小生境多目标蚁群算法在飞行器总体设计中的应用

飞行器总体设计直接影响飞行器的战术技术指标,往往需要反复很多次的设计过程以确定最终设计方案,因此迫切需要研究并采用优化方法以快速获得性能较优的飞行器总体方案。蚁群算法是群智能算法的典型代表之一,本文针对飞行器总体设计中的多目标优化问题,以多目标蚁群算法为基础,引入小生境技术,提出小生境多目标蚁群算法,并以某飞行器为应用对象,对其进行了多目标优化设计,最后对优化结果进行了分析。     

自适应中心变异差分进化算法及其在涡轮叶型优化设计中的应用

为了更好地求解多维复杂函数优化问题,提出了自适应中心变异差分进化算法(SCDE),并以低温火箭发动机多级氧涡轮叶片的高精度气动型面优化设计为例进行了验证.使用商业软件进行三维叶片几何造型和单通道流场分析,计算得到涡轮效率作为优化设计评价指标.最终得到了合理的优化结果,涡轮效率相比初始设计提高了5.25%.      

飞行器气动外形的正交设计与分析

结合飞行器总体快速设计需求,研究基于正交试验设计的气动外形分析方法。通过正交试验设计,获得飞行器气动特性数据,再根据试验结果的极差分析和方差分析,快速明确飞行器外形参数与阻力系数的影响程度,辨识关键参数,指导飞行器外形设计。以某飞行器为应用对象开展了实例验证,结果表明该方法能够快速获得满足要求的气动外形,提高分析效率,满足总体方案快速设计需求。     

多目标蚁群算法及其在固液混合火箭发动机系统优化设计中的应用

为了提高求解多目标优化问题的Pareto解集的效率,建立了适用于多维、多目标优化问 题的多目标蚁群算法（Multi\|objective Ant Colony Algorithm,简称MACA）。该算法首 先修正了蚁群算法的信息素更新机制和转移概率,然后改进了蚂蚁的行进策略,即提出了依 概率选择搜索策略。最后,应用该算法对某型号固液混合火箭发动机系统进行了优化设计。 计算结果表明,多目标蚁群算法获得的Pareto解集分布均匀、散布范围广,可以有效解决多 目标优化问题,能为决策者进行目标权衡提供充分依据。
     

基于均匀设计的粒子群优化在减压化设计中的应用

采用粒子群优化算法,对涡轮泵气封减压试验系统中的关键部件减压器进行结构优化设计.在优化过程之前采用两次均匀设计的方法缩小设计变量的取值范围,以提高计算效率.通过调节气封系统中的主要部件气体减压器的结构参数,使得减压器的出口压强稳定,满足工程需求.优化结果显示,通过两次均匀设计后,设计变量的取值范围得到有效压缩,减少了优化过程的计算量.与初始设计相比,减压器的出口压强振幅明显减弱,达到了工程设计的要求.      

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.