改进遗传算法在飞机总体参数优化中的应用

基于飞机总体参数设计中的多目标优化问题,提出了改进的多目标遗传算法.算法围绕Pareto最优解的概念,利用遗传算法的内在并行性,设法求取多目标优化问题的"Pareto前沿".将不同的改进遗传算法应用于同一干线客机总体参数优化设计中,要求巡航升阻比和有效载荷系数两个目标达到最大,并对各种算法所得的结果进行综合分析与比较,结果显示:基于Pareto排序的多目标优化算法(NSGA,Non-dominated Sorting Genetic Algorithm)的Pareto解最优,可以支配改进的向量评价遗传算法(VEGA,Vector-Evaluated Genetic Algorithm)和随机权重遗传算法(RWGA,Random-Weight Genetic Algorithm)的结果;而VEGA和RWGA的结果互有优劣.      

飞翼布局飞机控制/气动/隐身多学科优化设计

飞翼布局是先进飞机广泛应用的布局形式.飞翼布局飞机总体设计阶段不仅要考虑其隐身和气动要求,还必须高度重视控制系统的影响.以飞翼布局飞机为对象,研究控制、气动与隐身多学科优化的策略和方法.建立了适合在各学科的子空间进行多目标优化的流程,基于学科分析分配各个子空间的设计变量,并通过变量综合形成系统级的设计变量.在优化过程中,综合采用了改进的遗传算法和近似模型构造方法.针对飞翼布局飞机的特点,采用基于控制分配的控制系统结构,以时域指标作为控制学科的优化目标和约束条件.优化结果验证了所用方法的有效性,为将控制学科纳入飞翼布局飞机多学科优化提供了可行的途径.     

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念,提出了一种求解非劣解集的多目标遗传算法,重点讨论了算法实现中非劣解集的筛选和适应度的计算.将该算法应用于假想的干线客机方案优化设计,要求巡航段升阻比和有用载荷系数两个目标最大,对优化结果进行了分析比较.研究结果显示出MOGA(Multi-Objective Genetic Algorithms)对飞机方案多目标优化设计具有良好的应用前景.      

基于改进的NSGA-Ⅱ算法的区域覆盖卫星星座优化

对基于Pareto最优概念的非劣性分层遗传算法(NSGA-Ⅱ)进行了改进，与区域覆盖卫星星座的多目标优化设计相结合，提出基于改进的NSGA-Ⅱ算法的区域覆盖卫星星座优化设计方法，并利用多属性决策中的字典序法，根据目标的重要程度，在得到的Pareto解中进行选择．最后，利用STK和Matlab工具对遥感卫星星座进行了仿真，仿真结果表明该算法可以找到多个Pareto解，避免了传统的多目标优化求解方法的权值选择问题，并且比简单遗传算法具有更好的灵活性，从而解决了多目标优化的星座设计问题。     

基于多目标遗传算法的太阳高纬探测器轨道设计

针对太阳高纬度探测器轨道设计任务要求, 研究了基于多目标遗传算法的小推力借力飞行轨道设计方法. 基于圆锥曲线拼接假设, 将探测器轨道分为小推力日心转移轨道段和木星借力飞行轨道段两部分. 在日心转移轨道段, 选择燃料最省为优化目标, 采用标称轨道法设计小推力的推力控制率. 在借力飞行轨道段, 选择借力后日心轨道倾角为优化目标, 对借力飞行的关键参数进行分析. 采用多目标遗传算法对该多目标进行了优化. 结果表明, 多目标遗传算法可以有效地解决轨道设计中的多目标优化问题. 优化得到的小推力控制率不仅可以节省发射能量, 还可以保证借力飞行后探测器能够进入太阳高纬度探测轨道.      

基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。      

多机协同与多目标分配任务规划方法

多架飞机攻击多个目标区域是现代作战方式的重要特征,多机协同与多目标分配问题是提高团队作战效能的关键.针对该问题,综合考虑飞机能力差异、协同方式和任务环境的变化,提出多机协同目标分配的任务规划方法.建立了基于能力裕度评价的多机协同目标分配问题的数学模型.对多目标分配问题,通过约束飞机的能力裕度对分配方案进行筛选,保证在战场环境发生改变时任务兵力的完整性.仿真结果表明,采用这种方法得到的目标分配方案,适应任务目标突发性变化的能力更强.     

民用飞机系列商载航程匹配设计

民用飞机产品开发的模式已从"单型飞机"的概念向"飞机系列"概念转化.根据模块化和通用性的策略,发展了飞机系列化设计方法,给出了飞机系列主要参数的设计原则和飞机系列经济性的描述方法,建立了飞机系列商载航程匹配设计模型.分析了商载和航程的匹配关系对飞机系列经济性的影响,利用Pareto多目标遗传算法,完成了某一民用飞机系列商载和航程的匹配设计,对不同设计方案的参数进行了比较分析,取得了较好的设计结果.     

太阳帆航天器行星际轨道转移优化算法

研究基于遗传算法的太阳帆行星际转移轨道的全局优化问题.通过极小值原理推导了太阳帆全局优化控制律,并以太阳帆飞行时间最短为优化目标函数,运用遗传算法对发射时间、到达时间和协态变量初值进行参数优化设计.为了解决轨道转移这一多约束优化问题,在遗传算法中加入动态罚函数.在此理论基础上作了从地球同步轨道出发到火星同步轨道转移和从地球出发与火星交会两个算例,仿真结果表明了该方法在太阳帆转移轨道全局优化中的有效性.     

多目标组合运输物流量预测建模算法

提出了一种新的多目标组合运输物流量预测建模算法.以时间、领域、影响以及组合运输为基准,运用系统工程理论思想设计出一种四维的物流量影响因素模型,并运用结构方程模型对所建模型做了优化,提取出组合运输物流量的核心影响因素.在改进的神经网络算法的基础上结合遗传算法,提出了一种结合遗传算法的改进的神经网络新算法,弥补了改进的神经网络算法上的缺陷,在多目标组合运输物流量预测的实例应用中,该算法不仅有很高的预测精度,而且具有收敛速度快、运行稳定的特点.      

按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.     

燃气发生器身部多学科设计优化

为了探索液体火箭发动机多学科设计优化的一般方法,以液体火箭发动机燃气发生器身部为研究对象,在对其进行面向设计的多学科分析的基础上,建立了燃气发生器身部的多学科优化模型,涉及流动、传热、结构强度3个相互耦合的学科.引入了一种新的多目标方法——物理规划方法处理其中的多目标优化问题,通过类别函数将设计者的偏好转化为优化目标,避免了对各个不同大小和量纲的分目标之间重要性的比较和权衡.优化结果显示,利用多学科设计优化减轻了燃气发生器的质量,改善了原有设计,能够提高发动机的设计水平.      

考虑制造约束的印刷电路板式换热器优化设计

针对印刷电路板式换热器(PCHE)的微流道结构参数设计制造一体化问题,开展了考虑制造约束条件的换热器性能优化的研究。通过流体仿真分析了流道宽度、深度和深宽比对温度分布、压力损失和换热系数的影响。使用多目标遗传算法(MOGA)建立了换热性能的多参数多目标性能优化仿真模型,根据性能优化获得的设计参数建立微流道结构辊压成形工艺仿真模型,得到制造约束条件,将制造约束反馈到性能优化仿真模型中,得到宽为0.29 mm、深为0.39 mm的矩形微流道优化设计参数,且通过辊对辊(R2R)的辊压工艺实验验证了该优化方法的可行性。考虑制造约束的换热器优化设计方法在性能优化设计阶段引入工艺限制条件,是实现换热器一体化设计制造的有效手段。      

不可靠测试条件下基于NSGA-Ⅱ的多目标测试优化选择

针对测试不可靠因素严重影响测试优化选择结果以及现有方法不能很好解决多目标测试优化选择等问题，提出基于第二代非支配排序遗传算法(NSGA-Ⅱ)的多目标测试优化选择的方法。首先，描述了测试不可靠条件下多目标优化选择问题的数学模型；其次，在该数学模型下，将系统给出的故障检测率和隔离率作为约束条件，将测试代价、漏检率和虚警率作为优化目标，建立了多目标优化问题；然后，提出带有精英保留策略的NSGA-Ⅱ对多目标问题进行优化选择，利用NSGA-Ⅱ能够得到一组Pareto最优解，可根据实际需求选择最优的测试组合；最后，针对某装备进行实例分析，得到3组最优解，可以满足不同需求下的最优选择，验证了所提数学模型与多目标优化算法的可行性与有效性。      

高速运载器燃油热管理系统优化

燃油热管理系统设计随着运载器多电化与机载高能电子设备的发展已经得到高度重视,其中燃油的热承载能力是最关键因素。针对喷气推进式高速运载器,提出了一种大范围、多任务的燃油热管理系统多目标优化配置方法,其以热沉利用率最高和燃油质量代偿损失最小为目标函数,以循环回路的燃油最大质量流量、冷却水携带量和机载热负荷发热量为优化变量,采用改进的遗传算法NSGA-Ⅱ,在不同飞行任务规划下进行双目标优化设计,所获得的目标函数Pareto最优解集,满足预期的燃油热管理系统模式选择原则,且通过分析优化变量与优化目标间的相关性,可以量化燃油热管理系统优化配置准则与可达到的最小燃油质量代偿损失,可应用于支持多热沉重构的机载高效燃油热管理系统。      

挠性航天器多目标鲁棒姿态控制的DPSO算法实现

复杂航天器高性能姿态控制是完成现代新型空间任务的基础，需兼顾鲁棒性、快速性、精度和控制能量等多目标要求，但目前大多数控制系统只针对某单一目标设计。针对大型挠性航天器多目标姿态控制问题，提出一种基于差分粒子群优化算法和输出反馈的鲁棒控制方法。首先，推导了含参数不确定性的系统动力学模型；然后，给出了差分粒子群优化算法的定义和鲁棒D-稳定的线性矩阵不等式（LMI）表达；最后，在区域极点约束和Pareto最优原则下，利用所提算法对干扰抑制和控制能量指标进行了优化，得到反馈增益矩阵。该方法满足了系统多目标约束要求，且具有一定的振动抑制作用；可避免传统带极点配置的LMI方法在解决多目标问题时的保守性，也解决了将多目标转化为一个指标函数时加权系数的选择困难。数学仿真验证了该方法的有效性，相比于传统PID控制，干扰下姿态稳态误差可减小约54%。     

基于CE-PF算法的舰载机离场调度优化问题

甲板作业调度研究是提升航母战斗力的关键技术,而其具有时间、空间与资源受限的复杂约束调度问题已被证实为NP-hard。根据舰载机出动离场调度优化问题的特点,将其抽象为零缓存区混合流水车间调度模型,建立包含飞机避碰等约束的混合整数规划模型。提出一种交叉熵与作业剖面匹配(CE-PF)算法用于问题求解,并给出了算法流程架构。交叉熵算法通过高斯采样完成启发式规则下的工件分组,作业剖面匹配算法完成分组工件的任务排序、作业编排及约束检查等调度设计,Gap逼近算法进行目标值评估、精英种群选择、抽样参数更新及收敛判定。通过算例仿真,验证了CE-PF算法求解离场调度优化问题的有效性;灵敏度分析表明起飞模式和空间约束对出动效能影响较大。