解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.      

基于混合优化算法的RLV覆盖区求解

针对可重复使用运载器覆盖区求解的参数优化问题,文章提出了基于混合优化算法的求解方案,结合全局和局部优化算法的优点,设计了遗传算法与模式搜索法相结合的优化算法.根据再入动力学建立覆盖区求解模型,基于极大值原理推导最优滚转角控制律,并对滚转角约束进行了讨论;对待优化参数的响应面进行分析,利用遗传算法初步获得初始猜测值,然后用模式搜索法进行快速精确搜索.仿真结果表明,所提出的优化算法可以快速搜索出最优参数,在满足过程约束和控制约束下获得准确的再入覆盖区.     

求解退化线性代数方程组的小参数法

文章介绍了求解退化线性代数方程组的小参数法,推导出简便的求解公式,给出了小参数的选择方法,并且证明了方法的稳定性和高精度,最后给出了一些数值结果.     

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.     

应用免疫遗传算法优化设计层合板铺层顺序

应用遗传算法对复合材料层合板的铺层顺序进行优化设计,并通过免疫机理解决基本遗传算法中存在的收敛效率低、"早熟"等问题.以层合板的面内几何因子和弯曲因子为优化对象,建立遗传算法的优化模型.通过交叉、变异等遗传操作,搜索问题的最优解.借助免疫系统对抗体的促进和抑制机制,调节种群中个体的多样性.数值算例中给定了层合板的面内几何因子和弯曲因子,应用免疫遗传算法求解层合板的最佳铺层顺序.并将应用免疫遗传算法与标准遗传算法得到的优化结果进行了比较,证明了免疫遗传算法的优越性和实用性.     

函数传递法求解悬链线问题

悬链线问题是一类经典又多变的力学问题，其曲线构形指导着桥梁等工程应用的结构设计。为了求得结构特征或载荷特征不同的悬链线的变形，提出了一种基于传递矩阵法思想的、通用性较好的求解方法。首先，提炼出悬链力学模型，将悬链顺序划分成若干简单单元，结合单元力平衡和本构-几何关系解得单元特征函数方程组，顺序嵌套单元特征函数方程组获得整体特征函数方程组；然后，使用离散Newton迭代法对该非线性方程组进行求解，获得悬链的受力和变形；最后，算例验证了结果与解析解的一致性。函数传递法对具有复杂结构特征和载荷特征的悬链线问题有很好的适用性，对求解其他可划分为若干首尾相接结构单元的结构系统的广义变形也适用。      

翼型周线布线性涡的有限基本解法

在翼型周界线上布线性变强度分布涡,在一定边界条件下建立求解涡强度的线性方程组。经过试探,确定了比较合适的控制点位置。为满足库塔条件而令后缘处涡强度为零,但导致了方程组的矛盾性。采用最小二乘法求解矛盾方程组,可获得误差最小的唯一解。本方法简便,易于应用。计算结果与试验值或精确解相比,有良好的准确性,可用于一般工程计算。     

小型涡扇发动机燃油控制规律

以小型涡扇发动机DGEN380燃油控制规律为研究目标,使用解析法基于MATLAB平台建立其整机部件级稳态及动态数学模型并进行仿真计算。在旋转部件建模过程中使用工具获取特性数据,并绘制可以即时显示当前工作点/线的部件特性图;在稳态仿真时使用Newton-Raphson法和遗传算法2种方法求解发动机工作方程组,并对二者进行评估对比,针对遗传算法在发动机模型求解过程中的局限性对一般基础模型进行优化改进;在动态仿真时,采用欧拉法计算微分项。基于模型分析发动机燃油控制规律,并以发动机高度特性为例进行仿真计算。试验结果表明:Newton-Raphson法具有高精度和高速度,改进模型后遗传算法具有更好的适应性,模型及燃油控制规律的仿真结果较好地符合试验数据和理论趋势,对比误差小于3%。      

机械式反操作负载模拟器优化设计与仿真

对设计的负载模拟器采用复数矢量法与虚位移原理建立其机构动力学与多余力矩数学模型.在此基础上针对传统遗传算法优化解不一致的情况,提出了基于参数灵敏度分层的遗传算法优化方法并对设计中各参数进行了优化.根据优化结果设计虚拟样机,并利用ADAMS进行多种加载信号的仿真,结果表明样机各项指标均达到设计要求,依此设计出一套可同时进行环境试验与多种负载加载的反操作负载模拟器.      

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.      

高超声速飞行器滑模控制参数整定方法设计

本文针对高超声速飞行器滑模控制人工试凑的参数整定方法较为繁琐、效率低的问题,改进了连续动作学习自动机（Continuous action reinforcement learning automata, CARLA）算法并将其应用于滑模控制参数整定问题中,改进后的算法通过对回报函数的设计有效克服了常规CARLA算法收敛速度慢、易受干扰、求解效率低的问题。该算法引入控制性能指标评价函数,在迭代中学习阶跃响应的经验数据,实现了控制参数自整定。仿真表明,对于阶跃响应问题,本文提出的算法能够在100次迭代中整定出一组高品质的控制参数,完成对给定指令的快速准确跟踪,与遗传算法、模拟退火算法相比,在求解速度上具有显著优势。由于该方法不依赖于模型,除了滑模控制器参数整定外对其他控制方法的控制参数整定问题也有一定适用性,具有推广应用价值。     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

基于自适应融合的弹道目标空间位置重构

由于进动锥体目标参数存在耦合,单部雷达不易获取同时参数估计误差较大。针对这一问题,提出了一种联合多部雷达不同视角微动信息进行参数提取与融合的新方法。首先,对进动目标进行了建模和散射点距离像分析,并利用Hough变换实现了锥顶散射点的关联。然后,联立2部雷达的微动信息作为求解单元来对耦合参数进行解耦,求出相应的参数。同时以进动角为例进行了误差方差分析,以融合后误差方差最小为原则对权系数进行了求解,并对其余参数进行了相同的处理。最后,在一个进动周期内,根据求出的锥体顶点坐标和锥旋轴矢量实现了锥体目标空间位置的重构。仿真结果表明该融合方法能够提高参数精度并能对锥体空间位置进行重构。     

广义多圈Lambert算法求解多脉冲最优交会问题

基于一种高效高精度的Battin多圈Lambert算法提出一种考虑轨道摄动的广义多圈Lambert算法.与现有算法相比,本算法虽然原理复杂但计算流程非常简单,效率极高,分别通过几次内外循环就可满足精度要求.广义多圈Lambert算法结合一种可行解迭代交会模型构成了一个通用的多圈多脉冲交会规划框架,应用两步法求解此多变量的复杂工程优化问题,首先利用高效率的进化全局优化算法以及解析轨道模型作全局搜索,然后利用序列二次规划算法以及简化高精度轨道计算模型作局部搜索,此方法可以保证高效高精度的求解多圈多脉冲交会问题.算例表明此方法特别适用于满足实际工程约束的交会规划问题.     

Stewart台体并联机器人位置正解

为获得Stewart台体并联机器人位置正解的解析解,使用分次字典序Groebner基和Sylvester结式相结合的代数方法对该问题进行研究.利用计算代数中的分次字典序Groebner基算法,计算该机器人位置正解封闭数学模型的分次字典序Groebner基;从得出的51个基中选取20个基,构造20阶Sylvester结式,分析符号形式方程组的变量次数,可以直接得出该机器人位置正解一元高次方程的次数为40且最多有40组解的结论,其结果与前人的完全一致,但结式的尺寸却小得多.为了对结果进行验证,使用同伦连续法对同一个数字算例进行计算,两种方法得到结果一致.为并联机构位置正解的研究提供了一种新的有效算法.     

Hierarchical approach for fast searching optimal launch opportunity in a wide range

Launch opportunity search is crucial for preliminary design of interplanetary trajectories. However, it is difficult to obtain the optimum solution efficiently when the range of search is wide. In this paper, a new fast search algorithm based on a modified hierarchical approach is proposed. At the top level, a simplified Pork-Chop diagram is plotted by sampling interpolation to delimit the candidate regions of the optimal solution. Each candidate region contains only one optimal solution, which fundamentally avoids the local optimal problem of genetic algorithms. At the bottom level, a hybrid optimization approach combining the genetic algorithm and the conjugate directions method is used to solve the accurate optimal solution of each candidate region and obtain the global optimal launch opportunity in the whole wide range of search. Simulation results show that the proposed hierarchical approach can quickly and robustly find the global optimal launch opportunity in a wide search space.     

三轴虚拟转台的智能仿真模型库研究

针对三轴虚拟转台系统中的智能模型库单元,采用遗传算法、参数化设计和虚拟现实等技术,实现转台仿真模型库的智能设计和快速性.通过Pro/Toolkit软件接口和参数化方法建立起转台仿真模型库软件系统,采用遗传算法实现模型库的智能优化设计,同时实现模型库的自动装配和实时仿真,并最终形成通用的转台智能仿真模型库软件平台.实际仿真结果表明,智能模型库的实现除了具有智能参数化模型库设计功能外,还具有优秀的开放接口,如果进一步完善接口的通用性,将减少智能仿真模型库应用的局限性,应用更加广泛.     

基于量子万有引力搜索的SVM自驾故障诊断

针对自动驾驶仪在实际测试过程中故障样本较少的情况,提出一种基于量子万有引力搜索算法(QGSA)的支持向量机(SVM)故障诊断模型。SVM能较好地解决小样本、非线性问题,适用于自动驾驶仪的故障诊断。为进一步提高万有引力搜索算法(GSA)对参数寻优的收敛速度和收敛精度,将基于GSA的QGSA应用于SVM的参数寻优中,以解决SVM由于参数选取不当导致过学习或欠学习的问题,从而获得最优的分类模型。通过模拟实验分析,当训练样本数量为50时,基于QGSA的SVM故障诊断模型分类准确率便能达到96.530 6%,而基于遗传算法(GA)的SVM故障诊断模型分类准确率为92.040 8%,基于GSA的SVM故障诊断模型分类准确率为91.632 7%。仿真实验结果表明,基于QGSA的SVM故障诊断模型具有更好的故障诊断能力。      

一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.