基于多目标遗传算法的固体火箭发动机面向成本优化设计

多目标优化设计的概念和方法被方法用于面向成本设计，采用一种基于Pareto最优解的多目标遗传算法－－NSGA－Ⅱ算法，以某固体火箭发动机为算例，利用成本模型和工程模型，以产品的性能和成本作为目标函数进行了多目标优化设计，计算结果表明，NSGA－Ⅱ算法得到的非劣解在目标空间分布均匀，算法收敛性和鲁棒性好，基于NSGA－Ⅱ算法的面向成本多目标优化设计方法为产品在方案阶段开展性能和成本之间的权衡分析提供了有效的工具。     

旋转惯性过载作用下结构拓扑优化设计研究

为实现再入体结构轻量化设计,开展了旋转惯性过载作用下再入体结构拓扑优化设计技术研究。本文利用灵敏度“逻辑与“综合方式的多工况结构拓扑优化设计方法,结合惯性载荷作用下拓扑灵敏度分析,研究了旋转惯性过载作用下再入体结构拓扑优化设计。针对锥筒形支架结构,以整体刚度最大化为目标函数,材料用量为约束条件,进行了结构拓扑优化设计,得到了合理的优化构形。     

星载定向链路多目标优化设计

提出一种针对星载定向链路的多目标优化设计方法。定向链路的优化设计过程是一个多目标优化的过程,要求定向链路在质量、功耗等条件的约束下,尽量满足飞行任务对其功能的需要。文中首先建立定向链路各分目标函数的数学模型,然后根据卫星任务的需求为各分目标函数分配权重,最后通过统一目标法将各分目标函数组成一个统一目标函数,并对统一目标函数进行优化,进而实现对定向链路的优化设计。     

基于多目标多学科设计优化方法的再入弹道设计研究

为了研究多目标多学科弹道优化设计,提出了一种基于NSGA-Ⅱ算法的并发多目标协作优化MDO方法MOPCO(Multi-Objective Pareto collaboration Optimization,简称MOPCO).利用系统优化器和学科级优化器的并发性来分解多目标MDO优化问题,解决组织复杂性问题;利用自适应响应面技术来解决计算复杂性问题;利用NSGA-Ⅱ算法来搜索Pareto前沿.标准算例测试表明该算法是可行的.最后将其用于静态/动态混合优化的多目标多学科再入弹道设计,获得了合理的Pareto前沿.     

基于多学科参数化建模和灵敏度分析的飞行器分级优化设计方法

提出一种将飞行器参数化建模、灵敏度分析与气动/隐身综合优化设计相结合的方法.该方法的流程为:(1)建立面向多学科设计的参数化模型,提取分级参数;(2)对分级参数进行灵敏度分析,筛选设计变量;(3)基于分级优化流程,应用多目标优化算法进行飞行器气动/隐身综合优化设计.以一个四尾翼布局飞行器气动/隐身综合优化设计为例,阐述流程的实现过程,结果表明这种方法具有如下优点:(1)多学科参数化建模为气动和隐身性能分析提供统一的参数化模型;(2)使用灵敏度分析工具对分级设计参数进行筛选,精简优化设计任务;(3)基于分级参数和灵敏度分析进行分级优化设计,优化适应值提高56.1%,耗时减少57.02%.     

光学遥感卫星总体参数优化设计概念研究

结合传统卫星总体设计和现代优化设计方法 ,提出卫星总体优化设计流程。首先明确任务目标和任务要求 ,然后用模糊多目标优选方法进行总体方案类型优选 ,最后确定了卫星总体参数优化设计的设计变量、约束条件和目标函数 ,并且建立起成本、性能、费效比、可靠性和多目标的优化模型。最后 ,对四个单目标优化和多目标优化的结果进行了比较     

基于并联协作混合遗传算法的高超声速巡航飞行器一体化优化设计研究

遗传算法能以很高的概率找到全局最优解，不需要目标函数和约束条件的梯度信息。适合于工程优化设计。为增强遗传算法的局部搜索能力，提出了一种新的融合模式搜索方法和Powell方法的并联协作混合遗传算法。研究超燃冲压发动机为动力的高超声速巡航飞行器的一体化优化设计。系统分析了机身和超燃冲压发动机设计参数对飞行器总体性能的影响。通过建立高超声速巡航飞行器质量模型、气动力估算模型、气动热估算模型、超燃冲压发动机性能分析模型、控制模型和弹道分析模型，在满足参考任务要求的前题下，以飞行器起飞质量为目标函数，将并联协作混合遗传算法应用于最优总体方案和超燃冲压发动机方案一体化设计。完成了6设计变量的全局优化计算。算例表明，本文建立的一体化设计模型基本正确，并联协作混合遗传算法是用于高超声速巡航飞行器一体化优化设计的较好的优化算法。     

小生境多目标蚁群算法在飞行器总体设计中的应用

飞行器总体设计直接影响飞行器的战术技术指标,往往需要反复很多次的设计过程以确定最终设计方案,因此迫切需要研究并采用优化方法以快速获得性能较优的飞行器总体方案。蚁群算法是群智能算法的典型代表之一,本文针对飞行器总体设计中的多目标优化问题,以多目标蚁群算法为基础,引入小生境技术,提出小生境多目标蚁群算法,并以某飞行器为应用对象,对其进行了多目标优化设计,最后对优化结果进行了分析。     

组合结构屈曲稳定性优化设计与灵敏度分析

本文研究了组合结构屈曲稳定性优化设计及灵敏度分析数值方法，讨论了屈曲临界荷载灵敏度对应力场和载荷的依赖关系、及其在尺寸和形状变量中的不同计算方法，将屈曲优化与静力和动力优化联合执行，在ＪＩＦＥＸ软件中实现以解决复杂的结构优化问题。算例表明了优化方法在结构稳定性设计中的应用，验证了算法和程序的有效性。     

变权TOPSIS评价的导弹总体参数粒子群优化设计方法

为解决传统单目标优化方法难以满足导弹总体参数多目标优化的需求,以及多学科设计优化方法复杂而难于在导弹概念设计阶段使用的问题。提出了一种基于变权TOPSIS(逼近于理想排序)评价和粒子群算法融合的多属性综合优化设计方法。以标准粒子群优化算法为基础,运用变权综合原理构建变权状态变量,结合TOPSIS评价方法计算每组粒子(总体参数方案)的可行欧氏距离,以欧氏距离作为综合评价目标开展了导弹总体参数优化设计研究工作。经实例分析表明,基于变权TOPSIS的粒子群优化设计方法能够有效解决导弹概念设计阶段总体设计多参数、多属性综合优化问题,与传统设计方法相比,具有概念清晰、方法灵活、实现高效的优点。     

基于改进粒子群算法的红外灯阵自动优化设计

为提高航天器热试验用红外灯阵的设计效率、提升灯阵热流分布均匀性,提出一种基于粒子群算法的红外灯阵自动优化设计方法:建立红外灯单灯的热流分布数据库与灯阵位置参数的自动优化设计方法;并通过优化参数的重新选择和优化参数间约束条件的建立,改进传统的粒子群算法以提高设计效率。计算结果表明,相比遗传算法,使用改进粒子群算法进行灯阵优化设计用时缩减82%,而优化所得的热流分布均匀度仅低了0.77%。     

多目标EOSs联合成像调度方法

EOSs（Each Observation Satellites）围绕着地球对成像任务进行拍摄，为了充分有效的利用卫星资源，最大限度的满足成像任务需求，需要进行EOSs联合成像调度。EOSs联合成像调度是一个复杂的多目标组合优化问题。本文通过对卫星成像约束条件的抽象，建立联合成像调度的数学模型，在此基础上设计了多目标EOSs联合成像调度算法，并根据实际的应用问题进行实验和结果分析，表明该方法有效的解决了多目标条件下EOSs联合成像调度问题。     

基于混沌优化自适应遗传算法的数据关联求解

通过判断目标量测值和运动状态之间的最优对应关系,将数据关联问题描述为一类约束组合优化问题,采用混沌优化自适应遗传算法来求解数据关联问题,仿真结果表明,这种算法具有很高的关联成功率;此外,分别采用自适应遗传算法、混沌优化算法以及混沌优化自适应遗传算法求解数据关联问题,结果表明,混沌优化自适应遗传算法求解数据关联问题的最优率明显高于其他2种方法,且其收敛速度也明显快于单独使用自适应遗传算法或混沌优化算法。     

Development of a scheduling algorithm and GUI for autonomous satellite missions

In this paper, a scheduling optimization algorithm is developed and verified for autonomous satellite mission operations. As satellite control and operational techniques continue to develop, satellite missions become more complicated and the overall quantity of tasks within the missions also increases. These changes require more specific consideration and a huge amount of computational resources, for scheduling the satellite missions. In addition, there is a certain level of repetition in satellite mission scheduling activities, and hence it is highly recommended that the operation manager carefully considers and builds some appropriate strategy for performing the operations autonomously. A good strategy to adopt is to develop scheduling optimization algorithms, because it is difficult for humans to consider the many mission parameters and constraints simultaneously. In this paper, a new genetic algorithm is applied to simulations of an actual satellite mission scheduling problem, and an appropriate GUI design is considered for an autonomous satellite mission operation. It is expected that the scheduling optimization algorithm and the GUI can improve the overall efficiency in practical satellite mission operations.     

基于遗传算法和神经网络的梁板结构可靠性优化

基于结构系统静强度可靠性分析、神经网络和遗传算法,对空间梁板结构系统进行了可靠性分析和基于可靠性的优化设计。结构可靠性分析中,给出了安全余量以及安全余量对各变量敏度的显性表达式,便于各安全余量间相关性计算和可靠性计算精度提高。结构优化中,用神经网络和遗传算法,每代遗传操作中只需用传统方法计算1次结构系统可靠性指标,将该代最优解对应的数据加入神经网络的训练样本,从训练样本中删除最次样本,使训练样本不断处于更新状态。数值算例表明：该法收敛平稳、用时较少,具较好的收敛性和较高的计算效率。     

深空大规模天线阵布局优化方法研究

由大量廉价的小型反射面天线组成阵列对航天器进行跟踪通信是未来深空测控网发展 的一条新思路。提出一种改进的遗传算法对大规模小天线阵列地理布局进行优化,提高天线 阵列的测控性能。首先分析了布局优化的约束条件,然后以最小化旁瓣电平为目标,建立了 优化模型。分析了Kogan梯度算法和常规遗传算法的局限性,最后给出了改进遗传算法的优 化流程。仿真结果表明,改进的遗传算法不但具有高的优化效率,还可应用于阵列布局的多 目标优化。
     

敏捷成像卫星调度的改进量子遗传算法

针对敏捷成像卫星调度问题中解空间大，选择任务的搜索空间和确定任务观测时间的搜索空间分别是离散域和连续域的难题。建立了多种决策变量混合的敏捷成像卫星调度模型，提出一种改进的量子遗传算法对其求解，改进的量子遗传算法采用二进制与实数杂合的编码方式，降低染色体的基因位编码数目，提高了搜索效率，有效适应了敏捷成像卫星调度问题中离散与连续混合的解空间；以杂合编码为基础，设计对应的观测函数将敏捷成像卫星调度问题的解映射到相位空间，从而将量子优化机制引入敏捷成像卫星调度问题中，利用量子遗传算法在相位空间搜索的特性解决敏捷成像卫星解空间大、解空间离散与连续并存的问题。最后，通过不同规模的仿真校验对算法的调度效果进行测试和分析。结果表明，所提改进的量子遗传算法在收敛速度和方案收益方面都有较好的表现，能够满足敏捷成像卫星调度的需要。     

一种新的经纬仪测量算法在航天器 总装中的应用研究

文章对一种新的经纬仪测量算法进行了研究。此算法不需要经纬仪调平和互瞄,提高了测量精度和测量过程的效率。首先建立了此算法的测量模型;之后利用优化拟合算法,完成定标过程,实现坐标解算;最后经试验,用算例对此算法进行了验证,证明此算法切实可行,可以应用在航天器的总装过程中。     

基于MATLAB的现代优化算法在飞行器气动外形设计中的应用

本文发展了MATLAB语言环境下的现代优化算法，包括遗传算法、模拟退火算法和基于分支联赛选择的多目标遗传算法，并用来求解高超声速飞行器气动外形参数优化问题。所研究的气动外形为带控制舵飞行器和可变弯体飞行器。在MATLAB环境下，求解了最大化升阻比的单目标优化问题和具体有两个冲突目标（最小化铰链力矩并且最大化平均操纵效率）的多目标优化问题。实际算例表明，在快速有效的气动力分析方法辅助之下，本文所发展的MATLAB现代优化算法可以在飞行器初始设计中发挥作用。本文所提供的现代优化算法是对MATLAB优化工具箱的一个有益的扩展。     

空间智能桁架作动器/传感器位置优化中的遗传算法应用

研究了空间智能桁架振动控制中的作动器／传感器位置优化问题。在对作动器／传感器进行动力学建模的基础上，推导出整个空间桁架机电耦合作动方程和传感方程。基于作动效率和观测效率，提出了不依赖于控制方法的位置优化准则，采用遗传算法对作动器／传感器位置进行了优化。最后针对空间智能桁架进行了位置优化仿真和模糊振动控制仿真，仿真结果验证了遗传算法优化此类问题的优越性、可信性。