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。     

基于代理模型的高效全局气动优化设计方法研究进展

基于高可信度计算流体力学的数值优化设计方法，在提高飞行器气动与综合性能方面正发挥着越来越重要的作用。基于代理模型的优化算法（SBO），由于能够实现高效全局优化，逐渐成为了气动优化设计领域的研究热点之一。近20年来，代理优化算法研究已取得了长足进步，多种先进的新型代理模型被提出，优化理论和算法也不断完善和发展。以飞行器精细化气动优化设计为背景，综述了基于代理模型的高效全局气动优化设计方法研究进展。首先，介绍了基于变可信度代理模型的气动优化设计方法、结合代理模型和伴随方法的气动优化设计方法以及基于非生物进化的并行气动优化设计方法的研究现状和最新进展。然后，针对飞行器气动优化设计学科领域的前沿问题，介绍了基于代理模型的多目标气动优化设计方法、混合反设计/优化设计方法、稳健气动优化设计方法的研究进展，以及基于代理模型的多学科优化设计方法的研究进展。文献综述表明，代理优化算法在设计效率、全局性以及鲁棒性等方面性能优良，已经发展到可以解决100维（100个设计变量）以内的气动优化设计问题，具有良好的工程应用前景。最后，探讨了基于代理模型的高效全局气动优化设计在理论、方法及飞行器设计应用方面所面临的问题和挑战，给出了未来研究方向的建议。     

基于多活性代理的多星测控调度方法

多星测控调度问题是一个具有多时间窗口、多资源约束的优化问题,其中多星测控任务调度的建模和求解算法是关键。在多活性代理理论的基础上,引入任务调度活性度概念及多活性代理活性保持的协调协商机制,建立基于活性度的多星测控调度模型,并给出一种多活性代理协调协商遗传算法。最后给出实验示例对所提出的算法进行仿真验证。仿真实验表明,所提出的基于多活性代理协商协调的模型及算法能够更好地解决多星测控任务调度问题。     

基于Kriging代理模型的约束差分进化算法

广泛应用的高精度分析模型使得飞行器设计优化的计算成本不断增加,为了缩短优化耗时,基于代理模型的进化算法（SAEAs）近年来得到了广泛关注。针对现有SAEAs处理约束优化问题优化效率低下的缺陷,提出了一种基于Kriging代理模型的约束差分进化算法（KRG-CDE）,结合约束改善概率与最优适应度定制了一种改进的可行准则,从而提高新增样本点的潜在可行性与最优性,并根据种群改善情况,平衡算法全局探索与局部搜索性能。标准测试算例对比研究结果表明,相比于基于全局与局部代理模型的差分进化算法、（μ+λ）-约束差分进化算法,KRG-CDE算法在优化效率、全局收敛性及鲁棒性等方面具有显著优势。最后,运用KRG-CDE算法求解全电推卫星多学科设计优化问题,验证了该算法的工程实用性。     

基于新型高维代理模型的气动外形设计方法

随着现代飞行器性能需求的不断提高，飞行器精细化气动优化设计要求更高可信度的CFD数值分析及更多的独立设计变量，使得基于代理模型的全局优化算法在超过一定的设计变量后显著降低了效率，难以满足复杂工程的设计需求。而目前的高维代理模型过程复杂、时间花费高，缺乏对工程问题的广泛适应性。针对以上难题，提出了利用监督式非线性降维代理建模方法来缓解代理优化过程中的高维变量设计难题。该方法将核主成分分析（非线性）降维与高斯回归过程模型统一训练，自适应构建新型高维代理模型，并随着优化过程不断学习改进模型，建立了从高维输入到输出的准确映射，有效解决了传统高维代理模型训练时间花费高和适应性差等难题。然后基于该新型代理模型发展了适用于飞行器复杂气动设计的高维全局优化设计方法，并将其应用到美国航空航天学会（AIAA）优化小组发布的2个复杂跨声速优化算例中。通过与传统代理优化方法全面比较，验证了所提的方法能大幅提高飞行器高维变量全局优化效率和全局寻优能力。     

考虑性能及成本的固体火箭发动机多学科设计优化

为综合考虑固体火箭发动机的燃烧室、药柱、内弹道、喷管及成本等学科影响,梳理学科间耦合关系,并建立了以总冲最大、成本最小为优化目标的固体火箭发动机多学科设计优化（MDO）模型。为降低MDO问题的计算成本,提出一种基于Kriging代理模型的多目标自适应优化方法（KRG-MAOM）。优化过程中,分别对目标与约束构建Kriging模型,并采用多目标优化算法求解,在伪Pareto解中综合考虑支配关系与分布特性选取新增样本点,引导优化快速收敛。算例结果表明,KRG-MAOM算法在全局收敛性与优化效率方面具有显著优势。最后,采用KRG-MAOM算法求解该MDO问题,得到可行的Pareto解集方案,与初始方案相比,同性能情况下成本节省约3.36%;同成本情况下性能提升约10.93%,从而验证MDO模型合理性与KRG-MAOM算法有效性。     

基于复合优化的航空发动机模型参数估计

本文提出了一种复合优化方法,用于发动机多变量,状态空间模型的时域辨识。优化中粒子群优化算法和最小二乘优化算法按照“串联”方式运行。粒子群优化从一个初始种群出发,通过进化来搜索最优解。然而有些时候,粒子群算法会陷入次优解。那么最小二乘优化算法就可以从粒子群的次优解出发,通过共轭梯度法获得问题的最优解。本方法适用于待估计参数较多,且参数变化范围大的高阶多变量系统。本文将复合优化算法用于4输入4输出状态变量模型参数的估计。仿真结果表明了所提出方法的有效性。     

Kriging模型及代理优化算法研究进展

代理模型方法由于能显著提高工程优化设计问题的效率,在航空航天及其他领域得到了广泛重视,并逐渐发展成为一类优化算法,本文称其为代理优化（SBO）算法。在现有的代理模型方法中,如多项式响应面、径向基函数、神经网络、支持向量回归、多变量插值/回归、多项式混沌展开等,源于地质统计学的Kriging模型具有代表性,是一种非常具有应用潜力的代理模型方法。以飞行器设计领域的优化问题为背景,介绍了Kriging代理模型及应用于优化设计的理论和算法的最新研究进展。首先,概述了Kriging模型的基本理论和算法,并讨论了影响Kriging模型鲁棒性和效率的几个关键性问题。其次,回顾了Kriging模型理论和算法研究的3个最新研究进展,包括梯度增强型Kriging、CoKriging和分层Kriging模型。而后,分析提炼了基于Kriging模型的代理优化算法的优化机制和优化框架,给出了“优化加点准则”和“子优化”的概念,并介绍了目前常用的几种优化加点准则及其相应子优化问题的求解与约束处理;同时,还介绍了最新提出的局部EI加点准则以及代理优化的终止条件。最后,介绍了代理优化在标准测试函数算例验证、飞行器气动与多学科优化设计典型算例确认方面的研究进展,并对当前存在的一些关键科学问题以及未来研究方向进行了讨论。     

一种适用于气动优化的高效自适应全局优化方法

随着设计空间的增大和优化问题非线性程度的提高，基于代理模型的优化（SBO）过程收敛越来越慢，并且在局部勘测上呈现不足。本文发展了一种高效自适应全局优化方法，在整个样本细化迭代过程中采用变设计空间取样：即在每一步样本细化迭代过程中，利用当前设计空间中的样本建立代理模型，并且根据样本的内部特征，利用模糊聚类算法将该设计空间分割成几个子空间，然后在每个子空间内通过最大化目标函数的期望提高函数和最小化模型预测目标来增加新的样本，之后对子空间进行融合更新设计空间。6个解析测试算例的结果表明，所发展的方法相比于一般的代理模型优化方法，具有更好的鲁棒性以及全局探索和局部勘测能力，更适用于具有强非线性和多极值的优化问题。RAE2822气动优化实例表明，所发展的方法在处理工程实际问题时，仍然能够保持很好的效率、鲁棒性和自适应性。     

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

Sequential ensemble optimization based on general surrogate model prediction variance and its application on engine acceleration schedule design

The Efficient Global Optimization (EGO) algorithm has been widely used in the numerical design optimization of engineering systems. However, the need for an uncertainty estimator limits the selection of a surrogate model. In this paper, a Sequential Ensemble Optimization (SEO) algorithm based on the ensemble model is proposed. In the proposed algorithm, there is no limitation on the selection of an individual surrogate model. Specifically, the SEO is built based on the EGO by extending the EGO algorithm so that it can be used in combination with the ensemble model. Also, a new uncertainty estimator for any surrogate model named the General Uncertainty Estimator (GUE) is proposed. The performance of the proposed SEO algorithm is verified by the simulations using ten well-known mathematical functions with varying dimensions. The results show that the proposed SEO algorithm performs better than the traditional EGO algorithm in terms of both the final optimization results and the convergence rate. Further, the proposed algorithm is applied to the global optimization control for turbo-fan engine acceleration schedule design.     

基于自适应差分进化算法的变循环发动机模型求解方法研究

为了降低传统迭代算法在求解变循环发动机非线性模型时对初值的依赖性,将模型的求解问题转换为求最小值的优化问题,引入差分进化算法进行模型的求解,并提出一种自适应差分进化算法(ADE)。ADE借助轮盘赌选择法,利用种群的进化经验可以自适应的选择最适合当前种群的差分策略与算法控制参数。针对变循环发动机四个典型工作点的模型求解问题,研究了标准差分进化算法(SDE)的控制参数对其性能的影响,获取了SDE在求解四个典型工作点时的最优控制参数组合,对比分析了ADE与SDE的性能差异,最后研究了种群规模对ADE性能的影响。结果表明：SDE在求解发动机模型时具有较好的鲁棒性,在求解不同工作点时算法的最优控制参数并不完全相同;相比于使用最优控制参数的SDE,ADE可以在不影响算法鲁棒性的情况下提升效率50%以上;减少ADE的种群规模会在提升算法效率的同时破坏鲁棒性。     

变循环发动机模态转换建模及控制规律设计方法研究

为了实现变循环发动机快速可靠的模态转换,本文发展了变循环发动机模态转换过渡态模型及控制规律设计方法。在变循环发动机动态数值仿真程序的基础上,针对模态选择阀与涵道引射器这两个模态转换过程中的关键变几何部件,建立了高精度的气流突扩局部损失模型。首次提出了可考虑模态选择阀堵塞对发动机性能影响的模态选择阀堵塞模型,消除了由于模型不精确造成的模态转换参数波动。在建立的变循环发动机数学模型的基础上,提出了基于直接推力控制技术的模态转换控制规律设计方法,考虑了变循环发动机的8个可调参数,采用差分进化算法对模态转换过程进行了优化。结果表明,本文提出的模态转换控制规律设计方法可以实现变循环发动机快速平稳的模态转换,双外涵转单外涵的参数变化规律与单外涵转双外涵的参数变化规律基本类似,推力在0.6秒就稳定在目标推力值,其余参数大多在1.4秒之后才趋于稳定。本文提出的变循环发动机模态转换控制规律设计方法还可应用于常规航空发动机的加/减速过渡态控制规律设计中。     

Adaptive modification of turbofan engine nonlinear model based on LSTM neural networks and hybrid optimization method

An accurate and reliable turbofan engine model which can describe its dynamic behavior within the full flight envelop and lifecycle plays a critical role in performance optimization, controller design and fault diagnosis. However, due to the performance differences caused by the tolerance of engine manufacturing and assembly, and performance degradation during continuously stringent environmental regulations, the model accuracy is severely reduced. In this paper, an adaptive modification method of turbofan engine nonlinear Component-Llevel Model (CLM) based on Long Short-Term Memory (LSTM) Neural Network (NN) and hybrid optimization algorithm is pro-posed. First, a dynamic compensator with a combined LSTM NN architecture is constructed to compensate for the initial error between the experimental data and CLM of a turbofan engine under health condition. Then, a sensitivity analysis approach based on the entropy coefficient and technique for order preference by similarity to an ideal solution integrated evaluation is developed to choose the unmeasurable health parameters to be adjusted. Finally, a parallel hybrid optimization algorithm is developed to complete the adaptive model modification when the performance degrades. The proposed method is verified on a military low-bypass twin-spool turbofan engine, and the experimental results show the effectiveness of the proposed method.     

三外涵变循环发动机推力性能优化计算及分析

提出了一种基于商用软件Isight的三外涵变循环发动机稳态性能优化方法,构建了优化设计平台,扩展了稳态性能计算程序的参数研究及优化功能。利用所建立的优化设计平台,开展了典型状态点的优化计算,并与传统设计方法进行了对比;以最大状态推力最优为目标,分析了不同工况、不同工作模式的发动机稳态性能。研究结果表明:基于Isight的优化平台能够显著提高三外涵变循环发动机稳态性能优化的精度和效率,快速获得发动机最优性能;当以最大状态推力最优为目标时,随着进气温度的增加,推力最优的工作模式依次为单外涵+第三外涵模式、单外涵模式、三外涵模式和双外涵模式。      

基于直二元喷管形面优化的涡扇发动机参数优化设计研究

为了在设计阶段提升带直二元喷管涡扇发动机的总体性能,本文开展了基于直二元喷管形面优化的涡扇发动机参数优化的研究。首先,建立了带直二元喷管的涡扇发动机模型,提出了发动机正后向排气系统红外辐射特征的计算方法,分析了直二元喷管尺寸对发动机性能参数的影响;其次,提出了基于序列二次规划算法的设计参数多目标优化方法,优化的目标包括高单位推力、低油耗和低红外辐射强度;最后,基于以上模型,利用序列二次规划算法对在设计点非加力情况下的涡扇发动机设计参数进行多目标优化。仿真结果表明：在设计点上,相较于不带直二元喷管的涡扇发动机,带直二元喷管的涡扇发动机具有更好的红外性能,并且通过算法优化后,带直二元喷管的涡扇发动机具有更好的性能参数。     

基于遗传算法的民用航空发动机送修方案决策研究

为了给航空发动机在整个使用周期内送修方案的制定提供支持，降低发动机使用周期内的大修成本，针对单元体结构的民用航空发动机，基于制造商的发动机维修管理大纲，同时考虑时寿件寿命和单元体超出软时限导致性能衰退而造成发动机送修的情况，设定大修间隔不超过最大送修间隔，建立了一种以送修时间间隔为优化变量，以单位飞行小时送修成本最小为优化目标的发动机大修成本优化模型。采用遗传算法对模型进行求解，并以V2500发动机为例，对其25年里多次返厂送修方案进行了优化，表明当送修次数为6次时返厂大修成本最低，并给出了相应的各单元体的修理级别，该方法可为航空公司制定发动机送修方案提供参考。      

免疫算法在火箭发动机静态特性研究中的应用

发展一种研究全流量补燃循环液体火箭发动机静态特性的算法一免疫策略算法。采用免疫策略算法求解液体火箭发动机的静态特性方程组，将该模型的非线性方程组求解问题转化为求带有约束的极小值的优化问题，建立了免疫策略计算模型。设计了免疫策略计算中使用的交叉算子和变异算子，叙述了免疫操作的处理过程。数值计算的结果表明，利用基于免疫策略的算法可以在较大范围内进行全流量补燃循环液体火箭发动机的静态特性研究，并且减轻原有进化算法在计算后期的波动现象，使得收敛的速度得到较大提高。     

多用途战斗机/涡扇发动机一体化循环参数优化

 针对多用途战斗机的特点,发展了基于飞/发一体化的涡扇发动机循环参数优化设计模型和相应的计算程序,优化设计模型中包括双变量控制涡扇发动机特性计算模型、进排气系统安装特性计算模型、飞机气动特性分析模型、重量组成分析模型、任务剖面分析模型、约束分析与任务分析模型和优化计算模型等。重点研究了多用途战斗机约束边界的获得方法,利用多岛遗传算法和自适应模拟退火优化算法,分别对现役多用途战斗机、不加力超声速巡航多用途战斗机以及下一代先进多用途战斗机用涡扇发动机循环参数进行了优化计算,对计算结果进行了分析,获得了对多用途战斗机用涡扇发动机循环参数选择有指导意义的结论。     

基于解析梯度的微推进转移轨道优化方法

 研究基于离散脉冲策略的行星际微推进转移轨道优化问题,为改善收敛性和计算效率,提出了一种解析的梯度矩阵计算方法。首先,基于离散脉冲思想建立了行星际微推进转移轨道优化模型,通过对速度脉冲矢量进行参数变换,避免了传统优化模型初值猜测和搜索域难以界定的缺点;然后,基于变分原理分析了离散脉冲模型中轨道状态转移矩阵与状态变分之间的关系,并给出了多种轨道特征条件下状态变分的计算方法,该方法可扩展到多次状态不连续情况;在此基础上,推导了离散脉冲轨道优化模型中性能指标与轨道约束对寻优参数梯度矩阵的解析表达式。以地球-火星的燃料最省微推进转移为例对所提解析梯度方法进行了仿真验证。数值结果表明：本文推导的解析梯度矩阵是正确的,与传统数值梯度计算方法相比,解析梯度矩阵可有效改善寻优算法的收敛特性,并能够提高计算效率约47%。