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。     

基于BP人工神经网络的离心压气机叶轮多目标优化设计方法

利用Concept NREC软件建立离心压气机叶轮设计样本库,借助BP（back propagation）人工神经网络建立样本库中各设计参数与压气机性能之间的关系,接下来以多目标遗传算法寻找Pareto解,从而获得离心压气机叶轮最佳设计参数.将该方法应用于Krain叶轮设计工况,所得叶轮的效率、压比较Krain叶轮原型分别提高1.4%和10.9%.通过对人工神经网络模型可靠性的讨论、多目标优化模型的主成分分析和所设计叶轮性能的CFD验证,证明了所构建的目标函数与所获得的Pareto解集的合理性,说明本方法可以有效应用于在离心压气机设计、选型.      

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.     

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

低雷诺数下翼型分离流动抽吸控制优化

为了获得不同目标下最优抽吸控制参数,开展了分离流动抽吸控制优化研究,基于RBF神经网络与遗传算法,发展了求解单目标和Pareto多目标问题的优化平台。针对NACA0012翼型表面分离流动,在其上表面设计了局部多孔分布式抽吸结构,将径向基函数(Radial Basis Function,RBF)神经网络作为CFD计算的代理模型,以减小计算量;采用遗传算法开展了单目标和Pareto多目标优化。优化结果表明:该优化设计平台具有良好的收敛性和准确度;以升阻比为单目标的优化使升阻比最大增加了2.4倍;Pareto多目标优化设计获得了分布均匀的、令人满意的Pareto解集,为设计者提供了一个可选的有效解数据库。在合理选择抽吸角度、抽吸孔径和孔间距的前提下,只需较小的抽吸系数,就可使升阻比获得明显增加,同时,还能保持较高的FOM值,使整个控制系统的能效比维持较高水平。     

基于Pareto集与多目标决策的飞控参数优化

针对传统的单目标优化方法不能对飞控系统多个性能指标同时进行优化的问题,提出了一种基于Pareto遗传算法和多目标决策的飞控系统参数优化方法。通过NSGA-Ⅱ算法对飞控系统参数进行优化获得最优解集,在此基础上首先进行方案的初选,然后利用综合权重的Vague集决策方法对备选方案进行模糊评价和优选,找到最终满意解。仿真结果验证了所设计方法的有效性。     

一种小波神经网络与遗传算法结合的优化方法

提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强.      

基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

基于FA-NSGA分扭传动系统的均载和轻量化优化设计

以提高均载性能和轻量化为目标对某分扭传动系统进行了多目标优化设计.建立了分扭传动的非线性动力学模型,通过计算不同输入功率和输入转速下的均载系数,衡量分扭传动系统均载性能.以分扭传动系统参数为设计变量,考虑多工况条件,建立了以均载系数和质量最小为目标函数的多目标优化模型.为了提高计算效率,提出了具有适应值预测机制的非支配排序遗传算法（FA-NSGA）.利用3个基准函数对FA-NSGA进行收敛性和有效性的测试.结果表明:FA-NSGA对于3个测试函数均能获得满意的最优解,并且都能减少60%以上的真实适应值计算次数.采用FA-NSGA对实例进行优化求解,在得到的Pareto最优解中选取了一组满意的设计参数,该设计结果与参照方案相比均载系数降低了0.05,分扭传动系统质量减少了3.57kg.      

基于样条曲线的机动弹头再入轨迹优化研究

使用三次样条函数拟合再入飞行器纵向运动轨迹,以样条曲线上的控制节点为优化参数,将再入轨迹优化问题转化为静态参数优化问题.最后以纵向平面内的最优轨迹为例,以终点速度最大和飞行时间最短为优化目标,采用基于Pareto定级排序遗传算法求解了在末端状态受约束的最优再入轨迹问题,验证了该方法的有效性.     

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。     

Optimization Design System for Composite Structures Based on Grid Technology

To solve the topology optimization of complicated multi-objective continuous/discrete design variables in aircmit structure design, a Parallel Pareto Genetic Algorithm （PPGA） is presented based on grid platform in this paper. In the algorithm, the commercial finite element analysis （FEA） software is integrated as the calculating tool for analyzing the objective functions and the filter of Pareto solution set based on weight information is introduced to deal with the relationships among all objectives. Grid technology is utilized in PPGA to realize the distributed computations and the user interface is developed to realize the job submission and job management locally/remotely. Taking the aero-elastic tailoring of a composite wing for optimization as an example, a set of Pareto solutions are obtained for the decision-maker. The numerical results show that the aileron reversal problem can be solved by adding the limited skin weight in this system. The algorithm can be used to solve complicated topology optimization for composite structures in engineering and the computation efficiency can be improved greatly by using the grid platform that aggregates numerous idle resources.     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法，其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足，采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估；通过改进随机游走策略来提高局部搜索能力；通过引入改进的自适应丢弃概率策略来提高算法的收敛速度；加入档案管理机制，提高解的均匀性。典型的多目标数值算例结果表明，改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例，将改进的MOCS算法应用于多目标气动优化中，改进的MOCS算法共获得64个Pareto解，优化后的翼型气动性能有明显的提升，设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题，改进的MOCS算法与目前主流的NSGA-Ⅱ相比，收敛速度更快。     

应用多目标遗传算法的叶栅气动优化设计

采用Pareto排名策略和共享小生境技术, 实现遗传算法的多目标优化设计.叶栅的气动性能通过求解二维Navier-Stokes方程获得.本文中压气机叶栅的多目标优化确定为在给定条件下同时追求高增压比和低总压损失系数.优化设计获得的Pareto解集显示出本文发展的优化设计平台能够较好的实现多目标的气动优化设计.      

非线性硬涂层整体叶盘振动参数的多目标优化设计

为了优化应变依赖性硬涂层对整体叶盘的阻尼减振,对具有应变依赖性特征的硬涂层整体叶盘(非线性涂层整体叶盘)的涂层参数进行多目标优化设计.利用基于复合Mindlin板理论的能量有限元法和基于Newton-Raphson法的迭代计算技术分析了非线性涂层整体叶盘的振动特性;利用NSGA-Ⅲ算法求解了非线性涂层整体叶盘的涂层参数...     

Aerodynamic multi-objective integrated optimization based on principal component analysis

Based on improved multi-objective particle swarm optimization (MOPSO) algorithm with principal component analysis (PCA) methodology,an efficient high-dimension multiobjective optimization method is proposed,which,as the purpose of this paper,aims to improve the convergence of Pareto front in multi-objective optimization design.The mathematical efficiency,the physical reasonableness and the reliability in dealing with redundant objectives of PCA are verified by typical DTLZ5 test function and multi-objective correlation analysis of supercritical airfoil,and the proposed method is integrated into aircraft multi-disciplinary design (AMDEsign) platform,which contains aerodynamics,stealth and structure weight analysis and optimization module.Then the proposed method is used for the multi-point integrated aerodynamic optimization of a wide-body passenger aircraft,in which the redundant objectives identified by PCA are transformed to optimization constraints,and several design methods are compared.The design results illustrate that the strategy used in this paper is sufficient and multi-point design requirements of the passenger aircraft are reached.The visualization level of non-dominant Pareto set is improved by effectively reducing the dimension without losing the primary feature of the problem.     

基于代理模型的气动外形平面参数多目标匹配设计

将Kriging代理模型和Pareto遗传算法引入气动外形平面参数匹配设计中,提出一种基于代理模型的多目标平面参数匹配设计方法。将拉丁超立方试验设计用于平面参数筛选,确定出参数匹配方案库;基于方案库的计算流体力学(CFD)分析结果构建Kriging气动代理模型;将Kriging模型替代CFD分析,用于气体布局参数匹配优化设计,提高了设计效率并保证了可信度;通过Pareto遗传算法优化解决多点设计要求下气动布局参数匹配问题,一次性给出参数匹配方案的最优解集,从Pareto前沿中根据设计偏向选择气动布局最佳匹配方案。以典型的双后掠布局平面参数多点匹配优化设计问题作为算例,研究结果表明:Kriging气动代理模型与实际CFD分析结果的误差均小于5%,满足精度要求;根据不同设计偏向,选择了3种参数匹配Pareto优化方案,与原样本方案相比超声速阻力减小6.0%~12.8%,跨声速升阻比增加0.01%~3.40%,证明了匹配设计方法的有效性;通过试验设计的Pareto分析与主、交互效应分析,获得了气动布局平面参数对气动性能影响的定量关系,能够为参数匹配设计提供依据。所提出的平面参数匹配设计方法可应用于其他常规与非常规气动布局型式。