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.     

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。     

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。     

飞行器BLISS分布式平台的研究与实现

用matlab和VC 作为开发工具,开发出基于tcp/ip协议和windows socket的适合于飞行器BLISS的软件BLISS Platform。BLISS Platform采用客户端/服务器构架,集成了协作优化算法,是适合于多学科设计优化的分布式计算机网络软件平台。平台的底层通讯模块由VC 程序实现,仿真优化程序由matlab开发,在matlab环境下修改飞行器数学模型就可实现对不同飞行器模型的优化设计。最后用BLISS Platform并行实现了一简单的超音速飞行器概念模型的优化设计,取得了较好的结果。     

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。     

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。     

基于遗传算法的翼型气动优化设计

采用遗传算法进行跨声速翼型的反设计与阻力和升阻比的优化设计。翼型的反设计达到了设计要求,优化设计后的翼型其气动特性也有显著的改善,这表明了遗传算法应用于翼型气动优化设计的可行性。在优化设计的过程中,翼型由解析函数线形叠加法表示,目标函数和个体的适应值由二维欧拉方程的流场解来提供。     

基于遗传算法的低雷诺数高升力翼型的优化设计

利用遗传算法进行低雷诺数高升力翼型的气动优化设计,优化后的翼型其气动特性有明显改善,从而表明利用遗传算法进行翼型气动优化的可行性.在优化设计过程中翼型由解析函数线性叠加法表示,并对设计翼型进行了升力系数和阻力系数的气动计算,以提供目标函数和个体的适应值.     

基于并行遗传算法的向心涡轮气动优化设计

为了提高向心涡轮轮周效率,保持流量、膨胀比不变,以流道、安装角、型面为设计变量,基于并行遗传算法的优化方法,对某微型发动机向心涡轮叶片气动性能进行多变量耦合的自动优化设计,利用商用软件NUMECA进行3维流场计算分析,并比较了优化前后向心涡轮转子的总体性能。结果表明:在设计工况下,向心涡轮的轮周效率提高近3%,流量也略有增加,膨胀比近似不变;在非设计工况下,优化叶片效率均高于初始叶片的,向心涡轮的整体性能得到提高。该算法不仅可自动实现多变量耦合优化,而且可高效地得到高气动性能叶片。     

基于遗传算法的压气机叶型优化设计

建立了一套将遗传算法和流场数值模拟技术相结合的压气机叶型优化设计系统,针对进口高亚音的压气机叶型进行优化。通过准三维叶栅通道计算程序进行流场数值模拟,评估叶型气动性能。选取了与叶型形状和气动性能密切相关的三个变量作为优化参数,按照可控扩散叶型的设计标准构造了优化目标函数。数值计算结果表明优化叶型的气动性能有了明显提高。对优化前后的叶型进行了叶栅吹风实验对比,进一步验证了优化效果。     

基于遗传算法的复杂多峰函数优化

从传统的搜索、优化方法入手，分析了遗传算法对复杂、多峰函数优化的有效性；简单介绍了遗传算法；并归纳出从优化问题转化到用遗传算法求解的转化思路；最后，通过对一个多峰函数优化的遗传算法求解，验证了此方法在全局优化、鲁棒性等方面的更有效性。     

基于遗传算法的翼型多目标气动优化设计

采用遗传算法实现了单/多目标情况下NACA0012翼型的气动优化设计。绕翼型的外部无粘流场解采用基于非结构网格的显式时间推进Jameson有限体积方法。遗传算法采用二进制编码,通过外部调用流场解算器对种群适应度函数进行评估。为提高计算效率,使用了动弹网格技术以及使得优化程序可以从任一进化代继续计算的中间进化结果存储技术。优化参数为翼型气动型面,分别以给定来流条件下的升力系数、阻力系数作为优化目标进行了单目标优化设计,并以此为基础,结合博弈论中的Nash博弈,实现了升力系数和阻力系数的多目标优化设计,得到了优化结果。分析表明,该方法具有较高的计算效率,能够给出更优的翼型气动性能,具有一定的实际工程应用前景。