基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

协作优化在无人机概念设计中的应用

多学科设计优化（MDO）是当前飞行器设计研究中一个最新、最活跃的领域,而协作优化是解决多学科设计优化问题的一种二级MDO算法。将协作优化应用到无人机的概念设计中,建立了包含气动、重量、性能和稳定性四个学科的无人机系统优化模型。与传统的设计方法相比,该方法为无人机在概念设计阶段提供了更加合理的飞行器外形,降低了初步设计和详细设计阶段对飞行器外形修改的可能性,从而缩短研制周期和降低成本。     

低成本飞行试验平台的FADS技术研究

在国内首次利用成熟的低成本火箭弹平台,开展超声速(马赫数>3)飞行试验的嵌入式大气数据传感系统技术研究。针对嵌入式大气数据传感系统的求解算法,测量系统和误差影响等关键技术问题,建立基于神经网络技术的求解算法和设计飞行试验方案,并完成飞行试验和数据分析研究。研究结果表明基于神经网络技术的求解算法具有较好的鲁棒性和较高的求解精度。测量结果与雷达测量结果基本吻合,验证了算法设计;测量结果相对于雷达测量结果,静压平均相对误差约为5.2%,最大相对误差18.8%;马赫数平均相对误差4.2%,最大相对误差14.9%。攻角和侧滑角的测量结果与理论弹道结果变化趋势接近。研究结果可为相关飞行试验技术研究提供参考。