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.     

军民用飞机优化设计的探讨

飞机的设计要求明确后，如何对设计参数进行优化以构建出满足飞机设计指标的优化设计构型是总体设计师们所面临的重要问题，文章试图从飞机参数优化的内容及手段出发，探讨飞机优化设计的途径和方法。     

飞机总体优化设计的新进展

回顾飞机总体优化设计的传统方法 ,介绍多学科优化方法在飞机设计中的应用状况和最新发展。重点讨论为解决设计变量过多和计算耗费太大问题提出的试验设计和响应面近似法以及带不确定性多学科优化的鲁棒设计方法。提出飞机总体优化设计的一些关键研究领域 :气动—结构、气动—隐身、结构—主动控制等 ,最后展望多学科优化在飞机总体设计中的应用前景     

高空长航时无人机总体参数多目标优化

以高空长航时无人机的总体方案研究为背景,对高空长航时无人机总体参数建立了多目标优化模型,运用多目标遗传算法进行优化设计,最后通过建立的计算机程序得出优化结果.多目标优化用于高空长航时无人机总体参数优化,可以更加合理地评价高空长航时无人机的总体参数的最佳组合,避免设计上的缺陷,提高设计效率.结果表明,高空长航时无人机优化后的总体性能得到改善,说明该方法适用于高空长航时无人机总体方案的优化设计,对方案研究有一定参考价值.     

考虑不确定性的飞机总体参数优化方法

由于在各种设计问题包括飞机概念设计中都存在一定的不确定性,因此在总体参数优化时有必要考虑这种不确定性。以大型客机总体参数优化设计为例,定义了考虑不确定性的飞机总体参数优化问题,该问题与传统飞机总体参数优化的区别是要进行不确定性分析。而不确定性分析的计算量过大,为此提出了一种渐进代理模型方法来解决这一难题。在建立代理模型时,通过连续成批地在设计空间的全局和局部均加入新样本点,不断提高代理模型的全局拟合精度,直至获得满意的代理模型为止。然后在优化过程中使用计算量小的代理模型。大型客机总体参数优化问题中含有5个设计变量,目标函数为起飞重量最轻,并需满足4个性能约束。考虑了不确定性后,不仅使目标值（起飞重量）对总体参数变化的敏感度有所减小,而且满足约束（设计要求）概率显著提高。     

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。     

载重飞机总体参数的多目标优化设计方法

利用遗传算法进行了低雷诺数下全机气动布局设计及优化,并制作原理样机以检查设计的可行性及正确性.主要优化对总体外形和飞机性能影响较大的机翼、尾翼的平面形状几何参数以及少数几个机身几何参数;优化目标是巡航段最大升阻比和空机重量.试验结果表明该优化设计方法是十分有效的,可以用来对具有正常布局形式的飞机进行气动外形的优化设计.     

一类公务机客舱布置的多目标优化

针对双发涡扇公务机在总体设计阶段的客舱布置,建立了基于经济性与舒适性的优化模型并计算了一个案例。运用回归分析对大量该类飞机的历史数据进行了统计分析,得到了若干客舱几何参数与飞机总体参数及经济性、舒适性指标的数学关系式,并提出了两类指标的数学模型并进行了无量纲化。最后通过线性加权法求解了基于经济性与舒适性的多目标优化问题...     

基于伴随算子的气动布局优化技术及其在大飞机机翼减阻中的应用

为了提高大型飞机机翼的气动性能,发展了基于Bezier-Bernstein曲线的机翼气动布局参数化技术和网格变形技术,以及基于Navier-Stokes方程的流场解算器、伴随算子解算器和二次规划寻优算法,形成了气动布局优化软件.通过改变约束条件、设计参数范围和初始点,对机翼进行了一系列的极多参数和多约束的气动布局精细优化设计,得到了良好的优化结果,优化结果表明该优化方法是高效和可靠的.      

多学科设计优化方法在飞机设计中的应用研究

多学科设计优化(MDO)方法是提高飞机设计效率,得到最优设计方案的有效手段。在飞机设计过程中,需要确保飞机静安定裕度满足使用要求,因此需要充分考虑总体、气动等学科专业的耦合效应。针对这一问题,基于MDO软件Modelcenter构建飞机外形多学科优化协同设计流程,通过对某型飞机外形优化设计的实例分析,得到该机的最优外形修改方案,证明了MDO方法在飞机设计中应用的高效性。     

飞机多学科设计优化中的并行多目标子空间优化框架

 针对现有的并行子空间优化框架存在的各子空间仅能有一个优化目标等局限,提出了并行多目标子空间优化框架。该框架将各个学科的优化问题由以往的单目标优化改进为多目标优化,使得每个子空间可以分配到多个优化目标、各子空间的设计变量可以重叠,并且在一次优化中就可获得优化问题的Pareto前沿。介绍了新框架的基本思想和流程,并且阐述了新的学科解耦、子空间的并行优化和系统级的设计变量综合方法。以一个飞机总体设计问题为例,考虑气动、隐身与控制学科,对翼面几何参数和控制律参数进行了优化设计,验证了并行多目标子空间优化框架的有效性和相对于已有方法的优势。     

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。     

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。     

基于遗传算法的协作优化方法研究

多学科设计优化技术是国内外迅速发展的一门学科,而协作优化方法是多学科设计优化技术中最常用的一种有效的分布式并行优化方法.然而,标准的协作优化方法很难收敛到系统的最优解,而且对初始点的选择非常敏感,不同的初始点可能收敛到不同的解.遗传算法是一种成熟的智能寻优算法,具有很强的全局搜索能力.本文正是为提高协作优化的可靠性和鲁棒性,将遗传算法引入协作优化框架,并且对传统遗传算法进行相应的改进以适用于协作优化框架.算例证明本文提出的基于遗传算法的协作优化方法行之有效,消除了标准协作优化可能收敛不到系统最优解及对初始点敏感的缺陷.     

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。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

面向机翼气动外形优化的二级优化方法

针对飞机气动外形优化问题,提出了一种流程简单,可同时优化总体外形和剖面形状的二级优化方法.这种方法将优化流程分为总体外形级和剖面形状级两个层次:总体外形级优化任务是将外形参数传递给剖面形状级,并对总体外形进行优化;剖面形状级优化任务是对剖面形状进行优化,并将目标函数和约束值返回总体外形级.二级优化的最终结果可获得最优的总体外形和剖面形状.文章以一个通用航空飞机的机翼为算例,验证了这种二级优化方法的可行性和有效性.     

高超声速巡航飞行器气动布局优化软件设计

从总体性能指标角度出发,采用面向对象的编程方法,基于Visual C 开发了高超声速巡航飞行器气动布局优化软件。整个优化软件分为参数化建模模块、面元生成模块、性能指标计算模块、优化算法模块。各模块之间相对独立,通过函数接口实现互联,具有非常好的可维护性、可重用性和可扩展性。该软件实现了对高超声速巡航飞行器的气动力、气动热、隐身性能、操稳性能等总体性能指标进行气动布局多目标的优化,能够满足高超声速巡航飞行器概念研究和初步设计要求。     

轨迹／飞行器总体参数的一体化优化方法研究

基于飞行力学、最优控制理论、最优化方法，采用两种轨迹／飞行器总体参数的一体化优化方法－－静态＋动态一体化优化方法和参数最优化方法，研究载人飞船再入的轨迹／总体参数的优化，并比较了两种一体化优化方法的不同特点。通过数字计算，得到飞船的最优滚转程序、升阻比，再入角和再人终端时间。结果分析表明，两种一体化优化方法有得到较高精度。     

Hexapod平台参数设计优化

 针对工程应用中的Hexapod平台参数设计优化问题进行研究。Hexapod的上下平台半径被选作设计变量,同时分析了其运动约束条件,包括杆作动器的伸缩范围,铰链转角,作动杆间的干涉条件等,其中对杆间干涉约束进行了简化处理。此外,设计变量上下限、各平移或转动自由度上的行程要求等也被作为约束考虑。目标函数以工作空间、承载能力和运动逆解精度等量度的加权形式表示,由此建立了参数优化问题的模型,该问题用遗传方法求解。数值仿真表明,经参数优化后的Hexapod平台满足所有考虑的工程要求;对比等杆长的Cubic构形Hexapod,所设计的Hexapod平台在工作空间、承载能力方面具有明显优势,从而证明了该参数优化方法的有效性和实用性。