提出了一种基于Pareto遗传算法和多目标决策的飞控系统参数优化方法。通过NSGA-Ⅱ算法对飞控系统参数进行优化获得最优解集,在此基础上首先进行方案的初选,然后利用综合权重的Vague集决策方法对备选方案进行模糊评价和优选,找到最终满意解。仿真结果验证了所设计方法的有效性。     

用INSGA-Ⅱ进化NPCs的复杂行为

目前游戏中NPCs多目标行为进化是一个非常复杂的问题。对此建立了NPCs多目标优化的数学模型,并提出了一种NSGA-Ⅱ的改进算法——INSGA-Ⅱ。该算法在进行精英选择时,采用了基于K-均值聚类的方法联合了不同等级之间的个体进行集合划分,然后从不同的集合中选择下一代个体,从而更好地保持了种群的多样性。通过实例比较证明,在玩家和NPCs作战的游戏场景下,INSGA-Ⅱ能够得到NPCs复杂多目标控制问题的Pareto最优解,而且比NSGA-Ⅱ表现出更好的收敛性和多样性。     

Multi-disciplinary design optimization with variable complexity modeling for a stratosphere airship

This paper proposes a hybrid architecture based on Multi-disciplinary Design Optimization(MDO) with the Variable Complexity Modeling(VCM) method, to solve the problem of general design optimization for a stratosphere airship. Firstly, MDO based on the Concurrent SubSpace Optimization(CSSO) strategy is improved for handling the subsystem coupling problem in stratosphere airship design which contains aerodynamics, structure, and energy. Secondly, the VCM method based on the surrogate model is presented for reducing the computational complexity in high-fidelity modeling without loss of accuracy. Moreover, the global-to-local optimization strategy is added to the architecture to enhance the process. Finally, the result gives a prominent stratosphere airship general solution that validates the feasibility and efficiency of the optimization architecture. Besides, a sensitivity analysis is conducted to outline the critical impact upon stratosphere airship design.     

基于非结构网格空间推进的高超声速飞行器背脊线优化

针对高超声速飞行器背脊线优化进行了研究。结合自由曲面变形(FFD)方法和Hicks-Henne型函数建立背脊线参数化模型,保证了飞行器背部曲面光滑连续。为减少计算耗时,采用非结构网格空间推进方法求解高超声速无黏流场,通过钝锥算例对该方法计算效率和精度进行了参数分析,并对飞行器流场计算进行了验证,对比表明表明:非结构网格空间推进算法计算效率提高4.5倍以上,计算结果与常规时间迭代法符合较好。采用优化拉丁超立方抽样建立响应面模型,分析了各设计变量对目标函数的影响。采用非支配排序NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ)算法以阻力系数和升阻比为目标对背脊线优化,约束飞行器体积变化不超过20%。结果表明,飞行器阻力系数和升阻比呈负相关,优化后阻力系数降低7.1%,升阻比提高16.9%。      

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法，其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足，采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估；通过改进随机游走策略来提高局部搜索能力；通过引入改进的自适应丢弃概率策略来提高算法的收敛速度；加入档案管理机制，提高解的均匀性。典型的多目标数值算例结果表明，改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例，将改进的MOCS算法应用于多目标气动优化中，改进的MOCS算法共获得64个Pareto解，优化后的翼型气动性能有明显的提升，设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题，改进的MOCS算法与目前主流的NSGA-Ⅱ相比，收敛速度更快。     

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。     

空心风扇叶片结构优化设计方法及程序实现

在空心风扇叶片结构强度分析的基础上,以叶片最大等效应力水平为约束条件,建立了叶片质量和径向位移最小化的双目标优化模型.采用正交试验设计的方法,分析了各设计变量对约束函数和目标函数的影响,减少了设计变量的数量.为了提高优化设计效率,采用径向基函数插值的方法,构造了约束函数和目标函数的响应面替代模型,从而避免了优化设计过程中大量的结构有限元分析求解.针对空心叶片结构强度优化设计的示例,探讨了替代模型和带精英策略的Pareto排序遗传算法的具体应用,得到了分布均匀的Pareto最优解,给出了空心叶片示例的具体优化设计结果.      

Improved NSGA-Ⅱ Multi-objective Genetic Algorithm Based on Hybridization-encouraged Mechanism

To improve performances of multi-objective optimization algorithms,such as convergence and diversity,a hybridization-encour-aged mechanism is proposed and realized in elitist nondominated sorting genetic algorithm (NSGA-Ⅱ).This mechanism uses the nor-malized distance to evaluate the difference among genes in a population.Three possible modes of crossover operators-"Max Distance","Min-Max Distance",and "Neighboring-Max"-are suggested and analyzed.The mode of "Neighboring-Max",which not only takes advantage of hybridization but also improves the distribution of the population near Pareto optimal front,is chosen and used in NSGA-II on the basis of hybridization-encouraged mechanism (short for HEM-based NSGA-Ⅱ).To prove the HEM-based algorithm,several problems are studied by using standard NSGA-II and the presented method.Different evaluation criteria are also used to judge these algorithms in terms of distribution of solutions,convergence,diversity,and quality of solutions.The numerical results indicate that the application of hybridization-encouraged mechanism could effectively improve the performances of genetic algorithm.Finally,as an example in engineering practices,the presented method is used to design a longitudinal flight control system,which demonstrates the obtainability of a reasonable and correct Pareto front.     

超径向可视化技术及其在火箭设计中的应用

针对传统可视化技术处理高维多目标设计优化问题的不足,对超径向可视化技术开展了研究.该技术将超空间Pareto前沿无损地显示于二维空间,有助于设计人员直观了解复杂的Pareto解集空间、并快速获得较好的权衡设计.此外,在超径向可视化过程中,通过采用权重因子和基于偏好区间的颜色标记原则引入设计偏好,可以辅助设计者选择出更加符合特定偏好的设计方案.将超径向可视化技术应用于近地空间火箭的多目标设计优化,验证了该技术处理高维多目标设计优化问题的可行性和高效性.