混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

粒子群算法在气动力参数辨识中的应用

将粒子群优化算法推广应用于气动力参数辨识,以取代传统的梯度类优化算法。通过采用加入动态改变惯性权重的粒子群算法对A型、B型战术导弹的纵向和横向气动力参数进行辨识计算及分析后,可以看到:(1)粒子群算法是气动力辨识的一种新的有效方法,该算法不受参数初值选取的影响,具有较好的全局寻优特性;(2)粒子群算法的计算效率受算法构造本身等因素的影响比较大、对粒子群规模不十分敏感,并且还有相当大的进一步完善与改进的空间。     

系统噪声不可忽略时的气动力参数辨识方法对比

面向系统噪声不可忽略时的气动力参数辨识问题,对比了基于期望最大化的方法(EMBM)、滤波误差法(FEM)和输出误差法(OEM)三种辨识算法的性能。首先,分析了三种辨识算法在基本处理框架、算法结构以及执行细节等方面的差异;然后,通过算例对其在计算时间、对系统噪声的适应能力、对参数初值的敏感度以及收敛性能4个方面进行了对比。结果表明,除了计算时间略有增加外,EMBM的性能明显优于FEM和OEM。     

一种基于遗传算法的动力学系统辨识方法

把遗传算法与最大似然法相结合，形成了一种基于遗传算法的动力学系统辨识方法，并以某轴对称战术导弹的非线性气动力参数仿真辨识为例，利用仿真技术，检验了该方法的实用性和有效性。结果表明，该方法是十分有效的。     

基于SAPSO算法的异步电动机参数辨识

异步电动机等效电路参数的准确辨识对电动机的控制具有重要作用,同时,等效电路参数的变化可以反映电动机的运行状态,故参数辨识也被运用到电机故障诊断中。将现代最优化算法应用到三相异步电动机的等效电路参数辨识中。通过将粒子群优化算法(PSO)和模拟退火算法(SA)相结合,可以准确有效地对异步电动机的6个等效参数进行辨识,与遗传算法相比,SAPSO算法易于实现且收敛速度快。算法采用考虑铁耗的异步电机dq坐标系下的模型来实现,将温度对电阻参数的影响考虑在内。通过算例证明了算法能够有效地对电机参数进行辨识及跟踪电阻的变化。     

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。     

月地高速再入返回器气动辨识数据偏差分析

飞行试验是获取返回器在真实飞行条件下气动力参数的重要途径,气动辨识结果对于评估理论计算和风洞实验气动数据,改进气动设计具有重要意义。月地高速再入气动环境复杂,气动力预测困难,结果具有很大不确定性,因此给出气动辨识结果的偏差是十分必要的。本文针对月地高速再入飞行试验,发展了返回器气动力参数辨识方法,并利用返回器飞行试验数据提取到了关键气动力参数。研究了返回器气动辨识数据偏差分析技术,剖析了各误差因素产生的气动偏差,并分析了产生气动参数辨识偏差的主要因素。在此基础上利用蒙特卡洛分析方法,计算得到了所有误差综合影响条件下返回器气动辨识结果的偏差区间。结果表明,大气密度、加速度、姿态角、高度、速度等参数的测量误差是产生辨识偏差的主要因素,全程配平迎角的估计结果精度很高,高空稀薄大气段气动力系数和升阻比等参数偏差较大,利用修正克拉马-罗界作为准则计算俯仰力矩导数和喷流推力辨识偏差是可行的。本文获取的月地高速再入返回器气动辨识偏差结果,可以为返回器设计分析提供依据。     

非定常气动力非线性微分方程建模方法

为准确描述过失速机动中非定常气动力特性,研究了以非线性微分方程为基本结构的非定常气动建模方法.基于动力学系统建模思想,分析揭示该模型的物理机理,并发展和改进了基于风洞强迫振荡试验的模型参数辨识方法:基于小振幅试验数据,采用线性回归参数辨识方法辨识确定气动模型中特征时间常数等线性参数;基于大振幅试验数据,采用遗传算法全局...     

基于遗传算法的发动机控制通道数学模型辨识

由于控制器结构的变化,某型发动机电子调节器主要控制通道的动态响应过程为分段线性数学模型。为了获得精确的数学模型,对基本遗传算法进行了改进,提出了一种基于改进遗传算法的辨识算法,能有效辨识出系统的结构跳变时刻及其分段数学模型参数,仿真结果表明,该算法辨识的模型与实际系统接近,较之其它辨识算法具有计算稳定、辨识精度高和适应性强等优点。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

并行遗传算法的性能分析

随着遗传算法的不断发展,人们利用它来解决复杂的大规模组合优化问题。但串行遗传算法本身的缺陷和瓶颈使得它越来越天法满足人们的需要,人们开始研究遗传算法的并行化。本文在简单介绍并行遗传算法及研究现状的基础上,以TSP问题（TravelingSalesmanProblem）为实例,讨论了影响并行遗传算法性能的主要因素,并给出了相应的实验结果。     

弹道导弹总体参数的混合遗传算法全局优化

液体火箭发动机推进弹道式导弹总体设计参数的全局最优化问题是亟待解决的计算问题。遗传算法具有全局搜索能力强、鲁棒性强、适于并行处理的特点,而Powell算法具有很好的求解局部最优解的能力。将两种方法进行有效改进后使之相结合,设计出并行全局最优化混合遗传算法。并以此为基础,建立了液体火箭发动机推进弹道式导弹总体优化设计模型。以液体火箭发动机推进弹道式导弹的起飞质量最小为目标,对液体推进剂弹道式导弹设计参数进行了优化设计。数值优化结果表明:该混合算法提高了搜索全局最优解的速度,优化精度高,且避免了初值敏感、病态梯度和局部收敛等问题,能够搜索到全局最优设计参数。     

基于遗传算法的大型空间结构模型降阶

 采用遗传算法求解大型空间结构的模型降阶问题。给出了模型降阶的数学表示和所用遗传算法的有效形式，即编码方式、适值方式、交叉方式和变异方式等。仿真实例说明，遗传算法优于标准内平衡法和Hopfield神经网络方法。     

叶片质量矩优化排序中遗传算法的应用

针对某型发动机压气机转子,考虑叶片质量矩和初始不平衡量,采用遗传算法,对叶片进行优化排序以达到减少转子不平衡量的目的.经过对10余台发动机转子叶片质量矩优化排序验证,结果表明:整个转子的不平衡量大大减小,该方法可在实际发动机转子动平衡中推广应用.     

基于改进遗传算法的多无人机路径规划

对多无人机在动态环境下的路径规划问题进行了分析与建模,模型将无人机区分为就绪、工作、返航、失控4种状态;考虑了机群工作效率和威胁区域的生存概率,提出一种基于改进遗传算法的多无人机的路径规划方法。方法设计了新的编码、解码方法和具有明确物理意义的适应度评价函数,以加快实时的运算速度和提高运算精度。通过计算机仿真表明方法具有良好的多无人机动态路径规划能力。     

高校排课中的遗传算法

采用了鲁棒性较好的遗传算法,对院校的必修课给出了染色体编码和适应度函数,并采用了自适应的杂交和变异概率,程序运行结果良好。     

GA-复合形法在弹簧优化设计中的应用

在基本的遗传算法的基础上，将基本遗传算法与复合形法有机的结合起来，形成一种新的优化方法：CA-复合形法。并对发动机气门弹簧进行了优化设计。优化结果表明：该方法不仅具有较高的优化效率，而且具有较高的优化精度，并且避免了局部收敛。     

遗传算法在等效系统拟配中的应用

采用遗传算法 ,对某机横航向操纵系统进行了等效系统拟配计算 ,并对遗传算法中控制参数和变量初始区间的设定进行了分析。结果表明 ,遗传算法在等效拟配计算中有效可用 ,并且在保证算法收敛和拟配结果合理方面有很强的优势。