基于耦合气动参数的HGV多模型估计

利用气动参数对未知气动力建模是提高高超声速滑翔目标跟踪精度的有效途径。对目标气动加速度及其导数项进行分析,在非耦合气动参数模型的基础上,考虑气动加速度在转弯和俯仰方向存在的先验信息,推导滚转和螺旋2种耦合气动参数模型。利用一种分离估计模型对目标状态与气动参数进行估计,分别给出状态滤波器和气动参数滤波器的表达式。同时,考虑不同飞行模式下参数的机动频率,构建基于耦合气动参数的交互多模型跟踪算法。仿真表明,本文所提算法精度显著高于针对该类目标的其他跟踪算法。同时,滚转模型的性能优于螺旋模型,且计算复杂度更小。      

缝道参数对多段翼型气动性能的影响

数值模拟研究缝道参数对着陆构型多段翼型气动性能的影响,采用有限体积法求解雷诺平均N-S(Navier-Stokes)方程,湍流模型采用S-A(Spalart-Allmaras)模型,给出了多段翼型升力系数与表面压力系数随各缝道参数的变化规律.计算结果表明:采用的计算模型可用于二维多段翼型的计算;缝道参数对多段翼型气动性能的影响显著,在各个缝道参数的变化范围内升力系数均存在最优值,适当的缝道参数可以抑制后翼上表面逆压梯度,消除后翼分离,并保持前翼尾迹不与后翼边界层相掺混,提高多段翼型的气动性能.      

区间多目标线性优化的功效系数求解方法

针对工程领域中普遍存在的具有不确定参数的多目标优化问题,提出了一种基于功效系数的区间优化模型及求解方法.通过引入增补变量,将含有区间参数的目标函数化为参数确定的形式.建立以功效系数为基础的评价函数,将原多目标优化问题转化为单目标优化问题,然后分别在区间约束条件的最好情况和最差情况下求解,得到设计变量的最优解区间和目标函数的最优值区间.通过工程算例,与传统概率方法的优化结果相比较,验证了所提出优化模型及方法的有效性.     

旋翼翼型高维多目标气动优化设计

先进旋翼翼型设计是典型的多设计点、多目标优化问题,常规优化方法已无法满足翼型高维多目标优化设计的要求。基于分解的多目标优化算法（MOEA/D）,建立了考虑高低速升阻特性、力矩特性、阻力发散特性等的旋翼翼型高维多目标优化设计方法,并采用高精度kriging模型以提高优化设计效率。针对旋翼内段、中段翼型进行了5个设计目标的全局优化设计,采用自组织图映射（SOM）方法对最优Pareto解集进行了聚类分析。典型翼型CFD结果分析表明,中段翼型低速力矩系数幅值减小约50.7%,高速最大升力系数提高约6.5%,最大升阻比提高约7.7%,同时阻力发散特性得到改善,内段翼型同样取得了良好的多目标优化效果。研究表明,MOEA/D算法对高维多目标气动优化设计问题具有很好的适应性,能有效提升旋翼高低速气动性能设计的能力。      

固体火箭发动机成本与性能双目标优化设计

为求解某运载火箭上面级固体推进剂火箭发动机多属性价值优化问题,建立了发动机主要部件的参数成本模型,研究了一种改进的Pareto多目标遗传算法--IPGA算法,测试函数的计算结果表明,该算法收敛性优于NSGA-Ⅱ算法.以运载火箭末速度增量最大和发动机制造成本最低作为目标函数,采用IPGA计算得到了壳体材料分别为APMOC和碳纤维时的Pareto非劣解集,采用理想点法得到非劣解集中费效比变化的拐点,计算结果表明,以该点为满意解设计方案可以使该运载火箭的有效载荷提高7.6%,并使发动机的成本降低.     

基于动态指标的飞机方案多目标优化方法

为提高飞机方案多目标优化过程中最优解的搜索效率,对多目标方案的比较评价方法及其在优化中的应用进行了研究.提出了可用于多目标方案对比评价的基准指标,并建立了利用新生成方案的目标值对基准指标进行动态更新的动态指标.通过采用动态指标构造适应度函数改进了多目标遗传算法,进行的双目标优化算例表明,改进的算法能够获得更优的Pareto前沿.采用改进的多目标优化方法对一种轻型战斗机概念方案进行了优化设计,设置了重量、气动、隐身等4个优化目标,优化结果验证了基于动态指标改进的多目标遗传算法在飞机概念方案设计优化中的有效性.      

用于单级入轨的三组元发动机参数优化

针对可重复使用的天地往返运载器运载任务，以三组元发动机的性能计算，分析为基础，以运载器的结构干质量为优化目标，对三组元发动机参数进行了优化分析。得到了对应于最小运载器干质量下的发动机最佳参数与发动机最佳模式转换时间，为将来的发动机详细设计打下基础。     

吸气式高超声速飞行器多参数灵敏度分析

为实现吸气式高超声速飞行器多参数情况下的灵敏度分析及参数分类,降低设计的复杂度,在吸气式高超声速飞行器参数化建模的基础上,首先采用正交试验设计生成样本,再通过计算流体力学(CFD)进行高精度气动力性能计算,最后运用方差分析法进行气动性能的参数灵敏度分析,在运用较少的试验样本点的情况下,即可完成多参数、复杂构型条件下气动性能的参数灵敏度分析。结果表明,该方法可以正确地分析出参数对飞行器气动性能的敏感程度,得到参数对气动性能的影响规律。同时,通过灵敏度分析的计算样本,还可以初步选出气动性能较优的飞行器构型,为地面试验和优化设计提供参考。     

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

一种新型并联灌注机器人运动学分析和多目标优化

针对大型航天器蜂窝结构灌注需求,提出一种新型串并混联灌注机器人机构,主要对并联机构进行分析研究。首先,对3PSS-PU并联机构进行了运动学分析,建立了运动学反解数学模型和雅可比矩阵;其次,确定了影响机构工作空间主要因素的约束条件,求解出了机构的工作空间;然后,建立了机构的刚度模型,求得机构在运动过程中的刚度变化分布;最后,利用遗传算法,以工作空间和全局刚度为目标对机构结构参数进行优化分析,确定了最终的机构尺寸参数,为蜂窝灌注机器人应用奠定基础。      

一种求解函数全局优化问题的正交方向法

提出了一种求解函数全局优化问题的正交方向法.该方法通过前三轮大范围的正交设计寻找全局最优解的大体位置,然后通过若干轮小范围的正交设计进行最优解的精确逼近.每一轮正交设计中,探索设计空间的试验点依据正交表围绕一个中心点产生,设计变量的取值范围逐渐减小.而在每一轮正交设计后,采用一维搜索提高搜索精度.一维搜索的方向由每轮正交设计的中心点和最好(或最坏)点决定. 该算法计算量较小且易于编程.采用两个数学优化问题和一个火箭动力、水平发射的单级入轨飞行器的弹道优化问题对算法进行了测试.这些算例表明,当目标函数的极值数少于正交表提供的试验方案数时,正交方向法常常能以较小的计算量获得全局最优解.     

液体火箭发动机系统设计仿真与优化

建立了某液体火箭发动机系统设计的仿真模型与相应的多目标优化模型,编制了系统仿真程序,并在iSIGHT的软件平台上针对不同的优化目标对发动机的设计参数进行优化.采用了组合优化策略,结合多岛遗传算法和序列二次规划算法分别进行全局寻优和局部寻优,求得全局最优点.建立了单燃气发生器循环系统的质量模型,在优化过程中考虑了发动机主要部件结构质量对系统性能的影响。以燃烧室压强、混合比和喷管出口反压为设计变量,优化目标包括发动机比冲、有效载荷、结构质量、密度比冲、关机时飞行速度、推进剂综合密度.并根据结果分析了燃烧室压强和混合比对发动机性能的影响.     

基于混合可靠性分析的协同优化方法

针对在多学科设计优化中进行可靠性分析计算成本高的问题,将两种现有的可靠性分析方法与协同优化相结合,提出一种基于混合可靠性分析的协同优化方法.该方法在协同优化的子系统级进行可靠性分析,并在分析前估算优化迭代点与约束边界的距离,对靠近约束边界的点进行基于一次可靠性方法的可靠性分析,其余点仅采用均值法粗略计算其可靠度, 减少了不必要的可靠性分析成本,并将可靠性分析融入到协同优化的框架中.用优化算例对该方法进行了验证,优化结果表明该方法在保证可靠性精度的前提下,有效提高了优化效率,具有实际工程意义.     

Hybrid reliability analysis method based collaborative optimization

针对在多学科设计优化中进行可靠性分析计算成本高的问题,将两种现有的可靠性分析方法与协同优化相结合,提出一种基于混合可靠性分析的协同优化方法.该方法在协同优化的子系统级进行可靠性分析,并在分析前估算优化迭代点与约束边界的距离,对靠近约束边界的点进行基于一次可靠性方法的可靠性分析,其余点仅采用均值法粗略计算其可靠度,减少了不必要的可靠性分析成本,并将可靠性分析融入到协同优化的框架中.用优化算例对该方法进行了验证,优化结果表明该方法在保证可靠性精度的前提下,有效提高了优化效率,具有实际工程意义.     

A multi-objective optimization framework of constellation design for emergency observation

To meet the urgent needs of emergency observation missions, a well-designed constellation is key to ensuring system performance. This paper presents a multi-objective optimization framework which is well suited for constellation designers to identify key trade-offs and make decisions. Firstly, this work investigates the metrics of responsiveness and coverage simultaneously to approximate to the actual conditions of emergencies, and a multi-objective mathematical model is constructed to explore solutions to enhance the overall system performance. Then, according to the characteristics of emergency missions, a hierarchical chromosome encoding method is proposed in the framework to encode a solution that explores different sized constellations without constraining its specific geometry. Finally, we propose the use of radial axes plots to help constellation designers to gain pragmatic insights for informed decision making. The simulation of disaster management verifies that the proposed chromosome encoding method effectively promotes the convergence of the algorithm, and the multi-objective optimization framework helps to generate a rapid and adequate observation satellite constellation to provide maximum coverage performance while ensuring timeliness.     

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念,提出了一种求解非劣解集的多目标遗传算法,重点讨论了算法实现中非劣解集的筛选和适应度的计算.将该算法应用于假想的干线客机方案优化设计,要求巡航段升阻比和有用载荷系数两个目标最大,对优化结果进行了分析比较.研究结果显示出MOGA(Multi-Objective Genetic Algorithms)对飞机方案多目标优化设计具有良好的应用前景.