物理规划方法及其在飞机方案设计中的应用

 物理规划方法是一种高效的设计优化方法,它与设计者的工程经验紧密联系,能以较低的计算代价获得真实反映设计者偏好的折衷解,对解决多目标优化设计问题具有重要意义。将物理规划设计方法与稳定、高效的粒子群优化算法相结合,有效地求解多目标优化问题中的折衷非劣解。通过求解数值算例和民用飞机方案设计问题,验证了该方法的有效性。     

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

基于多目标粒子群算法的导航星座优化设计

导航星座的设计涉及诸多优化变量的选取,优化设计的目的是选取合适的优化变量使导航星座最大程度地满足人们需求。提出了将导航性能和卫星生产成本作为目标对导航星座进行多目标优化设计的研究方案,导航星座基本构型为中轨道(MEO)与地球静止轨道(GEO)卫星组成的混合星座,MEO卫星用于全球导航,GEO卫星用于增强星座对中国及周边地区的导航性能。探讨了MEO和GEO的轨道设计思路。阐述了星座导航性能与卫星生产成本的计算方法,并选取定位精度因子(PDOP)作为导航性能指标。介绍了基本粒子群算法和多目标优化的概念,提出了改进的多目标粒子群算法(MOPSO),给出了该算法的计算步骤和测试结果。讨论了导航星座多目标优化设计的数学模型,列举了优化设计变量的定义域,采用MOPSO算法对导航星座进行了多目标优化设计,通过分析优化设计结果,说明了导航星座多目标优化设计方案的可行性。     

粒子群混合算法在变导向器面积计算中的应用

求解非线性方程组经典方法具有严格的局部收敛性;粒子群等进化算法解决了全局收敛的问题,但计算效率偏低,存在最优解不稳定的问题。结合经典Newton-Raphson法的超线性收敛速度和粒子群算法全局收敛能力的粒子群混合算法具备2类算法的优点。在迭代初期采用粒子群算法获得的近似全局解作为Newton-Raphson算法的初始值,以确定高精度的解。利用粒子群混合算法在发动机变导向器面积的大偏离计算中获得了较好的收敛效果,解决了常规Newton-Raphson法不收敛的问题。     

基于 Kriging模型机翼平面外形气动优化设计

使用基于Kriging模型的优化设计方法,进行了非常规布局机翼的平面外形多目标优化设计。利用CFD技术进行机翼升力系数和阻力系数的气动计算,通过拉丁超立方试验设计生成样本点,建立了Kriging代理模型,结合多目标遗传算法对机翼平面外形进行多点多目标优化设计,最终得到了Pareto最优解集。根据设计需求,从Pa-ret0前沿选取一个非劣解作为优化结果。结果表明：陆ging模型与cFD计算误差很小,可信度高;在不问设计状态下,机翼气动性能都得到了提高,表明优化设计方法具有可行性和高效性。     

改进的多目标粒子群算法综合激励受限的共形阵

针对激励限制下的共形阵功率方向图综合问题,提出一种改进的多目标粒子群优化(IMOPSO)算法.将共形阵列在激励限制条件下的综合命题,转化为激励优化和功率方向图赋形的多目标优化命题.IMOPSO算法通过引入多子群寻优、粒子聚焦距离优选、非支配解集修剪以及新生粒子微扰复制等机制,显著提高了传统多目标粒子群优化(MOPSO)算法所构建Pareto解集的优越性和散布性.IMOPSO算法成功用于12元微带柱面共形阵非赤道面的方向图综合,获得了不同约束条件下最优余割平方波束方向图综合结果集合,综合过程考虑了各阵元的互耦作用,为规划共形相控阵的激励限制提供了极有价值的参考.     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群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,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

高超声速飞行器再入轨迹多目标优化

针对飞行器再入轨迹多目标优化问题,提出了一种基于粒子群算法与层次分析法的综合求解策略。首先,根据飞行器的动力学模型以及再入约束条件,建立了飞行器多目标优化模型;然后,考虑到粒子群算法只能求解无约束单目标问题,采用罚函数处理飞行过程中的约束条件和优化目标;最后,针对不同约束及目标的权重对再入轨迹的影响,利用层次分析法建立包含主观评估信息的优化模型,采用粒子群算法优化求解满足相应约束条件的再入轨迹问题。仿真结果表明,该方法所生成的优化轨迹具有较高的精度和计算效率,并对设计者的主观需求有良好的体现。     

基于粒子群算法的飞机总体参数优化

 现有的飞机总体参数优化方法在效率和适应性上存在不足。考虑到粒子群算法是一种基于群智能方法的演化计算技术,它对不同复杂约束条件下的多目标优化问题较常规方法更具简便性和适用性。因此,提出了使用非数值计算的粒子群算法来改进飞机总体参数优化效率。详细研究了粒子群算法在飞机总体参数优化上的应用方法,并着重于3个方面：①以航程、商载和起降距离为优化目标的粒子群算法构建;②粒子群算法中因子的自适应修正方法;③基于粒子群算法的飞机总体参数优化流程。计算结果与文献结果相比具有较好的一致性和合理性,所提出的方法可有效地应用于飞机总体参数优化。     

Aerodynamic multi-objective integrated optimization based on principal component analysis

Based on improved multi-objective particle swarm optimization (MOPSO) algorithm with principal component analysis (PCA) methodology,an efficient high-dimension multiobjective optimization method is proposed,which,as the purpose of this paper,aims to improve the convergence of Pareto front in multi-objective optimization design.The mathematical efficiency,the physical reasonableness and the reliability in dealing with redundant objectives of PCA are verified by typical DTLZ5 test function and multi-objective correlation analysis of supercritical airfoil,and the proposed method is integrated into aircraft multi-disciplinary design (AMDEsign) platform,which contains aerodynamics,stealth and structure weight analysis and optimization module.Then the proposed method is used for the multi-point integrated aerodynamic optimization of a wide-body passenger aircraft,in which the redundant objectives identified by PCA are transformed to optimization constraints,and several design methods are compared.The design results illustrate that the strategy used in this paper is sufficient and multi-point design requirements of the passenger aircraft are reached.The visualization level of non-dominant Pareto set is improved by effectively reducing the dimension without losing the primary feature of the problem.     

LEO navigation augmentation constellation design with the multi-objective optimization approaches

Low Earth Orbit (LEO) satellite for navigation augmentation applications can significantly reduce the precise positioning convergence time and attract increasing attention recently. A few LEO Navigation Augmentation (LEO-NA) constellations have been proposed, while corresponding constellation design methodologies have not been systematically studied. The LEO-NA constellation generally consists of a huge number of LEO satellites and it strives for multiple optimization purposes. It is essentially different from the communication constellation or earth observing constellation design problem. In this study, we modeled the LEO-NA constellation design problem as a multi-objective optimization problem and solve this problem with the Multi-Objective Particle Swarm Optimization (MOPSO) algorithm. Three objectives are used to strive for the best tradeoff between the augmentation performance and deployment efficiency, namely the Position Dilution of Precision (PDOP), visible LEO satellites and the orbit altitude. A fuzzy set approach is used to select the final constellation from a set of Pareto optimal solutions given by the MOPSO algorithm. To evaluate the performance of the optimized constellation, we tested two constellations with 144 and 288 satellites and each constellation has three optimization schemes: the polar constellation, the single-layer constellation and the two-layer constellation. The results indicate that the optimized two-layer constellation achieves the best global coverage and is followed by the single-layer constellation. The MOPSO algorithm can help to improve the constellation design and is suitable for solving the LEO-NA constellation design problem.     

复合式旋翼飞行器多目标控制分配策略

针对复合式旋翼飞行器操纵冗余多模式切换控制问题，提出一种基于赋权多目标混合优化的控制分配策略。该策略根据复合式旋翼飞行器过渡模式舵面操纵特性，建立飞行器带约束过渡过程控制分配模型；设计混合多目标优化性能指标评价函数，有效处理操纵量控制受限、交叉强耦合及非线性特性，并减少舵面耗能；采用改进的粒子群优化算法动态更新操纵量及控制通道的权系数矩阵，提高控制面操纵效率，加快优化搜索速度，快速求解过渡过程多目标控制分配变量。该策略实现复合式旋翼飞行器模式切换过渡过程实时有效地操纵量控制分配，保证飞行器快速准确跟踪控制指令的能力。同时，通过多目标控制分配策略，飞行控制系统不需要增加额外的模式切换控制器，降低系统设计难度，提高安全性。     

基于混合并行多目标禁忌搜索算法的飞机总体优化设计研究(英文)

基于飞机总体设计中的多目标优化问题,采用了一种全新的混合并行多目标禁忌搜索算法。文章首先提出了一种创新的多目标禁忌搜索(MOTS)算法,该算法在传统的MOTS的基础上,增加了TS算法与"Pareto解"的融合机制、优秀解保留机制、"多方向搜索"策略等新的元素。随后又将该算法作了改进,创立了并行多目标禁忌搜索算法。最后在此基础上将并行多目标禁忌搜索与基于向量排序的多目标遗传算法相结合,提出了一种新的混合算法—混合并行多目标禁忌搜索算法。通过对以上各种算法运行结果的比较,得出如下结论:与改进前的多目标禁忌搜索算法相比,并行的MOTS运行结果更优,而混合的MOTS的结果又比前两者更胜一筹。     

基于代理模型的高效全局气动优化设计方法研究进展

基于高可信度计算流体力学的数值优化设计方法，在提高飞行器气动与综合性能方面正发挥着越来越重要的作用。基于代理模型的优化算法（SBO），由于能够实现高效全局优化，逐渐成为了气动优化设计领域的研究热点之一。近20年来，代理优化算法研究已取得了长足进步，多种先进的新型代理模型被提出，优化理论和算法也不断完善和发展。以飞行器精细化气动优化设计为背景，综述了基于代理模型的高效全局气动优化设计方法研究进展。首先，介绍了基于变可信度代理模型的气动优化设计方法、结合代理模型和伴随方法的气动优化设计方法以及基于非生物进化的并行气动优化设计方法的研究现状和最新进展。然后，针对飞行器气动优化设计学科领域的前沿问题，介绍了基于代理模型的多目标气动优化设计方法、混合反设计/优化设计方法、稳健气动优化设计方法的研究进展，以及基于代理模型的多学科优化设计方法的研究进展。文献综述表明，代理优化算法在设计效率、全局性以及鲁棒性等方面性能优良，已经发展到可以解决100维（100个设计变量）以内的气动优化设计问题，具有良好的工程应用前景。最后，探讨了基于代理模型的高效全局气动优化设计在理论、方法及飞行器设计应用方面所面临的问题和挑战，给出了未来研究方向的建议。     

大型民用飞机气动外形典型综合设计方法

基于自主研发的飞行器气动外形大规模并行化、分布式综合设计软件AMDEsign，开展了大型民用飞机气动外形多目标综合设计，研究了处理高维目标空间多目标优化问题的有效处理方式，为优化数学模型的合理确定提供数据参考。在此基础之上，基于软件AMDEsign的主分量分析（PCA）、离散伴随方法两个典型模块，对宽体飞机数字化模型开展多目标优化，其中离散伴随方法中引入虚拟可行解集逼近方法，为权系数提供有效的导向性选择；并进一步将结果进行多目标评估分析，设计结果表明，主分量分析能够有效识别目标函数的相关性，虚拟可行解集方法效率较高，充分利用了离散伴随效率高以及导向性权函数预测等优点，多点设计外形在巡航升阻比、抖振特性以及阻力发散等性能上具有明显改善。文中提出的综合设计方法简捷高效且具有较强的工程应用价值。     

某直升机主减速器行星轮系功质比的区间多目标优化

针对某型直升机主减速器行星轮系功质比的优化问题，建立含有密度和啮合摩擦因数等不确定性参数的区间多目标优化函数及相应的约束函数，利用改进的区间多目标分层优化方法，得到多目标优化函数的最优结果区间和参数变量，对优化前后主减速器行星轮系的传动性能进行深入比较。根据优化结果设计直升机主减速器行星轮系的传动效率试验方案，试验结果表明:区间多目标优化后主减速器行星轮系质量减少6.2%，传动效率提高2.14%，且效率曲线变化随着载荷的波动更加趋于稳定，说明区间多目标优化方法应用于某型直升机主减速器行星轮系功质比优化方面的有效性。      

Review of hybrid electric powered aircraft,its conceptual design and energy management methodologies

The paper overviews the state-of-art of aircraft powered by hybrid electric propulsion systems. The research status of the design and energy management of hybrid aircraft and hybrid propulsion systems are further reviewed. The first contribution of the review is to demonstrate that, in the context of relatively underdeveloped electrical storage technologies, the study of mid-scale hybrid aircraft can contribute the most to both theoretical and practical knowledge. Meanwhile, the profits and potential drawbacks of applying hybrid propulsion to mid-scale hybrid airplanes have not been thoroughly illustrated. Secondly, as summed in the overview of design methodologies, the multi-objective optimization transcends the single-objective one. The potential of the hybrid propulsion system can be thoroughly evaluated in only one optimization run, if several objectives optimized simultaneously. Yet there are few researches covering the conceptual design of hybrid aircraft using multi-objective optimization. The review of the most popular energy management strategies discloses the third research gap—current methodologies favoured in hybrid ground vehicles do not consider the aircraft safety. Additionally, both non-causal and causal energy management are needed for performing a complicated flight mission with several sub-tasks.     

基于混合优化算法的无叶片粒子分离器优化设计

将混合优化算法引入粒子分离器优化设计,减小粒子分离器流动损失并简化结构.利用四次样条曲线参数化描述粒子分离器模型,建立粒子分离器自动化仿真流程.采用优化拉丁方实验设计方法获取样本点并建立椭球径向基函数神经网络代理模型,基于该模型使用非支配排序遗传算法进行全局多目标优化,最后采用序列二次规划算法进行局部优化,得到了粗砂分离效率达到100%、细砂分离效率达到86.7%,总压损失小于0.6%、出口总压畸变较小的设计方案.      

一种改进的果蝇优化算法及其在气动优化设计中的应用

果蝇优化算法(FOA)是一种新的群体智能优化算法,具有良好的全局收敛特性。为进一步提高FOA的寻优性能,将其引入到气动优化设计中,发展形成了改进的果蝇优化算法(IFOA)。IFOA通过引入惯性权重函数动态调整搜索步长,有效实现了算法全局搜索和局部搜索之间的动态平衡,提高了算法整体搜索效率和寻优精度;对于多维优化问题,IFOA每次搜索仅随机扰动其中一个决策变量,并在每个迭代步内将所有优秀果蝇个体(可行解)结合产生一个全新的果蝇个体进行一次搜索,大大加快了算法的收敛速度。函数测试结果表明,IFOA显著提高了FOA的寻优性能。将IFOA应用到气动优化设计中,翼型反设计和单/多目标优化设计的算例表明,IFOA是一种简单高效的优化方法,可广泛应用于气动优化设计。