无喷管助推器药柱结构优化设计研究

为了得到无喷管助推器药柱设计的最优解,采用无喷管助推器一维非定常内弹道计算方法和粒子群模式搜索混合优化算法,构建了无喷管助推器药柱优化设计框架,优化框架中粒子群算法用于全局搜索,模式搜索算法用于局部搜索。对圆柱内孔装药无喷管助推器的药柱结构进行了优化设计,最大化总冲设计在不增大峰值压强的条件下总冲提升了5.4%,最小化峰值压强设计在总冲不降低的条件下峰值压强降低了33.8%,表明设计框架适用于无喷管助推器药柱优化设计过程,能够满足不同药柱设计的需求,混合优化算法的采用大大降低了优化设计代价。     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.      

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。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群算法应用于翼型气动优化设计的可行性。在优化设计的过程中,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

冲压发动机导弹爬升轨迹与推力调节规律优化

针对以冲压发动机为动力的导弹爬升问题,建立了飞行轨迹和推力规律一体化优化设计模型。采用基于三次样条的直接离散方法,将弹道优化问题转化为参数优化问题,选取兼顾全局搜索能力和局部搜索精度的粒子群-变尺度法(PSO-BFGS)串联混合算法求解最省燃料爬升弹道,得到了"先减速再加速"爬升方案。相比传统的采用最大推力规律、仅优化爬升轨迹的爬升方案,一体化设计能充分发挥冲压发动机的推力调节能力,使导弹以较小的平均飞行速度完成爬升过程,可以显著节省燃耗,提高导弹的性能。     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

混合遗传算法在航天器最优交会中的应用

推导了航天器双冲量交会时的优化模型,以此为基础构造了最优交会的燃料-时间混合优化指标,并针对基本遗传算法局部搜索能力不强的问题,提出一种将最速下降法与遗传算法相结合的混合遗传算法,其中下降搜索的优化方向利用每一代中最劣个体所包含的优化信息获得。数值计算表明,该混合算法可加速算法的收敛,具有良好的优化性能和函数适应能力。最后,对共面圆轨道双冲量交会情况进行了仿真计算,仿真结果表明混合遗传算法的设计是成功的。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

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。     

基于混合优化的运载器大气层内上升段轨迹快速规划方法

针对运载器大气层内的最优轨迹快速规划问题,提出一种将求解最优控制问题的间接法与直接法相结合的混合优化方法。首先,基于最优控制问题的一阶必要条件,将运载器大气层内的三维最优上升问题转化为Hamiltonian两点边值问题;然后,采用直接法中能以较少的节点获得较高求解精度的Gauss伪谱法进行求解,提高算法的求解效率;最后,采用真空解析解初值及密度同伦技术,解决初值猜测与算法收敛困难的问题。仿真结果表明,混合优化算法能够准确、快速地对运载器大气层内的最优上升轨迹问题进行求解,并在计算精度与效率上均优于间接法,可应用于运载器的轨迹在线规划与闭环制导。     

Particle swarm optimization applied to hypersonic reentry trajectories

This paper presents the novel use of the particle swarm optimization(PSO)to generate the end-to-end trajectory for hypersonic reentry vehicles in a quite simple formulation.The velocitydependent bank angle profile is developed to reduce the search space of unknown parameters based on the constrained PSO algorithm.The path constraints are enforced by setting the fitness function to be infinite on condition that the particles violate the maximum allowable values.The PSO algorithm also provides a much easier means to satisfy the terminal conditions by adding penalty terms to the fitness function.Furthermore,the approximate reentry landing footprint is fast constructed by incorporating an interpolation model into the standardized bank angle profiles.Numerical simulations demonstrate that the PSO method is a feasible and flexible tool to generate the end-to-end trajectory and landing footprint for hypersonic reentry vehicles.     

航天器轨迹优化的通用数值方法

给出了航天器轨迹优化的一种通用数值仿真方法，该方法是由静态参数优化和动态参数优化构成，其中，静态参数优化采用可变误差多面体算法，动态参数优化采用基于最优控制理论的共轭梯度方法。     

Overview of some optimal control methods adapted to expendable and reusable launch vehicle trajectories

Launcher trajectory optimization is a complex task, especially when considering the specific problems arising in the study of reusable launch vehicles. Part of the difficulty comes from the different characteristics of the trajectory arcs which make up the vehicle's mission (constraints and controls may not be the same). Another difficulty is the necessity, in some cases, of a global optimization between ascent and re-entry phases (branching optimisation). Finally, optimization tools devoted to this task should be polyvalent and robust, as the studies of reusable launch vehicles usually cover many different concepts, and also many different trajectory cases (such as abort scenarios). The purpose of this paper is to present different approaches used in France by CNES and ONERA to solve optimal control problems in the context of launcher trajectory optimization. These approaches, which are powerful implementations of classical optimization methods, were designed to cover the needs for both expendable and reusable launchers trajectory calculation. The first optimization tool presented is OPTAX, which uses an indirect shooting method. The second and third tools presented are CNES's ORAGE and ONERA's FLOP/OLGA, which use two different variants of the gradient method. The paper describes the equations and methodology behind these tools, and also presents their advantages and drawbacks.     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

基于粒子群优化算法的飞行成本最优轨迹优化

以某大型民用飞机为例,应用了以飞行成本最优为目标的性能指标,同时运用最优控制理论,推导出飞机纵向飞行过程（爬升-巡航-下降）的优化方程,使用粒子群算法进行全局寻优,并通过Matlab进行了仿真,实现了以最优成本为目标的轨迹优化。仿真结果表明：用粒子群算法进行全局寻优,寻优效率较高,考虑时间成本后的轨迹,与节油轨迹相比,空速有所增加,耗油量也有所增加,但飞行时间大大缩短,为航空公司降低运营成本提供帮助。     

基于改进粒子群算法的高超声速飞机爬升轨迹优化

装备涡轮基组合动力发动机的高超声速飞机,其推力特性不同于传统的涡扇发动机,因此传统飞机的爬升策略不再适合这类高超声速飞行器。在分析了飞机爬升段数学模型的基础上,基于改进粒子群优化算法针对某高超声速飞机模型飞行剖面爬升段,以最小燃油消耗为目标进行轨迹优化设计。通过仿真计算,优化后的爬升段飞行轨迹能有效减少燃油消耗,证明了优化方法的可行性。     

Impact of mission requirements and constraints on conceptual launch vehicle design

The objective of this paper is to analyse the impact of mission requirements and constraints on both the optimum vehicle design and the effects on flight path selection for two types of reusable two-stage-to-orbit launch vehicles. The first vehicle type considered provides horizontal take-off and landing capabilities and is intended to be propelled by an airbreathing propulsion system during stage 1 flight. The second vehicle type assumes a vertical launch and is accelerated by a rocket propulsion system during the booster stage ascent flight. The analysis employs a design tool for simultaneous system and mission optimization. It consists of a CAD-based preliminary vehicle design tool, aerodynamic and aerothermodynamic calculation software, flight simulation programs, and a two-level decomposition optimization algorithm enabling simultaneous system and flight optimization. The results to be presented show that the cruise flight requirement for an European launched mission of the airbreathing vehicle results in a loss of 60 % payload mass as compared to a mere accelerated ascent for a near equatorial mission into the same target orbit assuming constant take-off mass. The strong dependencies of mission requirements on both the optimal vehicle design and the ascent performance are determined for the rocket-powered vehicle type by varying the inclination and altitude of the target orbit.