基于遗传算法的无人机多目标协作优化

为充分利用随控布局的优点,提出了集成飞行动力学与控制的无人机多学科设计优化(MDO)框架。针对任务需要选定了控制结构及对应的目标函数和约束,确定了能够处理更多目标函数和约束的鲁棒多学科设计优化方法。由于传统约束非线性规划的求解困难,提出了基于遗传算法的二级多目标协作优化方法。优化结果表明,基于遗传算法的多目标协作优化较传统协作优化更容易收敛。飞行动力学与控制的集成,给无人机在概念设计阶段提供了更大的外形设计自由度。     

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。     

高超声速飞行器再入轨迹多目标优化

针对飞行器再入轨迹多目标优化问题,提出了一种基于粒子群算法与层次分析法的综合求解策略。首先,根据飞行器的动力学模型以及再入约束条件,建立了飞行器多目标优化模型;然后,考虑到粒子群算法只能求解无约束单目标问题,采用罚函数处理飞行过程中的约束条件和优化目标;最后,针对不同约束及目标的权重对再入轨迹的影响,利用层次分析法建立包含主观评估信息的优化模型,采用粒子群算法优化求解满足相应约束条件的再入轨迹问题。仿真结果表明,该方法所生成的优化轨迹具有较高的精度和计算效率,并对设计者的主观需求有良好的体现。     

旋翼翼型多目标多约束气动优化设计

为了克服传统旋翼翼型优化设计方法的不足,发展了一种基于Kriging模型与遗传算法的旋翼翼型多目标多约束气动优化设计方法。采用基于雷诺平均Navier-Stokes方程的数值模拟获得样本翼型气动性能,并建立目标函数和状态函数的Kriging模型,采用遗传算法搜索Kriging模型最小值和相应的EI(Expected Improvement)函数最大值,更新Kriging 模型直至找到满足约束的最优翼型。运用加权目标函数法进行了旋翼翼型的多设计点优化设计。优化结果表明,优化后旋翼翼型在满足约束的同时,与基准旋翼翼型OA209相比:在悬停状态下,阻力系数下降了2.1%;在机动状态下,最大升力系数提高了4.2%;在前飞状态下,阻力系数在不同马赫数下均有所减小。     

基于改进非支配排序遗传算法 的维修资源优化配置

针对在武器装备维修保障过程中出现的资源短缺、资源冲突等问题,构建了多目标的维修资源优化配置模型,并且基于加权思想将多目标转化为单目标以方便求解。针对遗传算法求解多目标优化问题存在的解空间过大、收敛速度慢、计算效率低等问题,提出了基于约束的改进非支配排序遗传算法对资源优化配置模型进行求解。实例分析结果验证了模型及算法的可行性和有效性。     

多航路点协同约束下的飞机性能参数优化

针对多航路点协同约束下飞行轨迹预测中飞机性能参数优化问题,依据飞机进场剖面构建了飞机进场轨迹,并提出了飞机进场航路点协同约束合理性的验证方法。创建了两种多目标适应度函数并进行对比、选择,在简化问题复杂性的同时保证了优化模型运行的稳定性,并基于多目标遗传算法建立了优化求解模型。仿真结果表明,该优化模型能对具有多个航路点协同约束下的节油飞机性能参数进行有效求解,使用非线性适应度函数较线性适应度函数综合稳定性提升了161. 67%,所提出的RTA约束窗口大小设置方法对空管实际运行有指导意义。     

基于遗传算法与近似模型的全局气动优化方法

开发了基于精英保留策略与小生境技术的求解有约束优化问题的改进遗传算法,并用一多峰值有约束函数对其寻优能力进行了测试。为了降低气动优化设计时间,提出了集成实验设计、三维粘性流场求解程序、二次多项式近似模型、改进遗传算法的具有全局寻优能力的三维气动优化设计体系。采用该方法对NASA Rotor37动叶片叶型进行了以绝热效率最大为目标的优化设计,优化后叶片绝热效率提高1.1%。该结果表明了本优化设计体系省时、高效的特点。     

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

基于非结构网格离散伴随方法的机翼多点多约束无粘优化设计

采用基于目标函数的非结构网格离散伴随方法进行机翼多约束单点和多点组合无粘减阻优化设计。通过基于目标函数的离散伴随模型计算目标函数梯度,考虑多种典型几何和气动约束,采用拉格朗日方法求解多约束优化问题,利用径向基函数进行几何模型参数化。对M6机翼单点和多点组合优化展示了本文优化设计系统的有效性,能够较好地满足工程实际需求。     

基于遗传算法的直升机总体优化设计

遗传算法是一种可以混合整型、离散型和连续型变量一起使用的新兴优化算法，在单或多目标带约束优化设计领域有广阔的应用空间。本文在算例中采用与先验法相结合的遗传算法，以总体参数为设计变量，飞行性能和结构要求为约束条件，换算生产率为目标函数，并使用罚函数法处理成无约束的适应度函数，建立优化设计模型。对本文算例计算结果进行分析，可以使遗传算法更好地应用到直升机优化设计领域。     

翼身融合布局客机总体参数分析与优化

在翼身融合布局客机总体设计阶段，为评估设计方案的总体性能，建立了翼身融合布局客机总体参数综合分析与优化平台，该平台以翼身融合布局客机的几何参数为输入，完成动力、几何、重量、气动、性能和经济性等模块分析，并以此为基础建立优化设计模型。为快速评估设计方案的性能及优化设计效果，动力分析模块采用了部件级分析模型，重量分析模块采用半经验估算方法，气动分析模块采用面元法结合工程估算方法，性能分析模块采用简化运动学方法，优化模型采用可并行计算的子集模拟优化算法。以某555座级翼身融合布局客机方案为例，应用开发的分析与优化平台，完成了总体参数分析，结果表明分析模型合理。在此方案的基础上，以客机的外形参数和发动机海平面最大推力为设计变量，分别建立了以最大起飞重量最小为目标的单目标优化，以及同时以直接使用成本和进场速度最小为目标的多目标优化，单目标优化结果最大起飞重量降低了约7.17%，多目标优化结果表明直接使用成本降低8.77%的同时进场速度会增加3.32%。     

双三相永磁同步发电机多目标优化设计

为实现双三相永磁同步发电机(PMSG)的低固有电压调整率、高发电效率和低成本的特性,研究了侧重于降低固有电压调整率的多目标优化设计方案。采用解析法建立单元电机磁链模型,以永磁体磁化方向长度、永磁体所跨弧长和单元电机相绕组匝数为设计变量,分析上述参数对固有电压调整率、发电效率等评价指标的影响,并提出了基于权重系数的多目标优化函数。分别用标准遗传算法(SGA)、差分进化算法(DE)和基于以上2种算法的混合遗传算法(HGA)优化设计参数并进行对比。试验结果表明,HGA优化效果与设计目标具有良好的一致性,与初始设计参数相比,优化后的电机输出能力以及稳压能力均有所改善。     

跨音速透平叶栅多目标优化设计

本文在应用二维Euler方程及边界层方程相结合的跨音速粘流的计算方法基础上,以叶栅损失和做功能力为目标函数,采用无量纲化的多目标最小偏差法构造统一函数,然后采用可变容差法进行优化求得较为满意的解,从而形成了一种带有多混合变量、多约束以及多目标的跨音速叶栅优化设计方法。      

基于多目标遗传算法的航空发动机PID控制器参数优化

提出了1种基于多目标遗传算法以及多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用改进非支配解排序的多目标遗传算法（NSGAII）求出了Paret0最优解;用这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行了权值计算,然后采用逼近理想解的排序方法（TOPSIS）进行了多属性决策（MADM）研究,对Pareto最优解给出了排序;计算了某型航空发动机PID控制的数值算例,结果表明所提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

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.      

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。     

飞机飞行控制系统参数多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异,从而有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,使用改进的粒子群优化算法对某型飞机纵向控制律设计进行数值仿真,结果显示,算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

基于灵敏度分析的飞行器稳健设计优化方法

提出了一种基于灵敏度分析的稳健设计优化方法。针对设计变量存在扰动的不确定性问题,在原有优化数学模型上,增加了准则函数和约束函数的灵敏度附加项。采用全局灵敏度方程来计算准则函数及约束函数对设计变量的灵敏度,进而得出新的优化问题数学模型,得到问题的稳健性解。将上述方法应用到轻型飞机的总体设计中,对飞机重量、气动和性能模块进行多目标优化,得出最优解,并与已有的飞机进行对比和分析。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。