基于PSO-BP神经网络的固冲发动机推力估计器设计

为了对固体火箭冲压发动机的推力进行直接控制，提出了基于PSO（粒子群优化算法）优化BP（back propagation）神经网络的固体火箭冲压发动机推力估计方法。采用SPSO（标准PSO）和三种不同的BBPSO（骨干PSO）寻优神经网络权值，而后以最优权值进行BP网络训练，对其进行精调，如此便可获取推力和燃气流量、飞行马赫数以及飞行高度之间的非线性关系，从而完成推力估计器的设计。利用240组训练集数据对网络进行训练，并用180组测试集数据对网络进行验证。仿真结果表明：在SPSO、BBExp（exploiting BBPSO）、ABPSO^*（modified adaptive BBPSO）和SNPSO（simplified pruning strategy based BBPSO）等四种不同的PSO中，基于SNPSO优化BP神经网络实现推力估计器设计是最为便捷有效的方法，不仅形式简单，而且对于测试集数据而言，其能够将推力相对误差控制在5%以内。     

基于粒子群算法的涡扇发动机气路性能修正

针对由于建模过程中条件简化及发动机零部件的差异性导致的发动机数学模型计算结果与整机性能实测数据偏差较大的问题,提出基于粒子群算法(PSO)的发动机模型修正方法,运用修正因子提高模型计算精度。将修正后发动机模型的计算结果与实测数据对比,结果表明:运用PSO算法对模型进行的修正能够显著提高模型的精度,修正前模型计算值与实测值的最大误差达4.85%,修正后最大误差只有0.97%,修正效果良好,且涡轮等后端部件比压气机等前端部件精度提高更为明显。     

基于概率反弹碰撞模型的进气粒子分离器两相流数值模拟

通过5点Gauss-Hermite积分拟合粒子与固壁碰撞后,反弹速度和角度的概率密度分布试验数据,建立粒子与固体碰撞/概率反弹模型.将该模型应用于直升机用整体式预旋与非预旋进气粒子分离器气固两相流场数值模拟,并与另外两种常用的粒子与固壁碰撞反弹模型(平均恢复系数模型、完全弹性碰撞模型)的计算结果进行了对比.结果表明:上述3种碰撞模型都能较好地预测AC粗砂的分离效率；对于C级砂,基于完全弹性碰撞模型的预测结果则过低；基于平均恢复系数模型的预测结果明显偏高,有预旋时尤其明显；而基于概率反弹模型的预测结果处于两者之间,与试验结果吻合更好.      

基于粒子群优化算法的火箭弹弹道研究

针对制导火箭弹滑翔增程问题,文章提出了以攻角为优化变量的解决方法;基于火箭弹的四自由度模型,结合粒子群优化算法,提出了火箭弹射程优化模型并建立了约束条件。对某制导火箭弹弹道进行优化仿真,所得到的结果表明:通过控制火箭弹攻角的变化规律,能够有效增加火箭弹的射程。因此,文章所提出的攻角控制方法是可行的。     

航空发动机风扇叶片伸根段造型设计与优化

探索了航空发动机风扇叶片伸根段造型的优化设计方法,利用它在保持叶身气动设计不变的情况下使风扇叶片振动特性得到改善。建立了基于非均匀有理B样条NURBS (non-uniform rational B-spline)桥接曲线的伸根段造型方法,实现气动叶身与榫头侧面间的光滑连接；通过改变桥接曲线控制顶点的位置实现伸根段造型的参数化设计,并在相关假设条件的基础上提取了完全定义伸根段造型所需的8个设计变量；以风扇叶片共振裕度最大化作为伸根段设计目标,在径向基函数网络(RBFN)与粒子群(PSO)算法的基础上建立了伸根段造型优化设计流程,其原理是构造RBFN近似模型来逼近和预测风扇叶片共振裕度与伸根段设计变量间的隐式目标函数,在此基础上使用PSO算法搜索使共振裕度达到最大化的伸根段设计变量组合。结果表明:某大涵道比宽弦风扇叶片采用上述流程,通过优化伸根段造型使风扇叶片轴向一弯模态的自振频率得到提高,与转速3倍频激振间的共振裕度提高约2%。