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。     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

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。     

Multidisciplinary Design and Optimization of Multistage Ground-launched Boost Phase Interceptor Using Hybrid Search Algorithm

This article proposes a multidisciplinary design and optimization (MDO) strategy for the conceptual design of a multistage ground-based interceptor (GBI) using hybrid optimization algorithm, which associates genetic algorithm (GA) as a global optimizer with sequential quadratic programming (SQP) as a local optimizer. The interceptor is comprised of a three-stage solid propulsion system for an exoatmospheric boost phase intercept (BPI). The interceptor's duty is to deliver a kinetic kill vehicle (KKV) to the optimal position in space to accomplish the mission of intercept. The modules for propulsion, aerodynamics, mass properties and flight dynamics are integrated to produce a high fidelity model of the entire vehicle. The propulsion module comprises of solid rocket motor (SRM) grain design, nozzle geometry design and performance prediction analysis. Internal ballistics and performance prediction parameters are calculated by using lumped parameter method. The design objective is to minimize the gross lift off mass (GLOM) of the interceptor under the mission constraints and performance objectives. The proposed design and optimization methodology provide designers with an efficient and powerful approach in computation during designing interceptor systems.     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.      

船舶电力推进永磁容错电机模糊自适应PI控制

永磁容错电机(FTPMM)综合了永磁同步电机和开关磁阻电机的优点,可作为电推船的推进电机。在研究船用FTPMM结构及数学模型的基础上,对电机采用模糊自适应PI控制。误差大时,增加误差控制作用的权重,提高系统响应速度；误差小时,增加误差变化量控制作用的权重,使系统尽快进入稳态。通过仿真对比分析了模糊自适应PI控制策略相较于普通PI控制的优越性,并验证了其在船舶电力推进系统中应用的可行性。     

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。     

飞机的电动力系统技术概述

电动力系统是一种使用电能的新型飞机推进系统,具有环境友好、高效节能等优点,有望推动飞机实现革命性发展。本文介绍太阳电池、锂离子电池、燃料电池、电机等关键部件／子系统技术的现状、关键技术,并给出统计数据;重点分析了电动力系统的设计技术,包括蓄电池（锂电池）、太阳电池和燃料电池三种纯电动力系统以及基于活塞动力和基于电动力两...     

基于分解策略的SSO发射轨道遗传全局优化设计

提出了基于轨道分解优化和遗传算法（GA）的SSO发射轨道优化设计策略。针对多个轨道段相互耦合问题,基于分解优化策略,将整个发射轨道设计问题分解为两个轨道段设计问题。为了高效可靠地获得全局最优解,对基本遗传算法进行了改进。首先提出了基于多变异操作等改进措施的改进遗传算法;此外,结合遗传算法的全局搜索特性和Powell算法的局部搜索特性,设计了一种串行混合遗传算法。一个二级SSO运载火箭的计算结果表明,轨道分解优化策略确保了问题的成功求解,改进遗传算法和混合遗传算法均可稳定地获得全局最优解,但是混合算法更有效地提高了GA性能。     

一种基于生物趋化的改进粒子群算法

针对标准粒子群算法进行多极点函数优化时易导致早熟收敛及陷入局部最优的问题,把生物趋化原理引入到粒子群优化算法中,改变传统粒子群优化算法只存在吸引操作而没有排斥操作的单向性,提出一种保持种群多样性的改进算法,并对其关键参数的选择进行了研究。仿真实验结果表明,与传统粒子群优化算法相比,基于生物趋化的粒子群算法对于处理复杂的多峰函数或优化问题,可显著提高算法的全局寻优性能。     

基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。     

电动无人机动力系统建模与实验

基于叶素修正理论和三维机翼气动系数计算公式,提出了一种分析双叶定距螺旋桨的新方法.并根据外转子无刷电动机工作原理及其特性,建立起电动无人机动力系统性能特性计算的数学模型.使用该模型分析了17组不同螺旋桨和电动机的零空速实验数据,结果表明:该模型原理正确,精度较高,且具有良好的工程操作性,能够有效提高电动无人机动力参数设计的可信度和精度.      

An efficient aerodynamic shape optimization of blended wing body UAV using multi-fidelity models

This paper presents a novel optimization technique for an efficient multi-fidelity model building approach to reduce computational costs for handling aerodynamic shape optimization based on high-fidelity simulation models. The wing aerodynamic shape optimization problem is solved by dividing optimization into three steps—modeling 3D(high-fidelity) and 2D(lowfidelity) models, building global meta-models from prominent instead of all variables, and determining robust optimizing shape associated with tuning local meta-models. The adaptive robust design optimization aims to modify the shape optimization process. The sufficient infilling strategy—known as adaptive uniform infilling strategy—determines search space dimensions based on the last optimization results or initial point. Following this, 3D model simulations are used to tune local meta-models. Finally, the global optimization gradient-based method—Adaptive Filter Sequential Quadratic Programing(AFSQP) is utilized to search the neighborhood for a probable optimum point. The effectiveness of the proposed method is investigated by applying it, along with conventional optimization approach-based meta-models, to a Blended Wing Body(BWB) Unmanned Aerial Vehicle(UAV). The drag coefficient is defined as the objective function, which is subjected to minimum lift coefficient bounds and stability constraints. The simulation results indicate improvement in meta-model accuracy and reduction in computational time of the method introduced in this paper.     

A strategic flight conflict avoidance approach based on a memetic algorithm

Conflict avoidance （CA） plays a crucial role in guaranteeing the airspace safety. The cur- rent approaches, mostly focusing on a short-term situation which eliminates conflicts via local adjust- ment, cannot provide a global solution. Recently, long-term conflict avoidance approaches, which are proposed to provide solutions via strategically planning traffic flow from a global view, have attracted more attentions. With consideration of the situation in China, there are thousands of flights per day and the air route network is large and complex, which makes the long-term problem to be a large-scale combinatorial optimization problem with complex constraints. To minimize the risk of premature convergence being faced by current approaches and obtain higher quality solutions, in this work, we present an effective strategic framework based on a memetic algorithm （MA）, which can markedly improve search capability via a combination of population-based global search and local improve- ments made by individuals. In addition, a specially designed local search operator and an adaptive local search frequency strategy are proposed to improve the solution quality. Furthermore, a fast genetic algorithm （GA） is presented as the global optimization method. Empirical studies using real traffic data of the Chinese air route network and daily flight plans show that our approach outper- formed the existing approaches including the GA .based approach and the cooperative coevolution based approach as well as some well-known memetic algorithm based approaches.     

一款基于双面水冷IGBT的双电机控制器开发与验证

针对双电机混合动力汽车开发了一款双电机控制器。阐述了该控制器的总体设计方案,从系统的结构、硬件、软件进行了分析,提出了基于双面水冷IGBT的双电机控制器设计方案,并对双面水冷散热器进行了热仿真,研究了IGBT模块的散热效果。最后,对试验样机进行了台架试验,由试验波形可看出,所设计的双电机控制器具有良好的控制效果。     

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.      

Hybrid uncertainty-based design optimization and its application to hybrid rocket motors for manned lunar landing

Design reliability and robustness are getting increasingly important for the general design of aerospace systems with many inherently uncertain design parameters. This paper presents a hybrid uncertainty-based design optimization (UDO) method developed from probability theory and interval theory. Most of the uncertain design parameters which have sufficient information or experimental data are classified as random variables using probability theory, while the others are defined as interval variables with interval theory. Then a hybrid uncertainty analysis method based on Monte Carlo simulation and Taylor series interval analysis is developed to obtain the uncer-tainty propagation from the design parameters to system responses. Three design optimization strategies, including deterministic design optimization (DDO), probabilistic UDO and hybrid UDO, are applied to the conceptual design of a hybrid rocket motor (HRM) used as the ascent propulsion system in Apollo lunar module. By comparison, the hybrid UDO is a feasible method and can be effectively applied to the general design of aerospace systems.     

基于微分进化算法的深空小推力轨道优化设计

针对多目标多任务的深空探测轨道优化设计问题,基于以太阳为主引力体的二体模型,采用电推进小推力系统,提出了将目标行星的探测方式、探测顺序、发射窗口同时进行全局优化的解决方案.依此建立小推力轨道优化设计算法模型,利用微分进化算法进行全局一体化优化设计,得出多目标多任务的一体化深空探测轨道.通过与相同条件下其他设计方法的结果比对分析得出：基于小推力推进方式并采用微分进化算法进行优化的轨道优化设计方案,在多目标多任务深空轨道一体化设计问题上具有可行性及应用价值.     

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.      

非线性主轴降维映射法在固体火箭发动机设计优化中的应用

为在二维或三维空间中表达固体火箭发动机高维设计空间,引入非线性主轴降维映射法对多维非线性设计优化问题进行降维处理。以某大型固体火箭发动机设计问题为例,将10变量4有效约束优化问题降维映射到二维空间进行研究,拟合的非线性主轴降维映射模型中,目标函数和约束函数的相对误差控制在1.5%以内。研究表明,非线性主轴降维映射法具有发现多变量非线性优化数学模型本征特性的特点,能对设计变量重要性排序;通过降维展示设计空间全景,为优化算法和优化初始点优选提供了直观、有力的工具;优化轨迹实时展示为优化算法性质研究及算法切换提供了依据;根据优化轨迹从优化结果在降维空间中的位置能够判断优化结果是否具有全局最优解特性。