小生境遗传算法及其在飞行控制系统中的应用

针对飞行控制系统控制器参数优化问题,提出了一种基于小生境遗传算法的模型参考优化整定策略,并将此策略应用于某型飞机的横侧向飞行控制系统的参数优化中。仿真结果表明,该优化策略能够有效地整定飞行控制系统的参数,具有收敛速度快、编程简单的优点。     

风扇/压气机周向模态识别中传感器角度偏差的影响

基于任意角度压缩感知(CS)方法分析了传感器安装角度偏差对风扇/压气机周向模态识别重构的影响,设计了一套自适应角度优化程序修正重构误差。利用数值试验探究了传感器角度偏差和数量对周向模态重构结果的影响,研究表明:当角度偏差等级为2.5%时,平均重构误差达到10%以上,若保证重构误差基本不变,将传感器数量从7个增加至25个,仅可以将角度偏差等级放宽至4%。而采用小生境微种群遗传算法进行自适应角度优化,在20 dB信噪比下,通过自适应角度优化可将角度偏差等级从2.5%放宽至10%,降低了传感器安装的精度要求。成功优化了一款冷却风扇在前三阶叶片通过频率下的主要周向声模态重构幅值。自适应角度优化算法有效提升了基于压缩感知的风扇/压气机周向模态重构可靠性。     

基于小生境遗传算法的航空发动机维修构型控制

为实现航空发动机维修中构型控制,建立了基于Petri网的构型控制描述模型,通过变迁序列的激发求得改型后可能的零件集合,作为后续的约束满足条件,并提出一种基于小生境遗传算法的发动机构型多方案求解方式.     

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。     

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。     

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

基于小生境遗传算法的分布式OS-CFAR检测系统优化与性能分析

 利用小生境遗传算法,对不同检测窗长度和检测信噪比的三传感器分布式 OS-CFAR检测系统进行了优化设计,给出了一组针对不同检测环境与融合方式的搜索结果。分析表明,对于非一致环境下分布式 OS-CFAR检测系统,小生境遗传算法是一种良好的优化算法。利用搜索结果,研究了不同融合方式下环境变化对分布式 OS-CFAR检测系统的性能影响,结果表明,“或”融合对检测环境的非一致变化具有较强的鲁棒性,而“3选2”融合和“与”融合对检测环境的变化比较敏感。     

基于小生境遗传算法和RANS方程的平面叶栅气动优化设计

发展了一种将小生境遗传算法与RANS方程数值求解相结合的平面叶栅全局优化设计方法.该方法针对遗传算法的搜索原理和平面叶栅的气动外形特点, 提出了与之相适应的Bezier曲线参数化表达, 构造了用于优化设计的适应度函数.优化设计变量是平面叶栅的参数化Bezier曲线特征多边形控制点坐标, 目标函数为极大化叶栅的升阻比, 约束条件综合考虑了叶栅的进出口几何安装角及叶片强度和性能等要求, 约束条件的处理采用松紧罚函数法.优化得到的叶栅升阻比比初始叶栅提高了8.3%.      

基于小生境遗传算法的风电场布局优化

基于小生境遗传算法对风电场内风力机机组的布局进行优化。在优化过程中,考虑等风速同风向和变风速变风向两种简化的入流模式,采用修正的Jensen尾流模型模拟机组之间尾流的相互干扰效应,以单位发电量所消耗的成本最低为目标,使用小生境遗传算法优化风电场机组的排布。文中给出了优化后的风电场布局轮廓图、风电场机组台数、总发电量、目标函数值以及风电场的效率。通过与以前的相关研究对比分析,表明本文的方法取得了较优的结果,可为将来真实风场的风力机排布提供参考依据。     

高可靠小条件数压缩感知叶尖定时信号辨识

为增强基于任意角度压缩感知(CS)叶尖定时信号(BTT)重构的稳定性,采用小生境微种群遗传算法提出了基于小条件数的高稳定性传感器安装布置方法。研究发现:任意角度CS的恢复矩阵条件数越小,不同信噪比下同步和非同步振动信号重构误差越趋于稳定在较低范围,优化后发现条件数为1的排布方案下,相邻传感器角度间隔趋向于均布2m取K的形式。利用条件数为1的矩阵冗余特性,设计了高可靠性的传感器排布方案,数值试验和有限元仿真验证表明叶尖定时系统在失效一个传感器的情况下仍可稳定得到准确的重构结果。在信噪比为5 dB时,冗余排布相比参考排布的主倍频幅值重构误差降低4.4%以上,验证了采用最小条件数排布的任意角度CS信号辨识方法在噪声及传感器失效情况下仍可保证BTT测量结果的有效性和可靠性。