民机的一种新型布局形式——翼身融合体飞机

 讨论了一种区别于机翼与圆柱机身的传统民机外形——翼身融合体（BWB）外形。从给定容积下减少浸润面积和摩擦阻力的考虑发展出了翼身融合体的概念。在满足系列设计约束条件下讨论了适于大型（800座）客机的翼身融合体的技术和商业上的可能性。概念设计研究表明,翼身融合体外形可获得比常规外形更好的性能。巡航升阻比可从传统外形的19提高至23。480座的BWB外形与同量级的传统外形（A380-700）相比,最大起飞重量可减少18%,每座位燃油消耗可减少32%,具有良好的环保性。通过气动载荷分布规律的反设计,翼型修型和三维优化设计等气动设计方法可以有效减阻和提高BWB的气动性能。由于BWB的高度融合性,讨论了多学科优化设计方法的重要性和有效性。BWB概念能够发展成BWB系列机,进一步提高巡航马赫数也是可能的。     

基于物理规划的高超声速飞行器滑翔式再入轨迹优化

 轨迹优化是新型高超声速滑翔式再入飞行器方案设计的关键技术之一。物理规划方法能够以较低的计算代价获得设计者偏好的多目标优化问题的折中解。基于该方法研究滑翔式再入最优飞行轨迹。首先介绍物理规划方法求解多目标优化问题的数学模型,然后将考虑射程最大、热载最小、热流密度峰值最小和弹道最稳定4个目标的再入最优轨迹问题纳入物理规划的框架求解。以某带翼锥形再入飞行器为例,通过计算并分析单目标优化结果,确定具体的偏好结构,采用遗传算法求解了考虑热流、过载、动压和终端条件约束的多目标最优轨迹。优化计算结果验证了物理规划方法的有效性。分析了沿最优轨迹飞行的物理原因和基本迎角控制规律,可为滑翔式再入飞行器的最优轨迹方案设计提供依据。     

基于滑模变结构的永磁同步电机精确线性化控制

 永磁同步电机是一个多变量、非线性、强耦合系统,从非线性动态数学模型出发,应用精确线性化理论,实现了永磁同步电机系统的输入-输出线性化与解耦。通过线性化模型设计速度跟踪控制律,用指数滑模变结构控制器来设计电流调节器,算法简单实用,提高了速度跟踪的快速性和精确性。仿真和实验结果表明,该控制策略具有理想的动态性能和良好的鲁棒性。     

基于混合多目标粒子群算法的飞行器气动布局设计

 为了提高多目标优化算法求解非劣解集的效率,在多目标粒子群算法的基本框架中引入了Pareto过滤算子、小生境技术和模拟退火算法,建立了全新的混合多目标粒子群算法。该算法具有运算收敛快,所得非劣解集分布均匀、广泛的特点。将其应用于求解以升阻比和效用体积最大化为目标的再入式高超声速飞行器气动布局多目标优化设计模型,将计算结果与原始多目标粒子群算法的计算结果进行对比,体现出本文提出的混合多目标粒子群算法能够更加有效地求解复杂多目标优化设计问题的非劣解集,从而为多目标决策提供有力的支持。     

基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

基于遗传算法的液体火箭发动机参数优化

建立了液体火箭发动机系统设计的仿真模型和多目标优化模型,采用组合优化策略和遗传算法,针对全流量补燃循环发动机,进行了不同设计变量和目标函数下发动机性能参数的优化,求得全局最优解.计算结果表明,遗传算法是解决该类问题的有效方法,可为其它类似发动机的优化提供一定的指导作用.      

随机响应面法在结构随机响应计算中的应用

传统的响应面方法以一般多项式逼近结构的随机响应,但这种方式并不能保证收敛性.以随机多项式为基础的随机响应面方法,可以弥补这一不足.两个数值例子和一个发动机轮盘实例来验证这一方法的有效性.结果表明:随着随机多项式次数的增加,随机响应面所得到的响应概率密度曲线愈加趋近于由蒙特卡罗方法所得到的概率密度曲线.      

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

一种小波神经网络与遗传算法结合的优化方法

提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强.      

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。