基于遗传算法的无人机多目标协作优化

为充分利用随控布局的优点,提出了集成飞行动力学与控制的无人机多学科设计优化(MDO)框架。针对任务需要选定了控制结构及对应的目标函数和约束,确定了能够处理更多目标函数和约束的鲁棒多学科设计优化方法。由于传统约束非线性规划的求解困难,提出了基于遗传算法的二级多目标协作优化方法。优化结果表明,基于遗传算法的多目标协作优化较传统协作优化更容易收敛。飞行动力学与控制的集成,给无人机在概念设计阶段提供了更大的外形设计自由度。     

基于神经网络的协作优化方法在飞机总体设计中的应用

多学科设计优化技术是国内外迅速发展的一门学科,而协作优化方法是其中最常用的一种有效的分布式并行优化方法.本文探讨了基于人工神经网络响应面的协作优化设计算法,从神经网络的原理和求解方法出发,对标准的BP神经网络进行相应的改进以适用于协作优化框架,并给出了一个飞机总体方案设计的算例,应用该方法对总体参数进行优化.算例证明,神经网络方法的引入可使协同优化的计算收敛速度更快,可靠性更高,并且有较好的鲁棒性.     

基于多方法协作优化算法的飞机总体优化设计

针对飞机总体优化设计中存在目标函数与变量之间没有显式关系式等问题,在建立包含推进、气动、性能及重量四个学科的飞机总体设计模型的基础上,采用遗传算法、模式搜索法和Powell法结合的多方法协作优化策略实现了飞机总体参数的优化;并对优化方案进行参数灵敏度分析,优化后飞机正常起飞总重较优化前降低11.6%,优化效果显著.分析结果表明了基于多方法协作优化算法的飞机总体优化设计的有效性.     

协作优化在无人机概念设计中的应用

多学科设计优化（MDO）是当前飞行器设计研究中一个最新、最活跃的领域,而协作优化是解决多学科设计优化问题的一种二级MDO算法。将协作优化应用到无人机的概念设计中,建立了包含气动、重量、性能和稳定性四个学科的无人机系统优化模型。与传统的设计方法相比,该方法为无人机在概念设计阶段提供了更加合理的飞行器外形,降低了初步设计和详细设计阶段对飞行器外形修改的可能性,从而缩短研制周期和降低成本。     

涡轮叶片流固耦合协作优化方法

针对结构和流场相互影响的流固耦合多学科设计问题,提出一种耦合量曲面拟合的协作优化方法。其特点是用曲面函数拟合结构-流场界面耦合量(温度、气压和变形)的空间分布,并用曲面拟合参数的一致性代替原有耦合量界面分布的学科一致性。涡轮叶片的算例表明:曲面拟合函数可以表征结构和流场界面的耦合量;用拟合参数的一致性代替界面直接耦合是可行的;该协作优化方法是可以用来解决流固耦合多学科优化设计问题的。     

函数优化问题的多方法协作优化

针对复杂函数优化问题,采用多个优化方法进行多方法协作优化。多方法协作优化可以利用各个参与协作的优化方法之间的协作效应,提高优化性能。将遗传算法、模式搜索法和Powell法进行协作构成多方法协作优化方法。采用典型的全局优化测试函数进行实例计算,实例验证多方法协作优化相对于单独优化的优越性。     

基于遗传算法的动平衡优化方法研究

针对目前发动机频发故障——N1振动过大进行发动机动平衡方法研究,以改进目前动平衡方法中多次试重启车的不足,采用了影响系数法的核心思想,通过对转子建模进行全息谱分析,利用遗传算法进行配重的优化搜索.该方法减少了动平衡过程中的启车次数,对降低发动机动平衡的成本费用有非常好的应用前景.     

遗传算法在机场地势设计优化中的应用研究

将遗传算法应用于机场地势设计优化。引用地势优化设计的数学模型。建立了地势优化设计的适应度函数和评估方法；给出了遗传算法的应用步骤及其交叉和变异的方法。算例表明了在机场地势设计优化中。遗传算法能够提高效率。为设计出合理的飞行场地表面提供了途径。     

基于遗传算法的机载武器调度优化

针对航母机载武器弹药调度存在的过程复杂、不确定性强、涉及因素多等特点,建立了现阶段机载武器弹药调度模型。通过设计编码方案,选择适应度函数,设定交叉、变异操作建立了基于遗传算法的调度优化模型,并通过 Matlab软件进行了仿真验证。结果表明,该优化过程可在一定程度上缩短调度总时间,提高调度效率。     

机翼的气动伺服弹性设计优化研究

以气动伺服弹性特性为约束和目标,对一个大展弦比机翼进行了结构/控制设计优化。该机翼具有双梁式结构和一个用于阵风响应减缓的主动控制面。在气动伺服弹性分析模型的基础上,建立了优化问题的数学描述。选取结构刚度和控制器参数为设计变量,以发散、无控和有控情况的颤振为约束条件,以结构重量和阵风响应组合性能为目标函数。采用遗传算法进行优化,得到的最优设计结果与原基准模型相比,机翼在满足气动弹性稳定的约束条件下,结构重量有所减轻,且阵风响应显著地减缓。     

运用低自由度协同优化的机翼结构气动多学科设计优化

 为了解决协同优化方法(CO)协调困难和计算量过大的问题,提出了低自由度协同优化方法(LDFCO)。LDFCO的系统级优化通过调整共享设计变量和辅助设计变量,使系统目标最优,并满足一致性约束条件。子系统优化通过调整局部设计变量,使子系统目标最优,并满足局部约束条件。子系统目标有2种形式：最小化本子系统的一致性约束函数和直接与系统目标有关的状态变量的加权和,或最小化一种不同于前者的一致性约束函数。着重研究了如何利用常规LDFCO/V1和基于代理模型的LDFCO/V1求解机翼的气动/结构多学科设计优化问题,并与CO方法进行了对比,结果表明常规LDFCO/V1和基于代理模型的LDFCO/V1都能成功地应用到机翼的多学科设计优化中,验证了LDFCO/V1的可行性和有效性。     

基于遗传算法的鸟体本构参数优化研究

鸟体本构模型及其参数研究是研究鸟撞问题的重点和难点之一.基于参数反演的思想,结合遗传算法,建立基于ISIGHT,PAM-CRASH与MATLAB联合仿真的优化模型.结合鸟撞铝板试验数据,获得了适用于中等冲击速度(100 m/s左右)的鸟体本构模型参数.并将优化后的结果与试验数据进行对比,两者吻合较好,证明参数反演方法有效.优化方法为获得鸟体本构参数提供了参考,也为后续的鸟撞分析提供了依据.     

多变量气动设计问题分层协同优化

 通过验证实例分析,气动设计中精细化优化模型对设计结果收敛精度的提高有很大帮助,但同时也带来优化算法搜索困难的问题,并且由于不同类型设计变量之间的相互耦合干扰使优化难以收敛到全局最优解。于是提出基于响应均值灵敏度的概念对大规模的设计变量进行重要性分组的策略,依据设计变量分组情况应用系统分解思想对多变量设计问题进行分层协同优化来降低系统的复杂度,这既保证了精细化设计的要求,又缓解了优化算法对大规模问题搜索困难的问题。与传统气动优化方法相比,基于系统分解的分层协同优化算例有较大寻优效率和性能提升,证明了该方法的可行性。     

协同优化在机翼气动／结构一体化设计中初步应用

探讨协同优化方法是否能有效地解决机翼气动 结构一体化设计优化问题。首先对基本的协同优化和基于响应面协同优化二种方法的特点进行了探讨,然后以轻型飞机机翼气动 结构一体化设计为例,着重研究如何用协同优化方法建立机翼气动 结构一体化设计的优化模型。研究结果表明,基本的协同优化算法不能有效地解决该机翼气动 结构一体化优化问题,而基于响应面的协同优化方法在求解这一问题时具有较好的鲁棒性。     

GA寻优超精密加工表面粗糙度预测模型参数的研究

提出将遗传算法(GA)用于超精密切削表面粗糙度预测模型的参数寻优,并给出了金刚石刀具超精密切削铝合金的表面粗糙度预测数学模型,进行了遗传算法(GA)和最小二乘法的比较,结果表明遗传算法较最小二乘法更适合于粗糙度预测模型的参数寻优。     

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.     

基于六西格玛设计及改进遗传算法的直升机优化设计

本文研究了六西格玛设计方法和改进的遗传算法,并应用该设计方法对直升机总体参数进行了优化设计。采用优化设计后获得的直升机设计方案,由于受许多不确定性因素的影响,最后付诸实现时并不能保证得到像预先优化设计方案那样的结果。在改进的遗传算法实现最优化设计的同时进行六西格玛设计,可提高优化设计结果的可靠性和鲁棒性。本文以CH-47D纵列式直升机为优化算例,优化效果良好,结果可靠,表明本文方法切实可行。