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。     

舰载机着舰飞行/推力补偿控制律多目标综合优化设计

对舰载机着舰飞行/推力补偿综合控制问题进行了研究。在满足飞行品质要求下,为提高飞行/推力补偿系统抗舰尾流干扰能力及着舰下滑航迹的控制精度,提出了一种基于改进粒子群算法的飞行/推力控制律综合优化设计方法,实现了舰载机着舰控制的飞行品质、抗干扰能力及下滑航迹控制精度的综合优化。在算法的搜索过程中,粒子群模拟鸟类捕食过程自适应聚集为多个动态调整的子群,从而有效维持种群的多样性,抑制早熟收敛现象发生。最后,采用美国F/A-18A舰载机参数进行了数值仿真,仿真结果表明,该方法可有效提高控制律优化设计效率,不但能满足期望的飞行品质要求,同时,还可改善系统的抗干扰能力,提高着舰下滑航迹的控制精度。     

基于闭环准则的LQG/LTR飞行控制律优化设计

针对LQG/LTR飞行控制律设计中加权矩阵的选取问题,提出了一种基于闭环准则的LQG/LTR飞行控制律优化设计方法。以俯仰姿态控制律优化设计为例,首先基于闭环准则选取了满足一级飞行品质要求的参考模型,并基于该参考模型使用粒子群优化算法优化得到了两个加权矩阵,从而得到了卡尔曼滤波器和相应的目标反馈回路。进而借鉴飞机等效系统拟配的方法,优化得到了另两个加权矩阵,从而得到了LQG最优控制器,完成了回路传递恢复的优化设计。仿真结果表明,通过该方法能够快速自动地选取合适的加权矩阵,使得优化设计的LQG/LTR飞行控制律较好地满足了俯仰姿态控制的要求。     

基于响应类型的直升机悬停状态显模型跟踪控制律设计

现代战场使用环境对直升机的飞行品质要求越来越高,使用电传飞控系统可大幅改善直升机的飞行品质,本文以电传飞控系统为研究对象,进行面向特定任务的具体指标要求的控制律设计。首先,根据ADS-33E飞行品质规范要求构造出满足悬停状态下俯仰轴ACAH响应等级1要求的指令模型;其次,以该指令模型构建显模型,通过反馈补偿算法进行跟踪偏差修正的模型跟踪控制律设计,最终得到整个闭环系统俯仰姿态满足飞行品质等级1要求的控制律构型和参数。通过MATLAB仿真验证了该设计方法的合理性和有效性。     

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。     

基于改进差分进化算法的飞行控制律评估方法

 针对基本差分进化(DE)算法收敛慢、易陷入局部最优的问题,提出了基于混沌理论(CT)与高斯扰动的DE算法,进而通过典型测试函数仿真证明了该方法在收敛速度与全局搜索能力方面均优于基本型和其他改进型DE算法。在此基础上构建了基于DE算法的飞行控制律评估流程与实施步骤。实例表明,该方法克服了传统评估方法的缺陷,可在全飞行包线范围内及所有可预测参数摄动情况下对飞行控制律进行快速、准确的评估。     

多操纵面受限控制直接分配新算法

针对多操纵面受限控制分配问题,提出了一种新的直接分配算法———平行边搜索法。该算法通过坐标变换和投影,将n(n≥3)维目标的受限控制分配问题转化为若干2维目标的受限控制分配问题,在大大降低了计算复杂度的同时,也改进了其它直接分配算法只能分配3维目标的缺陷。此外,新算法还放宽了控制效率矩阵中任意n列向量都线性无关的条件,并且对于所有情况都能得到最优解。经仿真验证,新算法与其它控制分配算法相比,具有更小的计算复杂度和分配误差,能够满足实时性和精确性的要求。     

程序调参飞行控制律的神经网络实现

为保证飞行品质,现代飞机中多采用程度调参飞行控制律,由于调参规律的高度非线性,使得控制律的工程实现相当困难。为此,对程序调参飞行控制律的神经网络实现方法进行了研究。通过应用ＢＰ神经网络逼近非线性调参规律。探讨了用ＢＰ网络实现程序调参飞行控制律的一般方法,给出了网络的结构及其优化算法,并以某型飞机电传操纵系统倾斜阻尼通道的程序调参控制律为例,对该实现方法进行降验证。结果表明,实现精度符合工程要求。     

基于模型跟踪的弹性飞行器鲁棒控制律设计

针对一种大弹性效应飞行器的控制问题进行研究,该类飞行器的首阶弹性振动频率极低,接近于短周期模态。高阶弹性飞行器的动力学特性与刚性飞行器存在本质的差别,无法利用传统控制方法达到要求的飞行品质,而且抗干扰性和鲁棒稳定性更差。将模型跟踪方法与H∞混合灵敏度方法结合,设计了考虑气动弹性影响的综合飞行控制律,并针对弹性飞行器的特点设置输入、输出权函数,对飞行品质、抗干扰性和鲁棒性等多个设计目标进行折衷。计算结果表明,该方法可以满足弹性飞行器控制多方面的设计要求。     

基于混合并行多目标禁忌搜索算法的飞机总体优化设计研究(英文)

基于飞机总体设计中的多目标优化问题,采用了一种全新的混合并行多目标禁忌搜索算法。文章首先提出了一种创新的多目标禁忌搜索(MOTS)算法,该算法在传统的MOTS的基础上,增加了TS算法与"Pareto解"的融合机制、优秀解保留机制、"多方向搜索"策略等新的元素。随后又将该算法作了改进,创立了并行多目标禁忌搜索算法。最后在此基础上将并行多目标禁忌搜索与基于向量排序的多目标遗传算法相结合,提出了一种新的混合算法—混合并行多目标禁忌搜索算法。通过对以上各种算法运行结果的比较,得出如下结论:与改进前的多目标禁忌搜索算法相比,并行的MOTS运行结果更优,而混合的MOTS的结果又比前两者更胜一筹。     

一种用于干扰效果评估的闭环制导模拟方法

针对干扰效果评估需求,提出了一种简便易行的闭环制导模拟方法,即将导引头装在飞艇上,利用导引头测量输出的目标信息,按照导引律的要求,实时引导和控制飞艇向目标方向做制导飞行,以模拟闭环制导控制过程.利用电视导引头搭载飞艇,设定直接瞄准法导引律,完成了多个航次的闭环制导飞行试验.结果表明：飞艇飞行航迹与直接瞄准法导引律要求的理论航线基本一致,飞艇纵轴与目标视线的夹角以及导引头测量输出的离轴角均小于1°,也满足直接瞄准法导引律的要求,从而初步验证了所提出闭环制导模拟方法的可行性.这种作制导飞行的飞艇和导引头,可形象直观地演示、验证干扰效果.     

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。     

基于群智能算法的鲁棒飞行控制律参数优化

针对飞行控制律设计过程中由于名义模型和实际飞机之间的参数偏离所导致的不确定性问题,基于传统频域分析法、μ分析以及蒙特卡洛拉偏仿真分析,提出了一种控制律优化算法。该算法以控制系统的时域、复域、频域以及多输入多输出(MIMO)系统的μ值组合而成的不满足概率来构建代价函数,再通过混合遗传粒子群算法进行代价函数最值的迭代寻优,最终得到最优反馈控制增益参数。以某小型无人机横航向控制律为例开展分析和优化,结果表明优化后的控制律既能满足飞行性能响应指标要求,又具有满意的鲁棒稳定性,验证了该算法具有良好的优化作用。     

基于MDO技术的飞机操纵面参数/飞行控制律多目标优化设计

 为克服多学科可行法存在的缺点,采用响应面近似模型进行系统分析从而减少计算量,并将该方法应用于具有多操纵面布局的无尾无人机多目标优化设计中,解决了操纵面几何参数和全包线飞行控制律的一体化设计问题。利用试验设计方法及径向基神经网络技术,建立了飞机操纵面的气动效益近似模型和控制学科的近似模型;应用所提方法及多目标遗传算法进行优化,得到一组Pareto解;采用模糊决策技术从中选取一个解作为数学规划方法进一步优化的初值点,从而得到最终解。仿真结果表明了所提方法的有效性。     

基于Kriging模型的旋翼翼型优化设计研究

以基于进化算法的多目标优化方法为基础,结合多目标优化设计Pareto解的思想和约束处理机制,采用Kriging代理模型和基于B样条的翼型表示方法,建立了旋翼翼型的优化设计系统.代理模型采用均匀设计进行模型采样,在优化过程中根据EI(expected improvement)准则动态增加采样点来调整代理模型的精度.采用B样条方法进行翼型参数化,保证了翼型的光顺性.在翼型的气动性能分析中引入转捩模型提高阻力计算的精度.利用该系统对旋翼翼型进行了优化设计,经风洞试验验证,满足设计要求.     

基于相对方位信息和单间距测量的多智能体编队协同控制

由多个载体组成的多智能体系统对复杂环境具有更高的适应性,能够完成传统单个载体无法完成的任务。针对多智能体编队集结与队形移动跟踪问题,提出了一种改进的多智能体编队协同控制新算法。首先,以拒止环境下跟随智能体仅能通过光学传感器测量相对方位信息为任务背景,针对"领导者——第一跟随者"结构的多智能体编队,提出了基于相对方位信息与单间距测量的控制器,使得第一跟随者智能体可以追随移动的领导者智能体,并且可以通过改变与领导者智能体的间距对编队整体队形进行缩放控制。其次,提出一种了改进的分布式控制律,使得其他跟随者智能体可以仅通过两个相对方位信息完成编队飞行。然后,根据Lyapunov第二方法,构建了系统的能量函数,验证了所提出算法的稳定性。最后,通过数值仿真实验对所提算法进行了验证。仿真结果表明,基于该控制律多智能体系统能够完成编队集结、队形缩放和编队飞行的任务。     

遗传算法在多级压气机气动优化设计中的应用

用遗传优化算法结合流线曲率法管流流场求解器建立了一种多级压气机多目标气动优化设计方法.优化目标为总压比和绝热效率最大, 决策变量为转子和静子叶排尾缘速度环量.测试结果表明, 该优化算法的搜索效率和全局性都较好.用该方法对一台5级高压压气机进行了气动优化设计, 压气机性能有了明显提升.      

基于飞行品质的飞机控制增稳系统参数估计

提出了一种控制增稳系统参数的设计方法,即利用低阶等效系统和飞行品质边界,通过搜索算法确定满足对应飞行品质的参数集合,再利用多种飞行品质确定的参数集合的交集和数据的插值算法,确定控制增稳系统的控制律参数。通过纵向增稳系统设计仿真表明,所提方法简化了传统设计方法通过性能指标反复选择参数和验证系统飞行品质的过程,为控制增稳系统的设计提供一种简单有效的方法。     

飞机机械操纵系统(MCS)优化设计

 针对国内飞机 MCS设计理论指导不足 ,MCS不能保证达到一级规范要求 ,提出以规范为目标 ,最优化设计 MCS的方法 ,并运用该方法对某飞机 MCS进行了改进设计 ,使该飞机的操纵品质在飞行包线内都达到一级品质要求