基于代理模型的高效全局气动优化设计方法研究进展

基于高可信度计算流体力学的数值优化设计方法，在提高飞行器气动与综合性能方面正发挥着越来越重要的作用。基于代理模型的优化算法（SBO），由于能够实现高效全局优化，逐渐成为了气动优化设计领域的研究热点之一。近20年来，代理优化算法研究已取得了长足进步，多种先进的新型代理模型被提出，优化理论和算法也不断完善和发展。以飞行器精细化气动优化设计为背景，综述了基于代理模型的高效全局气动优化设计方法研究进展。首先，介绍了基于变可信度代理模型的气动优化设计方法、结合代理模型和伴随方法的气动优化设计方法以及基于非生物进化的并行气动优化设计方法的研究现状和最新进展。然后，针对飞行器气动优化设计学科领域的前沿问题，介绍了基于代理模型的多目标气动优化设计方法、混合反设计/优化设计方法、稳健气动优化设计方法的研究进展，以及基于代理模型的多学科优化设计方法的研究进展。文献综述表明，代理优化算法在设计效率、全局性以及鲁棒性等方面性能优良，已经发展到可以解决100维（100个设计变量）以内的气动优化设计问题，具有良好的工程应用前景。最后，探讨了基于代理模型的高效全局气动优化设计在理论、方法及飞行器设计应用方面所面临的问题和挑战，给出了未来研究方向的建议。     

通风系统参数对居住舱人活动区气流分布影响的研究

为系统研究通风系统参数对空间站居住舱人活动区内气流分布的影响,建立了空间站居住舱人活动区及供风管道的物理模型,并采用CFD方法对人活动区流场进行了数值仿真,同时提出舱内名义平均速度vnt=m/√A1A2作为衡量舱内气流分布的特征参数.结果表明:(1)增加散流器阻力,可改善散流器出口流量的均匀性;(2)舱内名义平均流速综合反映了供风流量、散流器截面积和人活动区水平截面积的影响.经过研究发现,在人活动区通风系统设计过程中,要获得满足空间站要求的流速分布,应尽量选择高于30°的进风角度,同时选择合适的舱内名义平均流速值,而名义平均流速值大小与回风口形式、进风角度及散流器位置有关,并受到散流器出口速度小于1.012m/s的限制.     

空间信息对新概念武器的应用支持研究

简要介绍了空间信息概况和高能激光武器的基本原理，在此基础上，设计了空间信息支持高能激光武器应用系统的框架，并提出高能激光武器对窄间信息的需求以及运用信息的流程。     

人力资本投资中道德风险的防范——基于委托-代理理论的契约设计

目前在我国,人力资本投资并未对人力资本的收益起到积极的影响。造成人力资本收益低下的原因首先在于人力资本在接受投资的过程中已经出现了信息经济学中的道德风险,即学校一味地提高费用而忽视教学质量。通过建立学生与学校之间的委托—代理模型,证明了在契约中最佳的风险安排是代理人(即学校)承担所有的风险分担份额,同时引入第三方作为契约的监督人和实施者。在目前条件下,就是以政府为第三方,以学生就业为导向,合理地照顾学校、学生和劳动力市场三方的利益。     

基于HLA的小卫星半物理仿真系统设计

地面仿真验证是小卫星研制过程的重要组成部分,仿真验证充分与否直接决定了小卫星的研制成功率和在轨运行的可靠性。就小卫星技术特点,结合某型号的地面仿真需求,建立基于HLA的小卫星半物理仿真系统,给出系统的组成结构、联邦间交互数据表、硬件接口单元和联邦成员设计流程等。利用设计与实现的半物理仿真系统,进行了某型号小卫星的仿真验证,结果表明,设计的基于HLA的小卫星半物理仿真系统能够较好地完成动力学与控制分系统、电源分系统和有效载荷分系统的仿真,能够较好地实现控制分系统物理设备的接入,具有较好的实际应用价值。     

气体压力源控制方法研究

介绍了两种气体压力源控制方法的理论基础、基本原理以及实现形式，并通过实验从微压、低压、中压和高压四个范围对两种控制方法的稳定时间准确度进行了比较，为气体压力控制器的研制提供了技术基础。     

高职生就业心理问题分析及调适对策

高职生就业时存在着焦虑、不满、自卑、从众、攀比、盲目等心理问题,其成因是对自我和对环境认知度较低。要消除高职生就业时的心理问题必须从学校教育着眼,加强对学生的职业心理品质培养和职业生涯规划教育是解决高职毕业生心理问题的有效方法。     

基于加权几何平均迭代的改进BESO法

为了解决传统双向渐进结构优化法中存在迭代历程易出现局部振荡现象、算法效率低的问题,提出了一种基于加权几何平均迭代的改进双向渐进结构优化法。通过研究当前迭代步灵敏度权重因子和历史迭代步敏度权重因子对结构优化过程的影响程度,与当前迭代步敏度权重因子对应的迭代历程变化趋势,实现了最优当前迭代步敏度权重因子的优化选择。3个经典算例验证了较原生过滤法与基于算术平均的过滤法两种处理方法,本文方法在保持了同等刚度的同时,减轻了迭代历程的震荡程度,显著提高了迭代的稳定性,减少了迭代次数,效率提高了10%～37.5%,说明该方法的可行性与有效性。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。