受限资源下制导武器末制导机器视觉技术研究

针对精确制导武器末制导机器视觉技术应用需求,研究了基于卷积神经网络的、针对复杂背景及小目标的自主目标检测识别算法,并分别进行了网络性能评估和硬件资源需求定量评估。针对最优算法,提出了基于嵌入式受限资源下的高精度神经网络压缩算法,并对算法进行了普适性评估。基于GPU嵌入式平台,实现TensorRT路线网络优化,并在速度和精度两方面均衡考虑下,对裁剪与量化算法进行了详细实验验证。实验结果表明,高精度神经网络压缩算法在硬件资源受限条件下,可以有效提升推理速度,最终经算法优化后的网络结构,可以获得3倍以上的速度提升,网络精度损失小于5%。     

临近空间固体动力飞行器发动机与轨迹一体化设计优化

针对临近空间多级固体动力飞行器发动机与轨迹一体化设计优化问题,提出一种基于序列代理优化的高效设计方法。为了准确计算发动机的性能特性,对发动机进行了几何参数化建模,并针对复杂装药的燃面计算,提出了基于移动四面体的燃面计算算法。为了准确评估飞行器的最大航程能力,采用自适应Legendre-Gauss-Radau伪谱法获得给定发动机设计方案下的最大航程。为了提高发动机与轨迹一体化设计优化效率,提出了基于Kriging代理模型的多采样点高效全局代理优化算法,并进行了数值验证。计算结果表明：该优化方法收敛速度快,相比传统参数优化算法可以显著减少耗时目标函数和约束函数的计算次数,并能够有效地实现临近空间多级固体动力飞行器发动机与轨迹一体化设计优化。     

基于改进非支配排序遗传算法 的维修资源优化配置

针对在武器装备维修保障过程中出现的资源短缺、资源冲突等问题,构建了多目标的维修资源优化配置模型,并且基于加权思想将多目标转化为单目标以方便求解。针对遗传算法求解多目标优化问题存在的解空间过大、收敛速度慢、计算效率低等问题,提出了基于约束的改进非支配排序遗传算法对资源优化配置模型进行求解。实例分析结果验证了模型及算法的可行性和有效性。     

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。     

燃油离心泵多目标优化设计及仿真分析

针对燃油离心泵高效、高抗汽蚀优化设计问题,进行了基于损失模型和SQP算法下的多目标优化设计并进行了仿真应用。首先,考虑叶轮、蜗壳等通流部件内的水利损失、容积损失以及机械损失,建立表征离心泵效率的综合损失模型;结合基于必须汽蚀余量计算下的汽蚀表征函数以确定离心泵多目标函数。进而,利用SQP算法构造合理的适应度函数,结合约束条件确定离心泵多目标优化设计的数学模型。其次,对某型燃油离心泵进行基于SQP算法的优化设计并与其他常用优化算法进行对比。可以看到：各优化算法的最优结果几乎相似,但SQP算法对多维非线性方程组优化求解所用的迭代步数相对较少。最后,利用CFD技术进行仿真及外特性预测,以验证基于SQP算法下燃油离心泵多目标优化设计的有效性。结果表明：相比传统方法设计的原型离心泵,基于SQP算法优化的离心泵内流场压力分布相对均匀,流动损失更低,且进口流动有利于抗汽蚀性能;从外特性结果来看,基于SQP算法优化的离心泵高效工作区域相对宽广,必须汽蚀余量相对较低,抗汽蚀性能有所改善。     

基于快速性能计算算法和序优化的卫星星座构型设计研究(英文)

卫星星座设计是一个复杂耗时的仿真优化设计问题。本文首先介绍了一种利用Hermite插值算法计算卫星星座性能指标的快速算法,用来减少计算复杂度和时间,并且基于快速算法建立了星座构型优化模型。其次引进了序优化理论,用来缩减搜索空间。针对星座优化问题,详细阐述了序优化所涉及到的精确和粗糙模型、有序性能曲线、选择规则和选择集合。通过对卫星导航星座和天基目标监视星座系统的仿真表明序优化理论对处理卫星星座优化设计问题是有效的。     

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。     

Kriging模型在机翼气动外形优化中的应用

针对粒子群等随机优化算法计算量大的缺点,发展了基于Kriging模型的优化方法.采用改进的量子粒子群算法对Kriging模型的相关模型参数进行优化,以提高代理模型预测精度,并与具有双层结构的粒子群算法相结合.采用雷诺平均N-S方程流场求解器与多目标非线性适应值加权方法,对高维度多目标多约束的跨声速机翼进行了优化,设计的机翼具有理想的压力分布,降低了机翼阻力系数,并且有效控制了低头力矩和翼根弯矩,表明该方法具有较强的工程实用性.     

星点图像的目标提取算法研究

对于星点灰度重心法等亚像素提取算法来说,需要提取星点区域内的每一个像素。基于扫描的边界搜索法只能获取目标的边界像素,文中对其进行了扩展,通过判断边界像素中最大最小行列数来确定目标区域的具体范围,从而提取目标区域内的每一个像素。针对大视场星点图像目标范围小、相互间距离远的特点,为减小计算量,提出了基于视框搜索的目标提取算法。通过实验证明,基于视框的算法在计算量上比基于边界搜索的算法减少3/4。     

Pareto多目标算法在离心压缩机蜗壳优化中的应用

基于Pareto多目标算法构建了一套针对离心压缩机蜗壳的气动优化系统,该系统集成了参数化建模、ICEM网格划分、CFX计算和CFD组合优化技术.利用该系统以总压损失系数和静压恢复系数为目标变量针对椭圆截面离心压缩机蜗壳进行气动优化设计.优化后的模型与初始模型相比总压损失系数降低11.79%,静压恢复系数升高16.97%,蜗壳内部二次流减少,蜗壳与叶轮更加匹配,表明该方法能够有效地提高离心压缩机的整体性能.      

融合体布局超临界翼型设计研究

针对跨声速融合体布局飞机,构建了所需超临界翼型的气动优化设计问题;基于"人在回路"的多轮迭代优化理念建立了翼型多目标多约束优化设计平台,其中:翼型参数化采用基于型函数/类函数变换的参数化方法,气动力解算器采用基于三维雷诺平均Navier-Stokes方程(RANS)的求解程序CCFD-MB,计算网格生成与网格更新采用基于无限插值和椭圆光滑算法的C型结构网格程序,优化算法采用多目标优化遗传算法NSGA-II。设计结果显示,优化翼型具有常规超临界翼型的基本气动力特征,满足阻力发散、抖振边界和低速特性要求;同时具有前加载特征,低头力矩大幅低于常规超临界翼型,满足融合体布局气动力要求。     

基于差分进化算法的飞机油量传感器布局优化方法

针对飞机油量测量传感器布局问题,综合考虑底部不可测量油量、顶部不可测量油量、姿态误差3个指标,设计并实现了一种基于差分进化算法的飞机油量传感器多目标布局优化方法。通过建立初始传感器安装线集合将连续优化空间转换为离散优化空间,解决了安装约束问题。通过分析优化目标建立了考虑倾斜传感器的布局指标评估方法。将离散型变异算子引入标准差分进化算法,并使用NSGA-Ⅱ中的快速非支配排序、拥挤度计算策略解决传感器布局中的多目标优化问题。通过OpenMP并行计算技术优化求解速度。最后,进行了优化试验,结果表明：该方法实现了飞机油量测量传感器布局的多目标优化,且在求解质量和优化速度方面明显优于对比方法。     

基于Kriging模型和遗传算法的齿轮修形减振优化

针对齿轮修形优化时计算啮合刚度计算量大、计算精度低、操作繁琐等问题,提出一种基于Kriging模型和遗传算法的齿轮减振修形优化算法.以典型直齿轮传动为例开展齿轮修形优化,通过拉丁抽样建立Kriging模型,解决齿轮修形优化的多响应和隐式函数的问题,通过Kriging预测的啮合刚度与有限元法的对比可知,时变啮合刚度函数各参数的误差最大值为7.79×10-5,1.20×10-3及1.30×10-4,验证了Kriging多响应预测啮合刚度函数的精确性.将Kriging预测函数代入直齿轮啮合传动的动力学微分方程,采用遗传优化算法时将齿轮动态传动误差响应波动最小作为优化目标,得到最优的齿轮修形参数.算例表明:相比于ISO(International Standardization Organization)修形和未修形的齿轮,该算法的减振效果最好,验证了基于遗传算法与Kriging模型对齿轮进行修形优化的正确性、高效性.相比于直接采用有限元法进行齿轮修形优化,该算法计算时间由26.91d减小为2.24h,证明了该算法计算效率的优越性.      

多跑道飞机降落排序快速优化方法

针对多跑道飞机降落排序这一典型的组合优化问题,建立了以延误代价最小为目标的优化模型,并提出了一种基于贪心策略的动态规划算法。在生成子节点时引入贪心策略,通过简化搜索过程的复杂度,提高算法运行效率,以解决问题规模增大导致计算效率低下的难题。仿真结果表明,该方法能够有效简化搜索过程,在优化效果与动态规划算法相当的情况下,有效降低了运算时间,证明了方法的有效性。     

气动设计的多目标优化算法比较研究

由于目标函数复杂且流场求解耗时,气动优化设计需要选择搜索能力强且调用目标次数少的优化算法,现有的优化算法种类很多,针对不同类型问题算法性能不同。本文将常用的多目标优化算法进行了分类总结并进行函数测试,判断各个优化算法对不同问题的收敛性和稳定性,找出适合气动优化的多目标优化算法。将该算法应用于气动优化问题当中,进行了针对翼型的气动优化设计,缩短了优化时间,取得了一定的优化效果。     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

一类新型的机动目标跟踪算法

针对机动目标跟踪,提出了基于截断正态概率模型的改进自适应目标跟踪算法,该算法具有结构和计算简单,鲁棒性好的特点,通过仿真结果对比,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波方法在跟踪机动目标时的不足。     

联结翼布局气动/结构/隐身一体化设计方法

从联结翼多学科优化要求出发,重点对并行子空间设计算法进行了改进.采用Pareto遗传算法作为系统级搜索策略,结构子学科优化则采用模拟退火算法.并在此基础上应用了旨在提高优化计算效率的响应面方法.实现了基于改进型并行子空间设计算法对气动、结构及隐身多目标函数间的折中与优化.     

基于改进量子粒子群的发动机部件特性修正

为提高发动机部件特性修正的精度,在分析修正因子法的求解条件以及目标方程的选取原则的基础上,利用部件特性删除法,直接以各部件特性参数作为被优化变量进行特性修正。对于目标函数,提出利用量子粒子群(QPSO)算法优化求解,并针对算法存在早熟收敛的问题进行。改进以涡扇发动机试车试验数据为依据,分别利用改进算法和其他典型算法进行部件特性修正计算。计算和试验结果对比表明,算法要明显优于其他被比较的算法。     

基于连续伴随方程和FFD技术的气动外形优化设计

正气动优化设计多年来一直是重要的研究领域,目前气动优化方法主要分为两类:一类是基于梯度的优化算法,通过估算目标函数梯度,然后在负梯度方向更新设计变量来降低目标函数值~([1]),如有限差分方法和伴随方法;另一类是全局优化算法,如进化搜寻或称之为遗传算法,此算法是通过在设计变量空间半随机抽样,不需要任何梯度估算~([2-3])。遗传算法计算量较大,传统的基于有限差分的梯度法随着设计变量的增加计算量成倍增大,对于较大设计