Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

适用于工程数据的飞行器气动特性修正框架

新型飞行器对气动特性的预示精准度提出了更高的要求，为此研究了一种适用于多条飞行试验数据的气动特性修正框架，实现了对地面气动模型及先验不确定性模型的修正。基于试验数据特点，首先从模型辨识角度，改进了传统的多元正交函数法，构建了多试验数据模型项的统计优选准则，设计了基于总体最小二乘思想的定制化参数估计算法；然后从不确定度量化角度，估计出了气动修正模型的总偏差，校验了先验不确定性模型。最后应用提出的修正框架处理某飞行器的10条试验数据。结果表明相比于原始地面气动特性预示方式，修正后的方式，一方面预测的气动系数更接近测量的气动系数，另一方面估计的气动误差带具有较少的误差带外测量点及最高的精细程度。