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。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象，研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机（SVM）、最小二乘支持向量机（LSSVM）、遗忘因子最小二乘支持向量机（FFLSSVM），比较了它们用于强非线性测试集的泛化性能。实验结果表明：FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高；三种核函数生成L2（R）子空间上完备基的能力不同，导致三个FFLSSVM逼近任意目标函数的精度有差异；遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。     

降低气动非线性的高超飞行器总体优化方法研究

针对高超声速飞行器严重气动非线性特性给控制系统设计提出的高要求,基于推广的随控布局思想,从控制系统设计角度对高超声速飞行器总体提出气动非线性程度低的优化设计指标。引入高超声速飞行器气动非线性特性度量——非线性度的定义,通过气动工程估算建立非线性度与飞行器总体外形参数关系的表征模型,将非线性度表示为总体外形参数的函数;采用遗传算法求解以总体外形参数为决策变量和以非线性度最小为目标函数的优化问题;最终确定随控优化思想下的高超声速飞行器总体优化策略。算例分析表明,本文提出的总体随控优化方法对于改善高超声速飞行器的气动非线性特性简单有效。     

升力体外形设计的代理模型优化方法

面向飞行器概念设计提出了一种将类型函数/形状函数变换技术与代理模型技术及全局优化算法相结合,实现升力体外形多目标优化的设计策略。类型函数/形状函数变换技术能够通过调整少量尺寸参数或类型函数/形状函数控制参数衍生出多种设计构型。选用最优拉丁超立方抽样完成实验设计,将径向基函数作为近似方法构建代理模型,并通过序贯采样后验策略改善代理模型拟合优度。在Ma 6,迎角20°设计点处搭建了升力体简化外形的气动分析代理模型。应用NSGA-Ⅱ多目标遗传算法实现了以升阻比和容积利用率最大化为目标的折衷优化,得到包含一系列改进设计方案的Pareto-解集,其中,各构型目标响应相对实际分析值误差均在6.1%以内,表明该方法既可以通过代理模型大幅提升设计效率,降低应用全局优化算法的计算复杂度,又能够得到满足概念设计精度需要的设计方案,有利于概念设计中定量高效地实现多个设计目标的折衷优化,明确飞行器外形修改方向。
     

高超声速飞行器自适应增点Co-RBF多保真度代理建模

针对高超声速飞行器设计过程中计算效率和计算精度难以兼顾的问题,提出了一种自适应增点协同径向基函数（Co-RBF）方法,并将其应用在高超声速乘波体气动参数多保真度建模上。首先,设计了锥导乘波体飞行器,采用工程估算方法和计算流体动力学（CFD）分别获得其气动参数的高低保真度样本。随后,分别采用Co-RBF和广义分层协同克里金（GCK）方法构建代理模型,对比分析了低保真度样本采样方法和样本容量对多保真度模型在训练集内、外的拟合精度的影响。最后,根据提出的自适应增点Co-RBF方法,构建了乘波体多保真度模型,并与常规Co-RBF拟合效果进行了比较。结果表明,Co-RBF比GCK方法对气动参数拟合效果相近,且自适应增点Co-RBF方法在保证融合模型精度的情况下有效降低对高保真度样本的需求。     

基于Kriging近似函数的变复杂度近似模型

为解决飞行器多学科不确定性设计与优化过程中多次调用计算复杂的高精度学科分析模型带来的计算复杂性问题,结合变复杂度建模思想和Kriging近似函数,建立了基于Kriging近似函数的变复杂度近似模型.该近似模型的构造基于较少的高精度模型取样点和较多的低精度模型取样点,在满足近似精度的要求下可大大减小高精度模型近似模型构造的计算成本.数学算例和某飞行器气动力变复杂度近似模型算例证明了该方法的有效性.     

基于Kriging近似函数的变复杂度近似模型

为解决飞行器多学科不确定性设计与优化过程中多次调用计算复杂的高精度学科分析模型带来的计算复杂性问题，结合变复杂度建模思想和Kriging近似函数，建立了基于Kriging近似函数的变复杂度近似模型。该近似模型的构造基于较少的高精度模型取样点和较多的低精度模型取样点，在满足近似精度的要求下可大大减小高精度模型近似模型构造的计算成本。数学算例和某飞行器气动力变复杂度近似模型算例证明了该方法的有效性。     

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。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

类Clipper再入返回飞行器气动特性分析

针对类Clipper再入返回飞行器的气动特性,采用近似反设计的方法,在飞行器外包络等约束条件下,通过形状控制函数,计算出类Clipper飞船的气动外形。基于计算流体动力学(CFD)数值模拟方法,研究分析类Clipper再入返回飞行器在不同高度、不同马赫数和不同攻角下的全空域/速域气动特性变化规律,并结合不同飞行状态下的压心位置探讨飞行器的稳定性。结果表明:类Clipper再入返回飞行器在不同飞行状态下能够具有良好的气动特性,最大升阻比可达1.1以上,属于中等升阻比再入,总体呈现出良好的静稳定性,可在未来作为具有可重复使用再入返回飞行器的方案之一。     

基于并联协作混合遗传算法的高超声速巡航飞行器一体化优化设计研究

遗传算法能以很高的概率找到全局最优解，不需要目标函数和约束条件的梯度信息。适合于工程优化设计。为增强遗传算法的局部搜索能力，提出了一种新的融合模式搜索方法和Powell方法的并联协作混合遗传算法。研究超燃冲压发动机为动力的高超声速巡航飞行器的一体化优化设计。系统分析了机身和超燃冲压发动机设计参数对飞行器总体性能的影响。通过建立高超声速巡航飞行器质量模型、气动力估算模型、气动热估算模型、超燃冲压发动机性能分析模型、控制模型和弹道分析模型，在满足参考任务要求的前题下，以飞行器起飞质量为目标函数，将并联协作混合遗传算法应用于最优总体方案和超燃冲压发动机方案一体化设计。完成了6设计变量的全局优化计算。算例表明，本文建立的一体化设计模型基本正确，并联协作混合遗传算法是用于高超声速巡航飞行器一体化优化设计的较好的优化算法。     

改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题,提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间进行线性拟合。然后,利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后,陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比,陀螺输出数据方差分别平均减小了63.2%、43.4%,最大误差分别平均减小71.63%、48.3%。     

基于MOEA/D的三锥体拦截器气动外形优化设计

针对由临近空间拦截器飞行环境变化剧烈导致的热流密度过高等问题,提出一种多目标外形优化设计方法,并针对一种新型三锥体临近空间拦截器外形进行优化设计。首先,建立飞行器的气动、弹道、气动热等多学科分析模型,利用高斯-伪谱法计算拦截弹道,利用桥函数法建立气动模型,并利用Fay-Riddle方法估计气动热流密度。然后,以飞行器航程、总热流量和飞行时间为优化目标,采用基于分解的多目标进化算法(MOEA/D)与伪谱法将该问题转化为一组单目标优化子问题,得到Pareto前沿并进行相关分析。最后,给出一个优于基准值,同时满足性能指标要求的新型外形。结果表明:该优化方法具有可实现性,为未来的飞行器设计提供了新思路。     

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。     

通用航空飞行器气动布局设计优化

研究了通用航空飞行器气动布局设计优化问题。应用基于二次曲线的模线设计方法，实现了通用航空飞行器的参数化外形建模。采用修正的牛顿流理论进行高超声速气动特性计算。在保持纵向稳定性的条件下，以升阻比和容积效率最大化为目标，建立通用航空飞行器气动布局多目标优化模型。应用基于小生境竞争排挤机制的多目标遗传算法求得优化模型的非劣解集。将物理规划设计方法与稳定、高效的粒子群优化算法相结合，有效地求解该优化模型的折衷解。优化结果表明本文的通用航空飞行器气动布局设计优化方法是有效的。     

吸气式高超声速飞行器输入受限自适应反演控制

针对输入受限和气动与推进参数存在不确定时的吸气式高超声速飞行器飞行控制问题,建立了线性参数化形式的纵向运动模型,通过引入控制量与可执行输入之间的差值滤波环节,修正跟踪误差的定义,设计了使闭环系统稳定的反演鲁棒控制器,给出了气动与推进参数向量的有界自适应估计律。轨迹跟踪仿真结果表明,提出的自适应控制方法能够保证阵风干扰情况下飞行器控制的稳定性。     

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.     

基于参数化外形的通用大气飞行器建模与分析

提出了一类翼身组合升力体外形通用大气飞行器(Common Aero Vehicle, CAV)的参数化外形建模方法,采用气动工程预估方法计算CAV的气动系数,拟合得到能用于再入飞行器制导与控制仿真的气动模型,并通过分析,得到该模型静稳定性、气动效率及气动控制特性等方面的结论。结合飞行器再入飞行的运动方程,选取平衡工作点,基于小扰动线性化模型得到系统特征根分布来分析其稳定性,发现固定姿态的滑翔飞行时系统有正半平面极点,需主动控制调节;为了分析机动性,提出了以星下点轨迹曲率求取CAV转弯半径的方法,可快速获取机动性评估与参考指标,结果表明,该模型具有较好的转弯机动能力。     

新型高超声速飞行器的气动设计技术探讨

气动技术是高超声速飞行器的重要支撑技术。目前高超声速飞行器迅速发展,飞行器向外形 复杂化、大气层滑翔飞行方向发展。高超声速飞行器飞行时间加长,飞行距离延长。新型高 超声速飞行器的迅速发展向空气动力学领域提出了众多高难度的问题,需要研究新的技术加 以解决。结合高超声速飞行器发展的方向和一些典型项目的气动需求,针对高超声速飞 行器可能的新型气动布局和相应的气动设计技术进行了探讨。