高超声速飞行器尾喷管的优化设计

以喷管上壁折转角、下壁长度、舵面长度及其折转角为设计变量,结合遗传算法和特征线法对高超声速飞行器尾喷管进行了优化设计,并对设计变量进行了参数研究.结果表明,所采用的优化设计方法计算效率高且比较准确,特别适合于高超声速飞行器尾喷管的优化设计;所采用的4个设计参数均能有效地影响尾喷管的气动性能,其中喷管上壁折转角和舵面折转角分别对喷管的升力和推力的影响相对明显,对其进行均衡选择方能得到最优的结果.      

应用于卫星自主任务调度的改进遗传算法

针对具有侧摆能力的对地观测卫星的自主任务调度问题,对卫星自主任务调度问题和约束条件进行了描述,针对卫星自主任务调度NP-hard的特点,构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法,从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成,保证了种群的多样性,并且交叉和变异算子均引入自适应概率;同时采用两代竞争技术来避免“早熟”现象,提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解,使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法,并针对区域密集目标的观测问题设计了仿真试验,与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较,验证了该算法的有效性和收敛效果。     

飞翼布局飞机控制/气动/隐身多学科优化设计

飞翼布局是先进飞机广泛应用的布局形式.飞翼布局飞机总体设计阶段不仅要考虑其隐身和气动要求,还必须高度重视控制系统的影响.以飞翼布局飞机为对象,研究控制、气动与隐身多学科优化的策略和方法.建立了适合在各学科的子空间进行多目标优化的流程,基于学科分析分配各个子空间的设计变量,并通过变量综合形成系统级的设计变量.在优化过程中,综合采用了改进的遗传算法和近似模型构造方法.针对飞翼布局飞机的特点,采用基于控制分配的控制系统结构,以时域指标作为控制学科的优化目标和约束条件.优化结果验证了所用方法的有效性,为将控制学科纳入飞翼布局飞机多学科优化提供了可行的途径.     

基于遗传算法的高速飞行器模糊飞控一体化

以高超声速飞行器通用模型的俯仰通道为控制对象,针对其6自由度非线性模型设计了一体化飞控系统.飞控系统由1个模糊控制器和2个PD控制器组成.基于遗传算法实现了模糊控制规则和PD反馈参数的自动优化,无需先验知识和训练数据.仿真表明,该方法可以同时满足飞行控制系统鲁棒性和优化过程收敛性的要求,特别是鲁棒性优于同样采用模糊控制的经典双回路飞控系统.     

多目标组合运输物流量预测建模算法

提出了一种新的多目标组合运输物流量预测建模算法.以时间、领域、影响以及组合运输为基准,运用系统工程理论思想设计出一种四维的物流量影响因素模型,并运用结构方程模型对所建模型做了优化,提取出组合运输物流量的核心影响因素.在改进的神经网络算法的基础上结合遗传算法,提出了一种结合遗传算法的改进的神经网络新算法,弥补了改进的神经网络算法上的缺陷,在多目标组合运输物流量预测的实例应用中,该算法不仅有很高的预测精度,而且具有收敛速度快、运行稳定的特点.      

飞机飞行控制律/操纵效率器多学科优化设计

基于近似模型和遗传算法,针对多操纵面布局飞机提出一种对全包线飞行控制律和操纵效率器几何形状与位置进行多学科优化的设计方法.该方法采用力矩控制方式进行控制,应用鲁棒增益调参方法设计全包线飞行控制系统,利用试验设计方法和径向基神经网络响应面获取近似的气动学科模型和控制学科模型,在近似模型基础上由遗传算法获得优化的设计参数并最终获得优化的控制律和操纵效率器.以某多操纵面布局无尾飞机为例进行计算机飞行仿真验证,结果表明该方法具有可行性.      

改进遗传算法在飞机总体参数优化中的应用

基于飞机总体参数设计中的多目标优化问题,提出了改进的多目标遗传算法.算法围绕Pareto最优解的概念,利用遗传算法的内在并行性,设法求取多目标优化问题的"Pareto前沿".将不同的改进遗传算法应用于同一干线客机总体参数优化设计中,要求巡航升阻比和有效载荷系数两个目标达到最大,并对各种算法所得的结果进行综合分析与比较,结果显示:基于Pareto排序的多目标优化算法(NSGA,Non-dominated Sorting Genetic Algorithm)的Pareto解最优,可以支配改进的向量评价遗传算法(VEGA,Vector-Evaluated Genetic Algorithm)和随机权重遗传算法(RWGA,Random-Weight Genetic Algorithm)的结果;而VEGA和RWGA的结果互有优劣.      

一种改进的UAV三维航迹实时规划算法

航迹规划对于战场环境中无人机完成其作战任务具有非常重要的意义.针对真实战场环境中低空无人机的三维航迹实时规划问题,构建了一个更加真实的战场威胁精简模型;提出遗传个体的基因优劣对比度,改进一种共享小生境遗传算法中编码基因的遗传特性.经过改进,增大优化基因的遗传概率,实现提高小生境遗传算法的全局优化能力和收敛速度,增强航迹规划的实时性.对三维数字地形空间进行定长网格编码,将改进的小生境遗传算法应用于三维虚拟战场环境中的无人机航迹规划,实验验证了改进算法的有效性,并能满足在线航迹规划的实时性要求.     

基于多目标遗传算法的太阳高纬探测器轨道设计

针对太阳高纬度探测器轨道设计任务要求, 研究了基于多目标遗传算法的小推力借力飞行轨道设计方法. 基于圆锥曲线拼接假设, 将探测器轨道分为小推力日心转移轨道段和木星借力飞行轨道段两部分. 在日心转移轨道段, 选择燃料最省为优化目标, 采用标称轨道法设计小推力的推力控制率. 在借力飞行轨道段, 选择借力后日心轨道倾角为优化目标, 对借力飞行的关键参数进行分析. 采用多目标遗传算法对该多目标进行了优化. 结果表明, 多目标遗传算法可以有效地解决轨道设计中的多目标优化问题. 优化得到的小推力控制率不仅可以节省发射能量, 还可以保证借力飞行后探测器能够进入太阳高纬度探测轨道.      

基于代理模型的高超声速飞行器协同优化设计

建立了类X-51A高超声速飞行器的多学科模型,包括外形、气动、推进、质量、热流、弹道等学科.采用多学科设计优化(MDO, Multidisciplinary Design Optimization)方法中的协同优化(CO, Collaborative Optimization)进行了计算,计算流程中构建了两个子系统优化器与弹道学科的代理模型,使用代理模型替代了计算耗时的真实模型.同时为了对比,采用了多学科可行法(MDF, Multidisciplinary Feasible Method)进行了优化计算.结果表明,二者的优化结果基本一致,优化之后的飞行器质量比初始构型飞行器降低了15.2%,航程提升了63.5%,并且使用代理模型后计算效率也得到了很大的提升.验证了基于代理模型的协同优化方法应用于高超声速飞行器设计中的有效性.     

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念,提出了一种求解非劣解集的多目标遗传算法,重点讨论了算法实现中非劣解集的筛选和适应度的计算.将该算法应用于假想的干线客机方案优化设计,要求巡航段升阻比和有用载荷系数两个目标最大,对优化结果进行了分析比较.研究结果显示出MOGA(Multi-Objective Genetic Algorithms)对飞机方案多目标优化设计具有良好的应用前景.      

基于支板燃烧室的喷管化学非平衡效应

采用有限体积法全隐式格式和代用燃料C₁₂H₂₃的10组元13步化学反应Arrhenius有限速率模型研究煤油燃料超燃冲压发动机单边膨胀喷管(SERN, Single Expansion Ramp Nozzle)内的化学非平衡流动,通过建立支板燃烧室——喷管模型有效解决了单边膨胀喷管模型的"入口薄层"问题.计算结果表明,整个单边膨胀喷管内,流动呈现化学非平衡效应,喷管入口附近区域尤其显著;非平衡流动喷管性能明显高于冻结流动,随发动机当量混合比 ε增加,非平衡流动的喷管推力系数和升力系数相对冻结流动的百分比增量 δ不断升高,当 ε=0.8时,推力系数百分比增量 δ_CF达到9.41%,升力系数百分比增量 δ_CY达到16.39%,化学非平衡效应对煤油燃料超燃冲压发动机尾喷管性能的影响不可忽略.     

外流对塞式喷管流场和性能的影响

在四个不同高度上选择有代表性的外流马赫数,计算和对比了不同外流下塞式喷管性能的降低和塞锥表面的压强分布,数值模拟研究了外流对塞式喷管流场和性能的影响.结果表明,外流造成的性能损失主要体现在运载器底部阻力增加和塞锥表面压强降低两方面.在中低空以下,运载器底部推力和塞锥推力均随外流马赫数的增加而减小,飞行中外流对性能的影响随高度的增加而减弱,从低于设计点的某一高度开始塞锥推力不再受外流影响.低马赫数亚声速外流时,性能损失随外流马赫数的增加成近似线性增加;跨声速外流时,性能损失突然出现较大幅度增加;在继续的超声速范围内,性能损失随外流马赫数增加只有小幅增长.      

基于云模型的自适应并行模拟退火遗传算法

针对遗传算法收敛速度慢,容易"早熟"等缺点,提出了一种改进的遗传算法,即基于云模型的自适应并行模拟退火遗传算法(PCASAGA,Adaptive Parallel Simulated Annealing Genetic Algorithms Based On Cloud Models).PCASAGA使用云模型实现交叉概率和变异概率的自适应调节;结合模拟退火避免遗传算法陷入局部最优;使用多种群优化机制实现算法的并行操作;使用英特尔推出的线程构造模块(TBB,Threading Building Blocks)并行技术,实现算法在多核计算机上的并行执行.理论分析和仿真结果表明:该算法比其他原有的或改进的遗传算法具有更快的收敛速度和更好的寻优结果,并且充分利用了当前计算机的多核资源.      

Hypersonic vehicle aerodynamic design using modified sequential approximate optimization

Hypersonic vehicles are receiving increased attention within the aerospace community due to their high cruise speed and long-range capabilities. In this paper, a modified Sequential Approximate Optimization method is proposed for an optimized aerodynamic design of a hypersonic vehicle. As part of this approach, a constrained experimental design method is developed to handle the constraints more efficiently. A radial basis function is used to surrogate time-consuming CFD analysis. An efficient and more robust numerical mesh morphing scheme for the hypersonic vehicle is developed for the generation of high-quality meshes. Within this paper, a novel adaptive infilling strategy is proposed which uses an inaccurate search technique coupled with an elite archive. This allows the location of a more promising sample region and hence improves the surrogate accuracy, thereby further enhancing the optimization efficiency. A hypersonic vehicle aerodynamic design problem is solved using the proposed approach and satisfactory results are obtained at much lower computational costs. The lift-to-drag ratio is increased by 23.8% when compared with the base configuration while also satisfying the volume and lift constraints. The pressure and Mach contours have been compared with those of the base configuration and the results demonstrate the strength of the optimized configuration. The modified sequential approximate optimization for designing an improved hypersonic vehicle is worth referencing in future work.