基于支持向量机和粒子群算法的钛合金铣削加工参数优化

钛合金材料在加工过程中受铣削力影响易于产生变形而影响加工效果,为保证加工质量,提高生产效率及降低加工成本,研究切削加工参数的合理选择非常重要.对钛合金材料Ti6Al4V铣削加工进行有限元数值计算,结合试验设计方法构建了基于支持向量机的切削力预测模型,以材料去除率为优化目标,提出了一种基于支持向量机和粒子群算法的优化方法,对钛合金铣削加工参数进行了优化.结果表明,该方法准确、高效、可行,为钛合金加工工艺参数优化提供一种新的方法,具有良好的推广价值.     

鼠笼式弹性支承结构参数分步优化设计方法

为进一步提高鼠笼式弹性支承结构支承刚度设计的准确性,同时最大限度地减小鼠笼受到的最大应力,在相关研究的基础上,基于参数化建模思想,并结合有限元优化技术提出分步优化设计方法.采用鼠笼式弹性支承的刚度和应力计算公式并结合加工装配条件初定1组满足设计要求的结构参数值;建立鼠笼式弹性支承的有限元优化模型,并将初定的结构参数值代入到有限元优化模型作为优化的初始迭代值,同时以鼠笼笼条的长度和厚度为优化参数,经过迭代计算得到满足工程需求的结构参数.该方法可提高设计精度,节省设计时间.最后,结合具体算例验证了优化设计方法的有效性和实用性.     

低轨卫星月影事件预报优化

针对卫星月影问题,提出了一种低轨卫星优化的月影预报策略,可以有效提高目前低轨卫星在轨管理时对月影事件预报的效率.结合仿真对产生月影事件的太阳、地球、月球的三体关系进行了分析,首先给出了月影产生的解析分析方法,并通过对一个三维月影影响模型的分析,得到了月影影响区间的判定要素——月影临界角;然后进一步通过对月影临界角的分析,提出了基于太阳与白道面的位置关系和月影临界角对低轨卫星月影事件的优化预报方法;最后基于大量的随机低轨卫星场景对本方法的正确性进行了验证.研究结果表明,此方法能够较大地提高月影预报效率,可以将月影预报频率从每月1次降低到每年2次,从而简化了低轨卫星在轨运行管理的任务复杂度,为卫星的在轨可靠运行提供支持.     

基于B样条的机翼外形参数化方法研究

描述了基于B样条的机翼外形参数化方法在超临界翼型和机翼气动设计中的应用研究。在机翼外形参数化过程中,通过B样条曲线插值和拟合型值点生成机翼截面曲线和展向引导线,采用Coons Gordon方法通过自由放样和点阵插值获得B样条张量积曲面并进行叠加,进而获得插值于机翼表面曲线网的B样条曲面。还运用CFD工具对不同机翼放样面的气动性能进行了分析对比。通过研究,B样条控制点可作为设计变量传递给气动优化程序,采用B样条曲线或曲面表达式为各设计变量的线性组合,可以方便快捷获取几何梯度信息。     

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CST方法的高空低雷诺数吸附式叶型耦合优化设计

研究了一种基于类别形状函数变换（CST）方法的吸附式叶型优化设计方法,该方法可以在高空低雷诺数条件下对叶型和抽吸方案耦合优化.结果表明:优化之后在20km高空低雷诺数条件下总压损失降低了65%,静压升提高了0.02,气动性能得到较大提升.而且由于优化过程中罚函数的引入使得优化后吸附式叶型在地面条件下性能也有所提高.对于高空低雷诺数条件下吸附式叶型在抽吸位置之前适当的增加叶型负荷,再通过抽吸来控制附面层,效果最优.并且最佳抽吸位置位于层流分离泡作用区域内.在层流分离泡作用区域内抽吸可以完全消除层流分离泡对叶型性能的影响,并且可以较好控制附面层位移厚度和动量厚度的增加,有效地减小附面层内的动量损失.      

基于BP人工神经网络的离心压气机叶轮多目标优化设计方法

利用Concept NREC软件建立离心压气机叶轮设计样本库,借助BP（back propagation）人工神经网络建立样本库中各设计参数与压气机性能之间的关系,接下来以多目标遗传算法寻找Pareto解,从而获得离心压气机叶轮最佳设计参数.将该方法应用于Krain叶轮设计工况,所得叶轮的效率、压比较Krain叶轮原型分别提高1.4%和10.9%.通过对人工神经网络模型可靠性的讨论、多目标优化模型的主成分分析和所设计叶轮性能的CFD验证,证明了所构建的目标函数与所获得的Pareto解集的合理性,说明本方法可以有效应用于在离心压气机设计、选型.      

煤基喷气燃料代用组分神经网络混合构建方法

为了建立航空燃料的喷雾模型,用于高保真液雾燃烧数值模拟,提出了基于人工神经网络混合模型的煤基喷气燃料代用组分构建方法.基于这一构建方法,重点针对煤基喷气燃料的雾化特性,利用多组分混合燃料的理化性质数据库对神经网络进行训练,获得了混合燃料理化性质隐式预测模型,结合随机投点优化方法,构建出能够很好地模拟煤基喷气燃料目标理化性质的代用组分.结果表明:该代用组分包含了5种碳氢化合物成分,摩尔分数为11.46%正癸烷、23.29%正十二烷、49.87%正十四烷、6.66%异辛烷和8.72%甲基环己烷.通过雾化特性实验,验证了代用组分对真实燃料雾化性能的模拟效果.该代用组分构建方法可以较好地解决混合燃料模拟过程中的非线性问题,通过改变目标理化性质可构建出相应代用组分.      

基于代理模型的二元收扩喷管流道型面优化设计

在二元收扩（2D-CD）喷管设计参数对喷管气动性能影响研究的基础上,以获得尽可能高的喷管推力系数为目标,以喉道宽高比、喉道型面半径比、收敛半角和扩张半角为设计变量,对二元收扩喷管的流道型面进行了优化设计。设计过程中,利用正交试验设计方法确定初始样本点,建立喷管推力系数与设计参数间的Kriging代理模型,采用自适应模拟退火算法（ASA）对代理模型进行分析求解。结果表明,二元收扩喷管的优化型面参数为:喉道宽高比为6,喉道型面半径比为0.3,收敛半角为15°,扩张半角为5.64°,此时最大推力系数为0.97847,流量系数为0.98778.      

Aerodynamic optimization of rotor airfoil based on multi-layer hierarchical constraint method

Rotor airfoil design is investigated in this paper. There are many difficulties for this high-dimensional multi-objective problem when traditional multi-objective optimization methods are used. Therefore, a multi-layer hierarchical constraint method is proposed by coupling principal component analysis (PCA) dimensionality reduction and e-constraint method to translate the orig-inal high-dimensional problem into a bi-objective problem. This paper selects the main design objectives by conducting PCA to the preliminary solution of original problem with consideration of the priority of design objectives. According to the e-constraint method, the design model is estab-lished by treating the two top-ranking design goals as objective and others as variable constraints. A series of bi-objective Pareto curves will be obtained by changing the variable constraints, and the favorable solution can be obtained by analyzing Pareto curve spectrum. This method is applied to the rotor airfoil design and makes great improvement in aerodynamic performance. It is shown that the method is convenient and efficient, beyond which, it facilitates decision-making of the high-dimensional multi-objective engineering problem.