高空长航时飞行器机翼跨声速气动优化设计

高空长航时飞行器应具有升阻比高和俯仰力矩小的气动特性.基于遗传算法的随机性和隐含并行性,结合适用于多目标处理的Pareto方法,在低雷诺数和跨声速条件下,展开了高空长航时飞行器机翼外形的多目标、多设计点的数值优化设计.仿真计算结果表明,所设计的机翼具有较高的升阻比和较低的俯仰力矩,同时在设计马赫数附近升阻比的变化比较平稳,具有良好的综合气动性能.     

弹性飞机起落架优化设计

以弹性飞机的三质量块等效模型、油气缓冲器速率平方油孔阻力模型、幂函数轮胎力模型进行弹性飞机着陆动力学模拟,将动力学模拟与优化算法耦联,实现了弹性飞机起落架的优化设计.     

基于天线安装的菱形翼无人机翼型优化设计

以菱形翼布局高空长航时(HALE)传感器无人机研究为背景,分析了翼型内部安装平面相控阵雷达天线的基本原理。通过推导雷达探测性能的估算方程,建立了在翼型中安装平面相控阵雷达天线的数学模型。采用数值模拟的方法,对典型雷诺数下的RAE2822翼型的气动特性进行了研究并与试验数据进行了对比,验证了使用有限体积法k-ωSST(Shear Stress Transport)湍流模型求解雷诺平均Navier-Stokes方程在这一状态下的可靠性和适用性;同时对不同厚度的NACA 64A系列翼型的流场结构和流动机理进行了分析,在此基础上提出了一种满足平面相控阵雷达天线安装情况下翼型的优化设计思想。优化结果验证了这一设计思想的可行性。     

高空长航时无人机总体参数多目标优化

以高空长航时无人机的总体方案研究为背景,对高空长航时无人机总体参数建立了多目标优化模型,运用多目标遗传算法进行优化设计,最后通过建立的计算机程序得出优化结果.多目标优化用于高空长航时无人机总体参数优化,可以更加合理地评价高空长航时无人机的总体参数的最佳组合,避免设计上的缺陷,提高设计效率.结果表明,高空长航时无人机优化后的总体性能得到改善,说明该方法适用于高空长航时无人机总体方案的优化设计,对方案研究有一定参考价值.     

长航时无人机飞行器管理计算机设计研究

高高空长航时无人驾驶飞机对其任务可靠性和安全性提出了极高的要求,而飞行器管理计算机是保证飞机安全和任务执行的核心部件.飞行器管理计算机采用合适的冗余配置可以有效地提高可靠性和安全性.探讨了一种基于三模冗余(TMR)结构的相似余度容错计算机,描述了计算机的硬件组成以及为满足可靠性要求所采取的任务调度和余度管理算法.在计算机综合化小型化以及调试测试方法方面所进行的创新使计算机具有良好的测试性和维修性并能够适应未来航空电子发展的需求.     

神经网络在高空长航时无人机翼型多点优化中的应用

NSGAII算法在翼型多点设计中有着广泛的应用价值,然而其巨大的计算资源和计算成本限制了它的使用。为了解决这个问题,本文引入具有较强非线性映射能力的神经网络代理模型,采用实验设计结合BP法训练神经网络响应面来代替N-S方程求解翼型的性能。在实验点的数值模拟中,为了进一步节省计算资源,提高计算效率,采用网格的变形代替网格的重新划分,使得计算网格的更新速度提高了约50%。在翼型的参数化过程中,采用改进的PARSEC方法,用较少的参数实现了翼型的精确控制。为了增强神经网络的泛化能力,采用12-7-4-3-1的隐层结构。对NLF1015翼型的多点优化算例表明,此方法不仅显著降低了整个优化过程的计算量,而且对翼型的气动性能预测也具有较高的可信度,在高空长航时无人机的翼型设计中具有一定的潜力。     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.     

超临界翼型低雷诺数流动分析及优化设计

以高空长航时无人机(UAV)翼型研究为背景,对超临界RAE2822翼型在高空高亚声速下的低雷诺数气动特性进行了数值模拟及优化设计研究。采用求解雷诺平均N-S方程的有限体积法,对典型低雷诺数下RAE2822翼型绕流进行数值模拟,验证了SST k-ω湍流模型的可靠性和准确性;基于不同高度不同雷诺数下RAE2822翼型的计算气动力对比分析,研究了高度增大所带来的低雷诺数效应;通过对低雷诺数下超临界翼型表面流场结构及流动机理的详细分析,提出了一种弱化激波的翼型设计思想,并通过优化算例验证了该思想的可行性。     

飞行器多学科优化设计技术概论

该文比较详细地阐述了多学科优化设计(MDO)的主要思想和内容,对MDO的关键技术--求解策略和代理模型技术做了比较深入的探讨。通过一个算例,简述了MDO技术在飞行器设计中的应用。     

基于Hopfield神经网络和KS函数的优化设计研究

介绍了Hopfield神经网络优化的原理。将神经网络的求解转化为非线性微分方程组的初值问题，并利用MATLAB提供的微分方程组求解器进行计算。对于多约束优化问题，KS函数的包络凝聚特性可以简化约束条件，其光滑可微特性又方便了问题的求解。将其运用于非线性约束规划和某型飞机总体参数优化问题，算例表明此方法是有效的。     

载重飞机总体参数的多目标优化设计方法

利用遗传算法进行了低雷诺数下全机气动布局设计及优化,并制作原理样机以检查设计的可行性及正确性.主要优化对总体外形和飞机性能影响较大的机翼、尾翼的平面形状几何参数以及少数几个机身几何参数;优化目标是巡航段最大升阻比和空机重量.试验结果表明该优化设计方法是十分有效的,可以用来对具有正常布局形式的飞机进行气动外形的优化设计.     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。     

拓扑优化方法在飞机结构件概念设计中的应用

为了能够有效地降低飞机结构承力件的重量,针对飞机骨架,以加强框和普通框以及翼梁的概念设计为研究内容,通过对"敏度阈值"概念的分析,指出其不足,提出了"改进的敏度阈值"概念,并与"约束补偿"策略结合而形成新的拓扑优化算法,用于上述结构件的材料布局优化设计.多个算例中的拓扑优化结果均显示其结构型式十分新颖,值得深入地探讨.     

利用试验设计法建立翼型气动特性的人工神经网络模型

建立了翼型气动特性预测的BP(Back Propagation)神经网络模型,重点研究了3种选取训练样本的试验设计(DOE)法:完全析因法、正交设计法和均匀设计法,对BP神经网络预测精度的影响,利用所建立的BP神经网络对FX63-137翼型几何型线进行了优化设计。研究结果表明:在因素数和水平数较少时,完全析因法、正交设计法及均匀设计法的平均测试误差分别为0.002%、0.029%、0.023%;在因素和水平数较多时,完全析因法的样本规模太大而不再适合,正交设计法和均匀设计法的平均测试误差分别为0.42%和0.15%,均匀设计法的预测精度更高,更适合于翼型气动特性预测的人工神经网络模型。优化后翼型的升阻比在迎角为0°~18°范围内均高于原始翼型,在迎角为1°、4°和15°时升阻比分别提高了4.38%、1.38%和5.51%。该研究方法及成果可以应用于翼型的多参数优化设计。     

考虑不确定性的飞机总体参数优化方法

由于在各种设计问题包括飞机概念设计中都存在一定的不确定性,因此在总体参数优化时有必要考虑这种不确定性。以大型客机总体参数优化设计为例,定义了考虑不确定性的飞机总体参数优化问题,该问题与传统飞机总体参数优化的区别是要进行不确定性分析。而不确定性分析的计算量过大,为此提出了一种渐进代理模型方法来解决这一难题。在建立代理模型时,通过连续成批地在设计空间的全局和局部均加入新样本点,不断提高代理模型的全局拟合精度,直至获得满意的代理模型为止。然后在优化过程中使用计算量小的代理模型。大型客机总体参数优化问题中含有5个设计变量,目标函数为起飞重量最轻,并需满足4个性能约束。考虑了不确定性后,不仅使目标值（起飞重量）对总体参数变化的敏感度有所减小,而且满足约束（设计要求）概率显著提高。     

基于BP神经网络的飞机装备维护人员综合素质评估

在分析了影响维护人员素质的因素后提出了基于BP神经网络对维护人员综合素质进行评估的方法.利用BP神经网络建立了维护人员综合素质的评价模型,并通过使用改进算法进行了训练.训练测试的结果表明,该方法具有较高的可行性和有效性,为全面评估维护人员的素质提供了一种方法.     

智能优化算法在飞机总体设计中的应用

飞机总体设计在飞机的整个设计过程中是非常关键的步骤,在这个过程中,飞机的总体布局和许多重要参数都被确定下来。但是,飞机的总体设计又是一个复杂和艰难的过程,因为涉及到大型系统的有约束的非线性优化问题,用传统优化方法很难得到满意的结果。本文采用了近年来发展很快的几种智能优化算法--遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络算法解决飞机总体设计优化问题,阐述了各算法的关键步骤及运行过程,并编写了相应的计算程序。通过对各种算法的结果进行比较和讨论,最后的结论是：模拟退火算法最适合求解这类复杂的约束非线性优化问题,禁忌搜索算法和遗传算法次之,Hopfield神经网络算法效果最差,容易陷入局部最优解。     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。