小生境遗传算法及其在飞行控制系统中的应用

针对飞行控制系统控制器参数优化问题,提出了一种基于小生境遗传算法的模型参考优化整定策略,并将此策略应用于某型飞机的横侧向飞行控制系统的参数优化中。仿真结果表明,该优化策略能够有效地整定飞行控制系统的参数,具有收敛速度快、编程简单的优点。     

基于均匀设计的小生境遗传算法及其在飞控系统中的应用

将小生境遗传算法(NGA)应用于飞行控制系统(FCS)的优化设计中,需要解决两个问题:如何选择目标函数及如何确定初始种群和算法运行参数。针对这两个问题,分别提出了基于参考模型的飞行控制系统优化策略及基于均匀设计的小生境遗传算法初始种群和运行参数的选择方法,根据规范要求将飞行控制系统的性能指标要求转化到参考模型中,利用均匀设计方法优选出合适的初始种群和算法运行参数。仿真结果表明,所提出的优化策略能够有效地解决飞行控制系统的优化设计问题,小生境遗传算法初始种群分布均匀,收敛速度快。     

伸缩弹翼巡航导弹气动外形优化研究

基于一种伸缩弹翼改变巡航导弹外形的概念,提出超声速巡航与亚声速盘旋相结合的飞行任务,使用Missile Datcom作为气动计算的工具,分别对固定翼、两级伸缩翼和三级伸缩翼的外形参数进行了优化,使三种不同弹翼导弹完成相同飞行任务的燃料消耗分别最小,优化方法选取遗传算法与模式搜索法相结合的混合优化策略.优化结果显示,两级、三级伸缩翼巡航导弹相对固定翼巡航导弹燃料消耗量分别减少7.8%和12%,表明伸缩弹翼有效提高了巡航导弹在整个飞行任务中的气动性能.     

一种相控阵雷达搜索参数设计策略

为实现相控阵雷达探测高超声速目标最远发现距离尽可能大，设计了一种基于改进告警-确认检测方法的搜索参数优化策略。首先根据雷达原理和目标特性指出搜索参数优化需求，分析告警-确认检测基本原理并给出考虑搜索空域内新目标平均出现率的帧时间计算公式，然后以每个波位的告警检测与确认检测的驻留时间和虚警概率为优化变量、以最大化最远发现距离为目标函数建立搜索参数优化数学模型并给出求解步骤，最后对设计方法的有效性进行仿真验证。结果表明，在总虚警概率和每个位置允许的最大驻留时间双重约束下，设计的搜索参数优化策略可以较短的帧时间获得较大的最远发现距离。跟踪负载相同时，设计的搜索参数优化策略优于均匀搜索方法和告警-确认检测方法。     

模式搜索法在飞行品质评价中的应用研究

飞机的飞行品质对飞行安全十分重要。本文针对飞行品质评价中的低阶等效系统拟配问题,利用模式搜索法对飞机的横航向运动低阶模型的未知参数进行辨识。结果表明,使用模式搜索法的拟配效果良好,且不受初值的影响,通过算法优化,使运算效率大大提高。     

一种改进粒子群算法及其在飞控系统中的应用

针对标准粒子群优化算法过早地陷人局部最优问题,提出了一种改进的粒子群优化算法,引人基于均匀设计区域选取的变异算子和改进的自适应权重来提高种群多样性和粒子群搜索效率,并应用于某飞行控制系统的优化调参.通过该方法,不但可以降低结果过早陷人局部最优的可能性,而且还提高了飞行控制系统优化调参的效果,仿真实验验证了该设计方法的有...     

基于遗传算法的RTA进场飞行参数优化

为降低民航客机在进场过程中的燃油消耗,同时满足要求到达时间约束,研究了连续下降运行模式下的飞行参数优化方法。首先,建立进场模型,并提出飞行参数计算方法;其次,为快速计算出要求到达时间约束下的节油马赫数和指示空速,基于精英保留策略的遗传算法建立了该约束下的飞行性能参数优化模型;最后,选取B737-800飞机进行仿真验证。结果表明,该优化模型能有效计算出节油飞行参数,计算所得马赫数和指示空速对空管和航空公司运行有较大的指导意义。     

基于Fibonacci搜索方法的航空发动机性能寻优

介绍了Fibonacci搜索方法应用于发动机性能优化中的原理,建立带两个出口面积、气流马赫数可变的引射器的涡喷发动机的总体性能计算模型,应用Fibonacci搜索方法在优化参数区间内对该发动机进行了最大推力、最低油耗、最低涡轮前温度模式的寻优.举例说明了Fibonacci搜索方法应用的具体过程.给出了不同高度、马赫数下的寻优结果.结果表明:最优目标性能满足的约束边界与飞行高度、马赫数密切相关.不同的飞行高度、马赫数对应了不同的最优控制策略.但不论飞行任务如何,根据该方法进行的优化控制所获得的目标性能是最佳的.该优化方法不仅适用于该类涡喷发动机,也为其他类型航空发动机的优化控制打下一定的基础.      

基于两级优化策略的导弹可变翼优化设计

针对多任务、可变翼导弹的外形优化设计需求,提出了一种两级优化方法,研究变形弹翼对导弹总质量和飞行性能的影响。在给定的任务和基准方案下,采用遗传算法和模式搜索法混合优化策略,完成了弹翼优化。结果显示,优化后的导弹发射质量和燃料消耗分别减小了5.46%和15.25%。     

俯仰敏捷性评估与影响因素研究

建立了现代高机动性能战斗机俯仰敏捷性仿真计算数学模型和机动飞行时的操纵动作，以Ｆ－１６战斗机为例，计算并讨论了初始飞行状态以及飞行控制系统参数对战斗机俯仰敏捷性的影响。结果表明，选择适当的飞行状态，有利于更好地发挥飞机的俯仰敏捷性；降低飞机整体系统的阻尼，将有利于提高飞机的俯仰敏捷性；控制系统有关参数的设计，除考虑飞行品质要求外，还需综合考虑飞机敏捷性等方面的要求。     

考虑轴承游隙的非线性动力学轴承-转子系统优化

针对一类带动态性能约束的轴承-转子系统优化设计存在的问题,做如下改进工作:一是在目前一类轴承-转子系统优化模型基础上,将轴承游隙作为设计变量,考虑轴承游隙的影响;二是提出了一种演化算法/线性搜索的混合算法,将优化过程分为两个阶段,首先采用演化算法对问题全局寻优,求得给定代数时的优化解,再以此解作为新的初始解,采用线性搜索方法进行局部搜索.经数值仿真表明:该优化模型中增加考虑轴承游隙后,对优化结果有较大影响;提出的混合算法克服了使用线性搜索方法难以确定初始解的问题,在同等计算精度和耗时情况下,该方法求解成功率较高.      

非线性摩擦失谐叶片排序并行退火算法

基于叶片模态实验获得的叶片失谐参数,基于非线性摩擦阻尼分析提出一种失谐叶盘结构的集中参数模型.综合模拟退火算法的局部搜索能力和遗传算法的全局搜索能力,并引入禁忌表作为搜索记忆表,提出了一种应用模拟退火进化算法附加禁忌表的叶片排序优化方法.同时结合图形处理器运算设计了基于compute unified device architecture(CUDA)的并行算法并且分析其算法性能.研究表明:基于并行框架寻优可以获得4.5倍的加速,同时按照优化后方案安装,可以明显降低叶盘系统振动响应幅值与方差.      

基于混合遗传算法的航空发动机PID控制参数寻优

结合某型航空发动机的比例积分微分控制(PID)参数整定与优化问题, 提出了一种全局最优且与初值无关的优化算法.算法采用与单纯形相结合的混合遗传算法, 结合了遗传算法良好的全局收敛性和单纯形算法的优秀的局部搜索能力, 提高了搜索速度与精度.仿真结果表明这种方法具有较好的收敛性与稳定性.      

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

多变量气动设计问题分层协同优化

 通过验证实例分析,气动设计中精细化优化模型对设计结果收敛精度的提高有很大帮助,但同时也带来优化算法搜索困难的问题,并且由于不同类型设计变量之间的相互耦合干扰使优化难以收敛到全局最优解。于是提出基于响应均值灵敏度的概念对大规模的设计变量进行重要性分组的策略,依据设计变量分组情况应用系统分解思想对多变量设计问题进行分层协同优化来降低系统的复杂度,这既保证了精细化设计的要求,又缓解了优化算法对大规模问题搜索困难的问题。与传统气动优化方法相比,基于系统分解的分层协同优化算例有较大寻优效率和性能提升,证明了该方法的可行性。     

应用混合演化策略的机翼气动优化设计

把基于实数编码的遗传算法与可变容差法相结合,建立了数值优化设计中的混合演化策略(HES),并将其与机翼的气动分析相结合进行跨音速机翼的气动优化设计.与基准机翼相比,优化设计的机翼其气动性能有较大程度的改善,表明了混合演化策略在机翼优化设计中的有效性.与单纯的遗传算法(GA)相比,应用混合演化策略的气动优化设计具有更高的优化效率和优化质量.     

非线性下降因子智能单粒子算法

下降因子是基本智能单粒子算法中一个非常重要的参数,控制着算法由全局搜索转向局部搜索的速度,平衡算法的全局和局部搜索性能。基本的智能单粒子算法采用定值下降因子,不能随着计算的需要实时作出调整,对算法的性能造成了一定的不利影响。在基本的智能单粒子算法基础上,通过引入最大下降因子和控制因子这两个参数,提出一种基于非线性策略下降因子智能单粒子算法,成功地使得下降因子能够根据计算的需要而实时改变。函数测试和气动优化结果表明,改进算法能在相同的计算规模下获得比基本智能单粒子算法更好的解。     

增广拉格朗日子集模拟优化方法

传统的工程结构优化设计方法在求解多设计变量、多约束条件的结构优化设计问题时,存在诸多不足,针对上述问题,基于增广拉格朗日约束处理方法和子集模拟优化方法发展一种新的结构优化设计方法——增广拉格朗日子集模拟优化方法(ALSSO).该方法首先利用拉格朗日乘子法处理多重约束条件,然后利用子集模拟优化方法对转化后的无约束优化问题进行求解;对罚函数因子的更新方法进行改进,以保证收敛过程的稳定性;利用两个算例对该方法的计算精度、稳健性以及计算效率进行验证,并与其他优化方法进行对比.结果表明:增广拉格朗日子集模拟优化方法具有非常优秀的寻优性能.     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

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。