非线性数学规划在飞行力学中的应用

主要介绍非线性数学规划在飞行器轨迹优化中的应用，处理方法是将每一个状态变量用三次多项式表示，状态微分方程就化成一组代数方程，从而使飞机轨迹优化问题化成了离散的数学规划问题，再用广义Ｌａｇｒａｎｇｅ乘子法求解，该方法对一般的轨迹优化问题易于编程实现。     

基于脉冲暂态混沌神经网络的可靠度分析方法

工程中计算结构可靠度系数β可以看做一个优化问题。考虑极限状态函数的非线性程度很高且存在非凸失效域时,传统的求解非线性优化方法,如序列二次规划（SQP）法、罚函数法和梯度投影法等都有其使用范围和局限性,无法解决局部极小解问题。如何避免局部极小解问题并且兼顾计算精度和效率目前仍很难处理。提出一种新的可靠度计算方法：将求解转化为带有约束条件的非线性规划问题,利用罚函数法转化成无约束条件的非线性规划问题,引入脉冲暂态混沌神经网络（PTCNN）模型快速有效地进行全局寻优,从而解决具有局部极小解的约束非线性规划问题。最后采用不同类型的非线性极限状态函数算例进行算法验证,验证该方法在处理高维、高非线性、不可微、非凸失效域问题时具有可行性、高效性。     

智能优化算法在飞机总体设计中的应用

飞机总体设计在飞机的整个设计过程中是非常关键的步骤,在这个过程中,飞机的总体布局和许多重要参数都被确定下来。但是,飞机的总体设计又是一个复杂和艰难的过程,因为涉及到大型系统的有约束的非线性优化问题,用传统优化方法很难得到满意的结果。本文采用了近年来发展很快的几种智能优化算法--遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络算法解决飞机总体设计优化问题,阐述了各算法的关键步骤及运行过程,并编写了相应的计算程序。通过对各种算法的结果进行比较和讨论,最后的结论是：模拟退火算法最适合求解这类复杂的约束非线性优化问题,禁忌搜索算法和遗传算法次之,Hopfield神经网络算法效果最差,容易陷入局部最优解。     

用结构自适应神经网络预测航空发动机性能趋势

 将航空发动机作为复杂非线性系统考虑，运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论，建立航空发动机性能趋势预测的神经网络模型，同时，针对神经网络的结构设计困难问题，建立了基于遗传算法的结构自适应神经网络预测模型，实现了神经网络结构的优化。最后，利用三组民航飞机发动机的性能数据进行了预测分析，验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。     

免疫算法在火箭发动机静态特性研究中的应用

发展一种研究全流量补燃循环液体火箭发动机静态特性的算法一免疫策略算法。采用免疫策略算法求解液体火箭发动机的静态特性方程组，将该模型的非线性方程组求解问题转化为求带有约束的极小值的优化问题，建立了免疫策略计算模型。设计了免疫策略计算中使用的交叉算子和变异算子，叙述了免疫操作的处理过程。数值计算的结果表明，利用基于免疫策略的算法可以在较大范围内进行全流量补燃循环液体火箭发动机的静态特性研究，并且减轻原有进化算法在计算后期的波动现象，使得收敛的速度得到较大提高。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

随机神经网络在机动多目标跟踪中的应用

研究密集多回波环境下的机动多目标跟踪问题。通过对多目标联合概率数据关联方法性能特征的分析,将其归结为一类约束组合优化问题。在此基础上,利用随机神经网络求解组合优化问题的策略,采用改进的增益退火算法,提出了一种新颖的机动多目标快速自适应神经网络跟踪方法。仿真结果表明,该方法不仅具有很高的收敛速度和跟踪精度,而且计算量小,关联效果好。     

基于偏置比例导引与凸优化的火箭垂直着陆制导

凸优化由于求解效率高在飞行器轨迹规划和制导中得到广泛研究应用。但是，由于火箭垂直返回制导需要考虑气动力带来的非线性，现有的凸优化求解方法或简单地采取逐次线性化近似凸化最优控制问题，经常出现收敛性问题；或需针对具体问题进行相应的系列凸化剪裁，虽然改善了收敛性，但不同模型的凸化剪裁方法差别很大，通用性较差。为此，将偏置比例导引与凸优化相结合，用以求解存在落角、落速和推力范围约束的火箭垂直返回定点软着陆制导问题。提出的制导方法将该制导问题分解为法向满足落角与落点约束的偏置比例导引，以及切向满足速度与推力约束的凸优化和滚动时域控制制导。在切向制导中，提出利用三次多项式近似飞行轨迹以方便凸优化求解，并建立剩余飞行时间的估算方法以提供给比例导引。仿真结果表明，提出的制导方法能有效满足各种约束，实现火箭精确着陆。与现有的直接采取逐次线性化近似的凸优化方法相比，提出的方法由于将制导进行切向和法向分解，大为简化了凸优化模型，显著提高了求解效率和收敛性。此外，提出的方法无需复杂繁琐的凸化处理，对于一般的推力可控且对末速存在约束的固定终端位置的制导问题皆适用。     

基于混合线性规划的RLV再入气动控制分配

针对可重复使用运载器(RLV)再入阶段气动操纵面控制分配问题,将控制分配问题转化为有约束的优化问题,进而采用混合线性规划算法对其进行求解。针对气动操纵面与控制力矩呈现非线性关系的情况,采用分段线性规划算法解决了控制面发生故障等非线性在线可重构优化问题。最后通过仿真,验证了多种故障模式分段线性分配方法具有良好的可重构性能以及较小的分配误差。     

基于自适应多点约束逼近的二级结构优化方法研究

 本文对结构优化设计提出了一种二级逼近方法。基于优化过程中所得到的若干点上临界约束函数值及其一阶导数,构造出显式近似函数逼近原约束函数。该近似函数的非线性程度由自适应方法控制,使之在其展开域内接近真实约束函数;由此建立逼近原结构优化问题的第一级显式非线性序列近似问题。为处理其中每个子问题,建立逼近它的第二级序列近似问题,然后采用对偶方法对其求解。算例表明本文方法具有收敛迅速稳定的特点。     

民用飞机航电数据网络带宽资源分配优化设计

民用飞机航电数据网络在设计过程中,通过对带宽资源的合理分配,来满足网络成员系统的数据传输需求。而在设计过程中,存在因网络带宽需求分布的非均匀性等因素造成的局部带宽资源不足的问题,因此需要在初步带宽资源分配结果上进行局部优化设计。提出一种通过网络带宽资源使用率最高的链路和端系统进行识别,以及进行针对性物理链路连接关系调整,从而实现降低交换机之间链路带宽资源使用率的方法。通过网络仿真对该方法的优化效果进行了分析,发现这种方法能够降低网络局部链路的较高带宽资源使用率,单轮优化的有效降幅超过15%。该网络带宽资源分配优化设计方法,一方面能够有效解决因飞机网络局部带宽不足问题,降低由此导致的网络拥堵、排队、丢包等风险,确保网络确定性;另一方面还能尽量保持当前分配结果,减少设计优化变更对网络时延性能和网络布线方面的影响。     

基于神经网络的飞行器总体优化设计

针对经验公式存在的精度低、适用范围受限的缺点,采用广义回归网络代替经验公式计算气动特性,并将其嵌入到优化设计流程之中,提出了一种基于神经网络的飞行器总体优化设计方法。神经网络的训练样本输入、输出数据通过试验设计和涡格法计算得到。以高空长航时无人机为例,选取航时与机翼结构重量系数作为目标函数,应用所提出的方法进行总体优化设计。计算结果表明,提出的方法是可行的,能够满足设计要求,同时降低优化过程的复杂程度,减少迭代次数。     

材料设计中的BP神经网络技术

论述了BP神经网络在材料设计中的应用技术、现状和发展趋势。根据材料设计的要求，建立用于材料设计的模型，并对模型建立与参数选择进行了分析，为BP网络用于材料设计提供了依据，为材料性能的设计与优化提供了有效途径。     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。     

涵道气动优化设计方法

基于动量源方法进行涵道气动力的计算,分别采用响应面模型和基于神经网络模型对NASA涵道构型进行优化设计,并对优化结果采用CFD进行验证,优化结果表明两种优化方法均取得了一定的优化效果,悬停状态下,基于响应面方法,涵道拉力增加了19.4%,基于神经网络方法,涵道拉力增加了21.2%.并为了较为细致地研究涵道拉力产生的机理,在对涵道进行建模时,采用一种分区的方法,将涵道划分为6个区域,并得到了涵道拉力在此6个区域上的分布.计算结果表明:涵道唇口形成的负压是产生涵道附加拉力的主要因素,且靠近涵道内侧唇口提供的拉力占比重较大.该优化方法可以有效地应用于涵道外形的气动优化设计中.      

导弹武器系统时间同步网的综合性能评估方法

针对导弹武器系统时间同步网（MWSTSN）现有评估方法不全面、不客观等问题,提出了一种基于权系数优化的导弹武器系统时间同步网的综合性能评估方法。首先,基于时间同步网的工作流程与系统结构,综合分析了影响系统性能的各项指标,建立了导弹武器系统时间同步网性能的评估体系与评估模型。通过构建主、客观指标权重的分配系数最优化模型,利用层次分析法和熵值法对上述指标进行组合赋权,获取具有主、客观特性的组合权重。最后,通过案例验证上述评估过程的有效性,结果表明：该评估体系能够有效反映导弹武器系统时间同步网中各分系统及设备的可用性,并具备可测性和可操作性。     

粒子群优化算法在网络计划资源优化中的应用

对粒子群优化算法在网络计划资源优化中的应用进行了探讨,首先,介绍了粒子群优化算法的基本原理,给出了网络计划中工期固定一资源均衡优化问题的优化目标和数学模型;然后,详细介绍了粒子群优化算法实现网络计划资源优化的算法流程及其编程实现,对典型网络计划进行优化的结果表明粒子群算法可以较好地实现网络计划资源优化。     

基于神经网络-遗传算法的液力透平叶片型线优化

提出了一种叶片型线的多工况优化设计方法,该方法包括叶片型线参数化、优化的拉丁超立方试验设计、CFD技术、GA-BP(genetic algorithm-back propagation)神经网络与遗传算法.具体采用三次非均匀B样条曲线参数化叶片型线,优化的拉丁超立方试验设计方法在设计空间内获取训练GA-BP神经网络的样本点,各个样本点性能分析由CFD技术完成,随后开展GA-BP神经网络的学习训练,最后采用GA-BP神经网络和遗传算法相结合的优化技术求解液力透平叶片型线的多工况优化问题.基于上述优化方法对一液力透平进行了叶片型线的优化改进,结果表明,在保证扬程不小于相应初始扬程的约束条件下,优化后的液力透平效率在3个指定工况下分别提高了3.91%,3.59%和3.09%, 证明采用此方法优化叶片型线具有一定的可行性.