分散式多点优化算法及其在多段翼型气动优化中的应用

论述了一种基于基因算法与博弈论的分散式多点优化算法，并应用于多段翼型的气动优化。基因算法是在计算机中模拟自然进化的随机优化算法，随着科学技术的发展，越来越多的优化问题趋向于多目标优化，这就使得结合博弈论以寻求高效优化算法成为必然。本文分别构造了Nash策略及Stackelberg策略与基因算法结合的分散式多点优化算法，应用于多段翼型高升力气动优化，得到了数值结果，并与实验结果进行了对比。     

本征正交分解在翼型气动优化中的应用研究

为降低机翼翼型气动优化的仿真代价,提出了一种基于本征正交分解(POD)的翼型自适应快速优化方法。建立气动流场数据的代理模型以预测流场。为简化求解规模和难度,采用POD代理模型优化。为进一步提高精度,提出了基于序贯POD代理模型自适应优化,在优化过程中实时更新POD基,即在优化中间结果的基础上重新采样,以更新POD空间,基于动态数据库构建代理模型。给出了不同优化方法的求解流程。以NACA0012翼型为例分别对直接翼型优化、基于代理模型的翼型优化和基于POD代理模型的翼型优化方法进行了对比分析。结果表明:与直接优化方法相比,基于POD代理模型的翼型优化能显著提升优化效率,且拟合精度更高。     

自适应翼型的计算和分析

计算并讨论了不同马赫数（Ma）和攻角(α）下简化的自适应翼型的舵面偏转角的规律。计算中采用代数方法生成计算网络，用有限全积法离散二维可压缩流动的Fuler方程，采用了矢通量分裂Van-leer格式离散无粘通量，用隐式的时间积分和多重网格加速收敛。用数值优化方法取得自适应翼型最优的舵面偏角，并计算其气动特性。为验证自适应翼型增益的效果，计算了双目标优化翼型的气动特性，本文计算了对称圆弧翼型和NACA65A006翼型。计算结果表明，自适应翼型比双目标优化的翼型有更好的气动特性。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

水翼非定常空化流动中湍流模型研究

为了改进常规RANS方法中标准k-ε模型过渡预测流场涡黏性的问题,对几种标准k-ε模型的修正模型在空化流动的模拟中进行了应用评价,将修正后的湍流模型以二次开发的形式嵌入至商用CFD软件中,对某二维翼型表面空化流动进行了非定常数值仿真。结果表明:采用MFBM模型计算得到的翼型升力系数频率与实验偏差最小,达到0.6%;翼型表面非定常空化形态与实验结果最接近,具备最佳的计算效果。同时基于计算结果揭示了翼型表面非定常空化流动的产生机理,发现逆压梯度引起的反向射流作用导致空化云脱落,脱落后的空化云溃灭会改变翼型表面压力分布,造成空化云周期性脱落,进一步导致翼型升力系数周期性变化。     

基于iSIGHT平台的并行子空间算法研究

概述了并行子空间算法的两种计算框架。即基于学科级优化的并行子空间算法和基于试验设计的并行子空间算法，在对比两种算法框架特点的基础上，分析了基于试验设计法的并行子空间算法的工程实用性，最后结合算例在iSIGHT软件中完成了集成优化分析。     

条件生成对抗网络的翼型反设计方法

针对变体飞行器实时控制翼型形状的需求，提出了基于深度学习的翼型反设计方法，利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征，习得特征到翼型的映射关系；判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入，输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型，研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数，快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率；并且在有噪声干扰情况下依旧保持良好的设计性能，增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。     

黄渤海晴空像元下雾霾识别的机器学习算法

为实时有效地识别和监测雾霾，选取2013年10月4日与10月5日的两景MODIS遥感图像，利用不同类型像元的光谱差异，基于神经网络模型，建立海上雾霾的遥感识别机器学习算法。经检验表明，在晴空条件下，机器学习算法反演精度相对较高，已超过98%，利用算法可以实现对中国近海上空雾霾的监测。     

一种针对分离模块航天器系统的分层优化方法

针对分离模块航天器系统优化中存在计算量大、算法复杂度高的问题,提出了一种基于分层的分离模块航天器系统优化方法。该方法将系统优化问题分解为三个层次进行,顶层规划模块数和轨道高度,中间层优化组件配置,底层优化运载发射方案。其中顶层嵌套调用中间层,中间层嵌套调用底层,底层直接计算求解最优运载发射方案,避免了直接基于分离模块航天器全寿命周期仿真来优化运载发射方案。应用该方法对虚拟对地遥感分离模块航天器进行优化,结果表明,优化过程简单,计算量小,算法复杂度低,优化效果显著。     

基于组合优化算法的临近空间飞行器轨迹优化

提出一种临近空间飞行器轨迹优化方法,利用基于支持向量机与遗传算法的组合优化算法,解决多约束条件下的高效轨迹优化问题。首先,建立临近空间飞行器轨迹优化数学模型。然后,通过参数化方法和惩罚函数法将轨迹优化问题转化为约束参数优化问题。在此基础上,提出一种求解无约束参数优化问题的组合优化算法,通过支持向量机对遗传过程中产生的种群进行分类,提高基本遗传算法的计算效率,结合轨迹优化数学模型,给出轨迹优化算法。最后,以临近空间飞行器航程最远轨迹优化问题为例,进行数学仿真分析。仿真结果表明,针对给定的算例,文中提出的方法与基于基本遗传算法的轨迹优化方法相比,计算效率显著提高。