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.      

固体火箭发动机成本与性能双目标优化设计

为求解某运载火箭上面级固体推进剂火箭发动机多属性价值优化问题,建立了发动机主要部件的参数成本模型,研究了一种改进的Pareto多目标遗传算法--IPGA算法,测试函数的计算结果表明,该算法收敛性优于NSGA-Ⅱ算法.以运载火箭末速度增量最大和发动机制造成本最低作为目标函数,采用IPGA计算得到了壳体材料分别为APMOC和碳纤维时的Pareto非劣解集,采用理想点法得到非劣解集中费效比变化的拐点,计算结果表明,以该点为满意解设计方案可以使该运载火箭的有效载荷提高7.6%,并使发动机的成本降低.     

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.      

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.     

无人侦察机航迹点重规划的优化算法

提出了一种针对发现新目标后,机上在线进行航迹点重规划的方法.建立了重规划数学模型,用图像质量方程预估侦察目标的图像质量,以所有目标图像质量的加权之和最大、路径长度最小为目标函数.在传感器侦察范围、飞机机动和目标图像质量要求以及威胁等多约束条件下运用改进后的多目标进化算法NSGA-II寻优,得到侦察航迹点的Pareto最优解集.以目标图像质量、路径长度和路径威胁为评价因素,专家系统给出当前评价因素加权权值,用模糊选优方法在Pareto最优解集中选择该加权意义下的唯一最优路径.仿真结果证明了该方法的可行性和智能性.     

基于动态指标的飞机方案多目标优化方法

为提高飞机方案多目标优化过程中最优解的搜索效率,对多目标方案的比较评价方法及其在优化中的应用进行了研究.提出了可用于多目标方案对比评价的基准指标,并建立了利用新生成方案的目标值对基准指标进行动态更新的动态指标.通过采用动态指标构造适应度函数改进了多目标遗传算法,进行的双目标优化算例表明,改进的算法能够获得更优的Pareto前沿.采用改进的多目标优化方法对一种轻型战斗机概念方案进行了优化设计,设置了重量、气动、隐身等4个优化目标,优化结果验证了基于动态指标改进的多目标遗传算法在飞机概念方案设计优化中的有效性.      

基于MODPSO-GSA的协同空战武器目标分配

提出基于多目标决策理论的协同空战武器目标分配模型,并用进化多目标优化算法求解.空战是一个多阶段攻防过程,针对多数空战武器目标分配采用一次性完全分配、不考虑火力资源消耗等不足,构建多目标决策模型,在达到毁伤门限的前提下,同时对一次攻击后使敌编队的总期望剩余威胁最小和分配导弹消耗量最小两个目标函数寻优.提出用多目标离散粒子群-引力搜索算法(MODPSO-GSA)求解分配模型,该混合进化多目标优化算法结合二者优点,具有稳定的全局搜索能力并保证收敛到Pareto前沿.该算法可求得满足毁伤门限的不同耗弹量的分配方案最优解集以供指挥员决策参考.仿真算例验证了新模型及所提出MODPSO-GSA进化多目标优化求解算法的有效性.      

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究，将干扰资源调度建模为多目标优化问题，以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型，利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿，以最优解集代替最优解，再根据战场实际情况选择最佳调度方案，使决策方案更加科学合理。实验结果表明，MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷，有较高的搜索效率，算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

基于遗传算法的散乱点云最小包围盒求解

提出一种将遗传算法和O’Rourke算法相融合的最小包围盒求解算法,以O’Rourke算法中的体积函数作为遗传算法的目标函数,采用遗传算子指导解的搜索方向,通过新种群的迭代生成过程缩小搜索区域与体积误差,种群迭代结束后对最优个体解码获得最小包围盒.实验结果表明,该算法可在满足最小包围盒体积精度的同时显著提高算法的运行效率,能够有效处理各种复杂散乱点云数据的最小包围盒快速求解问题.     

旋翼翼型高维多目标气动优化设计

先进旋翼翼型设计是典型的多设计点、多目标优化问题,常规优化方法已无法满足翼型高维多目标优化设计的要求。基于分解的多目标优化算法（MOEA/D）,建立了考虑高低速升阻特性、力矩特性、阻力发散特性等的旋翼翼型高维多目标优化设计方法,并采用高精度kriging模型以提高优化设计效率。针对旋翼内段、中段翼型进行了5个设计目标的全局优化设计,采用自组织图映射（SOM）方法对最优Pareto解集进行了聚类分析。典型翼型CFD结果分析表明,中段翼型低速力矩系数幅值减小约50.7%,高速最大升力系数提高约6.5%,最大升阻比提高约7.7%,同时阻力发散特性得到改善,内段翼型同样取得了良好的多目标优化效果。研究表明,MOEA/D算法对高维多目标气动优化设计问题具有很好的适应性,能有效提升旋翼高低速气动性能设计的能力。      

基于微小卫星合作博弈的失效航天器姿态接管控制

针对多颗微小卫星接管控制失效航天器姿态运动的问题,提出了一种基于多颗微小卫星合作博弈实现对失效航天器姿态接管控制的方法。首先,面向失效航天器姿态接管控制任务需求,设计了各颗微小卫星的局部目标函数,并在考虑多颗微小卫星与失效航天器所形成组合体的动力学约束、微小卫星控制约束的情况下,建立了多颗微小卫星的合作博弈模型。其次,为实现失效航天器对时变期望姿态轨迹的跟踪,在合理设计期望姿态轨迹的基础上,通过构建组合体增广姿态运动方程,将跟踪期望姿态轨迹的要求描述为微小卫星合作博弈控制问题中的一组约束,并建立了多颗微小卫星控制失效航天器跟踪时变轨迹的合作博弈帕累托最优策略的求解框架。最后,对微小卫星合作博弈控制方法的有效性进行仿真验证,结果表明：该方法能够在不需要进行微小卫星控制分配的情况下,通过多颗微小卫星的合作博弈实现对失效航天器的姿态接管控制。与传统方法相比,这种控制方法可避免进行微小卫星之间的控制分配,能够实现微小卫星能量消耗的全局最优且设计简单便于考虑微小卫星的控制约束。     

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...     

CO2在RP5航空燃油中的质扩散系数测量

根据数字全息干涉度量原理搭建了气液质扩散系数测量实验平台,设计并加工了中空不锈钢恒温扩散槽,采用自编程序进行数字图像处理,通过测量298.15 K时0.33 mol/L KCl溶液在水中的质扩散系数验证了实验系统的正确性。实验测量了常压下278.15~343.15 K温度范围内CO₂在RP5航空燃油中的质扩散系数。随着温度的增加,CO₂在RP5航空燃油中的质扩散系数逐渐增大。不同温度下的质扩散系数可利用Arrhenius方程模型进行拟合,而且质扩散系数理论模型计算与实验测量结果之间的相对误差均小于9.51%。在实际工程应用中,可根据拟合的Arrhenius方程对CO₂在RP5航空燃油中的质扩散系数进行准确的预测,实验测量结果为燃油箱惰化系统的优化设计提供了数据支持。      

一种气动结构一体化设计方法

为解决气动结构一体化设计的工程应用,在传统并行子空间算法的基础上,深入分析了气动结构一体化设计的特点,在响应面构造上引入试验设计法,子空间优化中引入子空间设计的概念,系统级优化中引入Pareto遗传算法,提出了更加适合于气动结构多学科设计优化的基于Pareto遗传算法的并行子空间优化设计方法(CSSODM-PGA, Concurrent Subspace Optimization Design Method based on Pareto Genetic Algorithm),并将算法应用到机翼的气动结构多学科设计优化中,给出了合理的Pareto前沿面和可选方案.     

Multi-objective optimal formation reconfiguration with scalarization and stochastic boundaries

A new method is proposed for multi-objective optimal control of satellite formation reconfiguration. First, necessary optimality conditions of single-objective fuel-optimal reconfiguration are studied. Problem of initial guess of the costate and control discontinuity are addressed by using a new developed stochastic based method. Terminal conditions of Two Point Boundary Value Problem (TPBVP) of the optimal control equations are relaxed using augmented Gaussian. Variances or bandwidths of the terminal conditions are set to decision variables to be optimized. Responses of varied initial costate are modeled and propagated using Riccati equation. Using quadratic convolution of relaxed terminal conditions, objective function of the fuel-optimal problem is reformulated into a quadratic equation, and a gradient based optimizer is used to search the optimal initial guess. In the second part of the paper, optimal control of format flying reconfiguration with two competitive objectives:fuel and time of flight (ToF) is studied. With Pascoletti-Serafini scalarization, the Multi-objective Optimal Control Problem (MOCP) is scalarized into a set of weighted Single-objective Optimal Control Problems (SOCP). Hamiltonian and switch function for the weighted SOCP are developed and constructed. New developed stochastic based approach is then used to search the optimal Pareto solutions. Verification and performances of proposed algorithms are demonstrated through numerical simulations of single-objective and multi-objective optimal control of low-thrust elliptical orbit formation reconfiguration. Potential applications of the algorithms to some other preliminary space mission designs are also discussed.     

目标威胁规避约束下战斗机引导控制优化方法

基于最优控制理论对威胁规避约束下战斗机引导控制方法进行研究.以空战态势参数为状态建立战斗机引导模型,以引导的快速性和经济性为性能指标,将战斗机引导问题建模为具有非线性状态约束和路径约束的最优控制问题,以武器攻击包线来描述目标火力威胁,并将威胁规避约束转化为引导过程的空战态势约束问题,为保证引导算法的实时性和有效性,引入滚动时域控制策略进行在线优化,并采用高斯伪谱法进行数值求解,基于典型作战场景进行仿真,结果表明所提出的引导控制方法能在保证引导安全性的前提下实现战斗机的最优引导.