一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

高超声速飞行器构型的数值模拟、试验研究与优化设计

综合升力体和乘波构型的气动性能优势,发展了一种高超声速飞行器前体气动构型的设计方法。运用该方法参考某高超声速飞行器气动布局方案,设计了一种高超声速飞行器气动布局。对该类高超声速气动布局进行了数值模拟、优化设计和试验研究;并研究了该类气动布局在高空飞行时,稀薄气体效应对气动性能的影响。数值模拟结果表明：构型前体预压缩面能够将高压气体封闭在构型下表面,实现了乘波构型的设计概念;优化设计结果表明,对于该构型宽展比应在0.4~0.6之间,通过优化升阻比至少有3%~5%的提高余地。对DSMC算法的碰撞模型和有效碰撞次数进行了改进,发展了临近空间飞行器气动性能模拟软件。研究结果表明,在临近空间区域,该类气动布局的升阻比特性略有下降,但仍旧保持了高升阻比的气动优势。     

高超声速飞行器气动布局总体性能优化设计研究

总体设计是吸气式高超声速巡航飞行器的关键技术之一.为提高高超声速飞行器的设计水平,获得一个总体性能较优的布局构型,对乘波布局的高超声速飞行器进行了总体优化设计研究.采用多目标遗传算法,以飞行器外形参数作为设计变量,考虑了巡航状态下的气动力、热、雷达散射截面、机体/推进一体化、机身容积、配平特性、静稳定性和机动性等指标.优化设计得到了Pareto最优前沿面,获得了很多总体性能优于基本构型的最优个体.根据设计指标,给出了一个推荐方案作为进一步研究的参考构型,并对它的气动特性进行了风洞实验验证,证明了本文优化设计方法的可行性.     

面对称高超飞行器几何参数与总体性能相关性研究

气动技术是高超声速飞行器的重要支撑技术,气动布局的选择与确定是影响飞行器总体方案论证的重要因素.以一类面对称滑翔飞行器为研究对象,采用针对高超声速飞行器的快速工程算法,建立参数化外形的气动数据库,实现由气动布局要素到总体性能指标的映射,并通过数据分析方法,如相关性分析、灵敏度分析等,梳理出影响高超声速滑翔飞行器不同总体性能的关键气动外形几何参数,并进行相关性排序,研究结果可指导高超声速滑翔飞行器的布局设计及优化.     

美国陆军先进高超声速武器气动问题分析

高超声速飞行器是临近空间飞行器研究的主要类型之一。本文简要介绍美国陆军先进高超声速武器(AHW)计划背景和试验飞行器构型;探讨和分析了AHW的弹道设计、气动布局特点;跟踪美国类似气动布局构型的气动试验研究开展情况,为相关高超声速飞行器的研究提供参考。     

升力体机动飞行器气动布局概念设计

开展高超声速机动飞行器的气动布局概念设计研究,提出一种新的升力体机动飞行器气动布局方案,进行了机体的优化设计,并进行了控制舵的匹配设计,研究了飞行器的气动特性和操纵效率问题。研究表明,该方案可以获得较高的配平升阻比及配平攻角,有较高的机动控制效率,是高超声速飞行器实现高机动的潜在可行方案。     

高超声速巡航飞行器乘波布局气动设计综述

吸气式高超声速乘波飞行器作为可以高效飞行于临近空间空域的运载器,自概念提出以来一直受到世界各国的高度关注,并吸引着众多学者与机构对此开展研究。本文主要从高超声速飞行器发展动态及乘波式气动布局设计技术两个方面展开分析,前者主要包括超燃冲压发动机的发展历程和主要工业国高超声速项目发展动态;后者主要针对受到世界各国高度重视的乘波式气动布局设计技术,较全面地概述了乘波飞行器气动布局设计方法的最新研究进展,在乘波体设计流程、基准流场构建方法、基准流场求解方法、沿展向乘波布局设计方法和乘波体在高超声速气动布局上的应用等方面进行了详细讨论。根据本文综合分析,乘波式气动布局高超声速飞行器由于在高超声速飞行条件下具有优异的气动性能,仍然是高超声速飞行器一体化布局的重要候选布局形式,而且随着材料、推进、导航与控制等技术的飞速发展,面向工程应用的乘波式高超声速飞行器将会很快出现,并将会在航空航天领域发挥重要作用。     

乘波体飞行器气动布局优化设计

由于具有高升阻比,乘波体是高超声速巡航飞行器气动布局的首选方案。文章在求解圆锥激波流场精确解的基础上,应用流线追踪方法,建立了乘波体飞行器气动布局的参数化模型。在此基础上,对飞行器的气动力特性进行了估算。最后,以气动布局参数为设计变量,升阻比最大化为设计目标,对乘波体飞行器进行气动布局优化设计,应用改进的粒子群优化算法(Particle Swarm Optimization,PSO),对优化模型进行求解,得到了优化的气动布局设计方案。     

高超声速巡航飞行器气动布局优化软件设计

从总体性能指标角度出发,采用面向对象的编程方法,基于Visual C 开发了高超声速巡航飞行器气动布局优化软件。整个优化软件分为参数化建模模块、面元生成模块、性能指标计算模块、优化算法模块。各模块之间相对独立,通过函数接口实现互联,具有非常好的可维护性、可重用性和可扩展性。该软件实现了对高超声速巡航飞行器的气动力、气动热、隐身性能、操稳性能等总体性能指标进行气动布局多目标的优化,能够满足高超声速巡航飞行器概念研究和初步设计要求。     

临近空间高超声速 ISR平台作战能力评估

在对临近空间高超声速 ISR(Intelligence,Surveillance,Reconnaissance)平台的使命任务进行简单分析的基础上,建立了临近空间高超声速 ISR平台作战能力评估指标体系。综合考虑高超声速飞行器的研究现状及相关技术的关键度和成熟度,对各个指标进行赋权,构建了临近空间高超声速 ISR平台作战能力的评估准则。运用该评估准则对某临近空间高超声速 ISR平台的概念设计方案进行了作战能力评估,并与美国正在研制的 SR-72进行了对比分析。结果表明:高超声速飞行器气动布局对其作战能力影响较大,在相同航程条件下,高升阻比气动外形能显著提高飞行器的有效载荷装载能力,进而提高飞行器的综合作战能力。研究结果可为高超声速 ISR飞行器的论证、研制以及评估提供技术支撑。     

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。     

分布式协同进化MDO算法及其在导弹设计中应用

 针对现有基于梯度的多学科设计优化 (MDO)算法不适用于具有离散和整数设计变量、设计空间非凸或不连通的多学科设计优化问题,以及倾向于收敛到接近初始点的局部最优点的缺点,为充分发挥进化算法的优越性,根据协同进化与 MDO在本质上的相似性,采用分布式协同进化机制进行 MDO算法研究。提出了分布式协同进化 MDO算法,并将该算法应用于导弹的气动 /发动机 /控制一体化优化设计。     

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。     

Spacecraft optimal rendezvous controller design using simulated annealing

A new global approach for rendezvous Linear Quadratic controller design is presented in this paper. Instead of solving the algebraic Riccati equation, a continuous simulated annealing (SA) algorithm is used to design rendezvous LQ controller. Optimization of one automatic rendezvous controller with 18 design parameters is illustrated. The results show that the SA algorithm can locate the global solution effectively and robust, besides a great number of global solutions have been obtained by the SA. The SA has demonstrated better performance than other optimization algorithms such as floating-coded Genetic Algorithm, Simplex method and Powell algorithm.     

Variable-fidelity optimization with design space reduction

Advanced engineering systems, like aircraft, are defined by tens or even hundreds of design variables. Building an accurate surrogate model for use in such high-dimensional optimization problems is a difficult task owing to the curse of dimensionality. This paper presents a new algorithm to reduce the size of a design space to a smaller region of interest allowing a more accurate surrogate model to be generated. The framework requires a set of models of different physical or numerical fidelities. The low-fidelity (LF) model provides physics-based approximation of the high-fidelity (HF) model at a fraction of the computational cost. It is also instrumental in identifying the small region of interest in the design space that encloses the high-fidelity optimum. A surrogate model is then constructed to match the low-fidelity model to the high-fidelity model in the identified region of interest. The optimization process is managed by an update strategy to prevent convergence to false optima. The algorithm is applied on mathematical problems and a two-dimen-sional aerodynamic shape optimization problem in a variable-fidelity context. Results obtained are in excellent agreement with high-fidelity results, even with lower-fidelity flow solvers, while showing up to 39% time savings.     

一种改进的果蝇优化算法及其在气动优化设计中的应用

果蝇优化算法(FOA)是一种新的群体智能优化算法,具有良好的全局收敛特性。为进一步提高FOA的寻优性能,将其引入到气动优化设计中,发展形成了改进的果蝇优化算法(IFOA)。IFOA通过引入惯性权重函数动态调整搜索步长,有效实现了算法全局搜索和局部搜索之间的动态平衡,提高了算法整体搜索效率和寻优精度;对于多维优化问题,IFOA每次搜索仅随机扰动其中一个决策变量,并在每个迭代步内将所有优秀果蝇个体(可行解)结合产生一个全新的果蝇个体进行一次搜索,大大加快了算法的收敛速度。函数测试结果表明,IFOA显著提高了FOA的寻优性能。将IFOA应用到气动优化设计中,翼型反设计和单/多目标优化设计的算例表明,IFOA是一种简单高效的优化方法,可广泛应用于气动优化设计。     

基于序列采样算法的轮盘减质优化

介绍了一种基于蒙特卡罗表述的空间缩减策略和局部边界线搜索的序列采样算法,该算法利用已有样本点的信息缩减原有设计空间,使得在缩减设计空间上生成的新样本点能够同时具有良好的空间填充特性和投影特性.与已有的序列采样算法的比较结果表明,该算法具有较高的采样效率和采样质量.采用此序列采样算法结合Kriging模型和遗传算法进行轮盘减质优化,优化结果减质10%.该序列采样算法为工程结构的优化提供了一条灵活有效的途径.      

航天器轨迹优化的通用数值方法

给出了航天器轨迹优化的一种通用数值仿真方法，该方法是由静态参数优化和动态参数优化构成，其中，静态参数优化采用可变误差多面体算法，动态参数优化采用基于最优控制理论的共轭梯度方法。     

基于非结构网格空间推进的高超声速飞行器背脊线优化

针对高超声速飞行器背脊线优化进行了研究。结合自由曲面变形(FFD)方法和Hicks-Henne型函数建立背脊线参数化模型,保证了飞行器背部曲面光滑连续。为减少计算耗时,采用非结构网格空间推进方法求解高超声速无黏流场,通过钝锥算例对该方法计算效率和精度进行了参数分析,并对飞行器流场计算进行了验证,对比表明表明:非结构网格空间推进算法计算效率提高4.5倍以上,计算结果与常规时间迭代法符合较好。采用优化拉丁超立方抽样建立响应面模型,分析了各设计变量对目标函数的影响。采用非支配排序NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ)算法以阻力系数和升阻比为目标对背脊线优化,约束飞行器体积变化不超过20%。结果表明,飞行器阻力系数和升阻比呈负相关,优化后阻力系数降低7.1%,升阻比提高16.9%。