基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

基于分解策略的SSO发射轨道遗传全局优化设计

提出了基于轨道分解优化和遗传算法（GA）的SSO发射轨道优化设计策略。针对多个轨道段相互耦合问题,基于分解优化策略,将整个发射轨道设计问题分解为两个轨道段设计问题。为了高效可靠地获得全局最优解,对基本遗传算法进行了改进。首先提出了基于多变异操作等改进措施的改进遗传算法;此外,结合遗传算法的全局搜索特性和Powell算法的局部搜索特性,设计了一种串行混合遗传算法。一个二级SSO运载火箭的计算结果表明,轨道分解优化策略确保了问题的成功求解,改进遗传算法和混合遗传算法均可稳定地获得全局最优解,但是混合算法更有效地提高了GA性能。     

基于混合遗传算法的航空发动机PID控制参数寻优

结合某型航空发动机的比例积分微分控制(PID)参数整定与优化问题, 提出了一种全局最优且与初值无关的优化算法.算法采用与单纯形相结合的混合遗传算法, 结合了遗传算法良好的全局收敛性和单纯形算法的优秀的局部搜索能力, 提高了搜索速度与精度.仿真结果表明这种方法具有较好的收敛性与稳定性.      

考虑观测的双冲量最优交会研究

针对跟踪星主动交会目标星的轨道转移问题,给出了考虑观测的双冲量最优交会迭代算法。首先对考虑观测的轨道交会问题进行了分析,给出了椭圆转移轨道的存在性判定方法。在此基础上,给出了基于粒子群的优化求解方案。经过对两异面椭圆轨道转移问题的仿真解算,求得了最优交会轨道,验证了算法的正确性。该研究成果可作为工程应用的有益参考,并为其他带约束的轨道交会优化问题提供可行的求解方案。     

弹道导弹总体参数的混合遗传算法全局优化

液体火箭发动机推进弹道式导弹总体设计参数的全局最优化问题是亟待解决的计算问题。遗传算法具有全局搜索能力强、鲁棒性强、适于并行处理的特点,而Powell算法具有很好的求解局部最优解的能力。将两种方法进行有效改进后使之相结合,设计出并行全局最优化混合遗传算法。并以此为基础,建立了液体火箭发动机推进弹道式导弹总体优化设计模型。以液体火箭发动机推进弹道式导弹的起飞质量最小为目标,对液体推进剂弹道式导弹设计参数进行了优化设计。数值优化结果表明:该混合算法提高了搜索全局最优解的速度,优化精度高,且避免了初值敏感、病态梯度和局部收敛等问题,能够搜索到全局最优设计参数。     

混合遗传算法及其在叶片自动优化设计中的应用

 在遗传算法中 ,采用单纯形法寻优取代变异运算构成混合遗传算法 ,以提高遗传算法局部搜索能力。算例表明混合遗传算法可有效提高搜索效率和对最优解的逼近程度。采用三次多项式和多圆弧方法生成叶型中弧线 ,三次多项式分布叶型厚度 ,对叶型进行参数化。将N S方程正问题流场数值计算与混合遗传算法相结合 ,构成叶轮机械叶型自动优化设计。尝试由气流转角、总压损失和叶型型面面积构成目标函数 ,对压气机叶型进行自动优化设计。     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

基于遗传算法-序列二次规划的涡扇发动机最低油耗性能寻优控制

航空发动机性能寻优控制可充分挖掘发动机潜力,大幅提升发动机性能。燃油消耗率是发动机的一项重要技术指标,对燃油消耗率进行优化,其经济意义及作战效能十分明显。针对飞机巡航状态下发动机节油特性进行研究,在保证航空发动机推力不变及安全工作(如保证发动机不超温、不超转、不喘振等)的前提下,使燃油消耗率最小。以所建立的双转子混合排气加力式涡扇发动机非线性数学模型为研究对象,提出了一种基于遗传算法-序列二次规划(GA-SQP)混合优化算法,该优化算法充分发挥了遗传算法和序列二次规划算法的优势,同时在一定程度上克服了两者的缺点,利用Matlab对该优化算法进行了仿真分析。在随机选取的10个飞行状态点对航空发动机最低油耗模式性能寻优控制进行研究后发现:基于GA-SQP混合算法的优化控制可平均降低油耗3.61%(采用基于遗传算法的优化控制则为3.68%),基于GA-SQP混合算法的优化控制的平均耗时为基于遗传算法的优化控制的23.4%。仿真结果表明,基于GA-SQP混合算法的优化控制无需人为设置初始解,不仅能达到与基于遗传算法的优化控制基本相同的优化控制效果,同时还可大幅降低计算量,提高了计算效率。     

混合生物生长自适应搜索遗传算法在形状优化中的应用

利用自适应搜索遗传算法和生物生长算法的特点,提出一种新的优化方法—混合生物生长自适应搜索遗传算法。该算法即可充分利用前两种算法的优点,又可弥补二者的不足。为了验证该算法的合理性和正确性,对经典算例三杆桁架结构进行了优化,并将新算法进一步应用于具有复杂结构的三维离心叶轮优化设计中,结果表明混合算法较遗传算法收敛速度快,且可得到形状优化最优解。     

基于混合遗传算法的液氧/煤油补燃循环火箭发动机非线性稳态特性仿真

在建立数学模型的基础上,通过采用遗传算法与一般确定性算法相结合的混合遗传算法开发了有效的适于大范围参数扰动和工况调整的非线性稳态特性仿真程序,并利用该程序对液氧／煤油补燃循环液体火箭发动机系统的大范围参数扰动和工况调整的稳态特性进行了仿真计算。计算结果表明,混合遗传算法是解决该类问题的有效方法,对类似发动机的研制与改进具有一定的指导意义。     

求解含调整时间排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,提出了一种求解Job Shop排序问题的混合算法框架,利用启发式规则引导遗传搜索过程,以提高遗传算法的求解效率。在求解过程中,遗传算法仅对每台机器的第1道工序搜索寻优,通过仿真过程安排后续工序,在仿真过程中,利用启发式规则确定工件的加工优先级。在以上框架基础上,针对含调整时间的作业排序问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题具有很好的求解性能。     

基于遗传算法和BP网络的航空发动机拆换期望值预测

通过使用真实样本实验的方法,在BP神经网络、GA遗传算法与改进的GA-BP复合算法中,找出能迅速精确地预测航空发动机拆换期望值的最佳方法。试验结果证明,GA-BP复合算法在用遗传算法对神经网络的权值进行大致搜索以后,再用神经网络方法进行训练,能很好地模拟发动机拆换期望值,并用实例证明该算法是有效的。      

Optimization of multiple-impulse minimum-time rendezvous with impulse constraints using a hybrid genetic algorithm

The minimum-time multiple-impulse rendezvous with impulse constraints is investigated in this paper. Based on the Clohessy–Wiltshire (C–W) equations, an optimization model including several different kinds of impulse constraints such as the maximum impulse magnitude, the total velocity change magnitude and the time of imposing impulse for multiple-impulse minimum-time rendezvous is established. A generalized inverse matrix solution for linear equation is applied to avoid handling the terminal equality constraints. In order to obtain the global solution efficiently, a hybrid optimizer combining the advantages of a floating-coded genetic algorithm and simplex method is employed. A low-earth orbit multiple-impulse rendezvous problem is used as an example. The influence of the number of impulses, the optimization variables and the constraints on the solution is analyzed, and the different optimization algorithms are compared. Results indicate our proposed model and approach is effective in designing linearized minimum-time rendezvous trajectory with impulse constraints.     

路径约束的时间最短多脉冲交会全局优化

不同于现有的多脉冲最优交会研究多集中于交会时间固定的最省燃料优化,研究了路径约束和脉冲受限的多脉冲最短时间交会问题。综合考虑了交会测量视场角、脉冲总量和脉冲作用时刻等约束,基于Lam-bert交会算法,建立了多脉冲交会最短时间优化的非线性规划模型。为了高效获得全局最优解,采用了模拟退火算法用于非线性优化问题的求解。最后,通过解决一个寻的三脉冲交会问题验证了模型和算法的有效性。该研究方法可寻找满足特定约束条件的最优交会轨道。     

运用混合遗传算法的多机编队重构优化方法

多机编队重构优化除了要考虑终端状态约束、控制作用能量约束之外,还必须考虑安全防撞距离与通信保障距离的约束。在满足这些约束的前提下,提出了一种新的结合控制作用参数化与时间离散化(CPTD)方法和遗传算法(GA)的混合算法,将编队重构最优时间控制问题进行控制作用参数化和时间离散化处理,转化为带自由终端状态约束的离散型优化问题,并通过对传统遗传操作算子的改进,采用改进的遗传算法进行寻优,得到最优解。算例结果表明了该混合算法的有效性,其适用于编队重构最优时间控制问题。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

应用混合演化策略的机翼气动优化设计

把基于实数编码的遗传算法与可变容差法相结合,建立了数值优化设计中的混合演化策略(HES),并将其与机翼的气动分析相结合进行跨音速机翼的气动优化设计.与基准机翼相比,优化设计的机翼其气动性能有较大程度的改善,表明了混合演化策略在机翼优化设计中的有效性.与单纯的遗传算法(GA)相比,应用混合演化策略的气动优化设计具有更高的优化效率和优化质量.