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机维修计划编制优化

针对国内航空公司的维修生产管理,分析了维修计划的编制流程,建立了相应的整数规划数学模型,该模型采用维修停场损失、维修加班费用和维修外包费用的和作为目标函数,可用于混合机型机队的定检维修计划的制定。同时分析研究了粒子群优化算法,并采用该算法对模型进行求解。数据仿真结果表明,建立的模型和求解算法切实可行。     

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。     

一种改进粒子群算法及其在飞控系统中的应用

针对标准粒子群优化算法过早地陷人局部最优问题,提出了一种改进的粒子群优化算法,引人基于均匀设计区域选取的变异算子和改进的自适应权重来提高种群多样性和粒子群搜索效率,并应用于某飞行控制系统的优化调参.通过该方法,不但可以降低结果过早陷人局部最优的可能性,而且还提高了飞行控制系统优化调参的效果,仿真实验验证了该设计方法的有...     

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。     

基于粒子群优化算法的火箭弹弹道研究

针对制导火箭弹滑翔增程问题,文章提出了以攻角为优化变量的解决方法;基于火箭弹的四自由度模型,结合粒子群优化算法,提出了火箭弹射程优化模型并建立了约束条件。对某制导火箭弹弹道进行优化仿真,所得到的结果表明:通过控制火箭弹攻角的变化规律,能够有效增加火箭弹的射程。因此,文章所提出的攻角控制方法是可行的。     

基于改进粒子群算法的串列叶型优化设计

为了提高串列叶型优化设计的质量,设计了一套基于改进粒子群算法的串列叶型自动优化系统。研究了原始粒子群算法,提出了一种粒子群算法的改进方法。结果发现,改进粒子群算法的收敛速度和收敛精度明显优于原始粒子群算法和遗传算法。以50°大弯角串列叶型为研究对象,使用程序对串列叶型参数化。以叶型参数和串列叶型相对位置的参数作为优化变量,结合BP神经网络和改进粒子群算法对串列叶型进行优化设计。优化结果表明,优化后的叶型在设计攻角时的总压损失系数降低了22%,静压比升高了0.6%,在负攻角时,优化后的叶型的流动性能得到了明显改善。适当减小串列叶型前后缘的半径可以减小叶型的损失,合理的缝隙结构可以有效减小前排叶型压力面和后排叶型吸力面附面层的分离损失。     

基于粒子群算法的导弹PID控制参数选择

PID控制在导弹控制系统的设计中得到了较多的应用,但PID控制器的性能依赖于其参数的整定和优化。利用粒子群算法对控制器的参数进行优化,并对俯仰通道控制系统进行了仿真研究,结果表明,攻角和俯仰角速度都取得了较好的效果,当气动参数具有不确定性时,效果依然较好,验证了方法的有效性。     

基于改进粒子群算法的离场航班排序

航班离场过程中,以时间或经济损失最小的单目标排序会导致延误时间分配不均和多目标排序在求解时存在算法收敛速度慢、易于陷入局部最优的缺陷,导致计算效率低。为解决这一问题,基于航班优先级、尾流间隔、航班延误时间、航班延误标准差构造航班离场排序模型,对粒子群算法的惯性权重和学习因子采用动态调整的改进策略。以厦门高崎机场非拥挤和拥挤场景下的共4 h离场航班进行优化排序验证,结果表明：与先到先服务(FCFS)方法、惯性权重线性递减粒子群(LDWPSO)算法相比,文中方法非拥挤场景下延误总时间减少了72%,26%,延误标准差减少了27%,28%;拥挤场景下,较FCFS延误总时间减少69%,延误标准差减少68%,与LDWPSO算法相比,优化效果上无明显差异,但在解空间的迭代收敛速度更快,达到最优罚值的迭代速度提升了55.6%。     

基于粒子群算法的大型风力机桨距调节计算

为了能够快速准确地对大型风力机的变桨矩进行设计,将粒子群算法应用于风力机风轮变桨距气动设计,并建立了设计计算的数学模型。以1.5MW的大型风力机为例进行了设计计算,结果表明本文提出的设计计算方法是具有一定的可行性和实用性。     

基于改进PSO算法的PID控制器参数优化

针对PID控制器参数设计问题,提出了一种基于改进PSO算法的优化方法。该方法将初始的粒子群分成两组搜索方向相反、相互协同的主、辅子群,在保持种群小规模情况下,增强算法全局探索能力,实现高精度的优化结果。仿真结果表明,该方法相比于传统算法,所得到的控制器参数使控制系统获得了更好的动态响应特性和满意的控制效果。     

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

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。     

基于粒子群算法的飞机总体参数优化

 现有的飞机总体参数优化方法在效率和适应性上存在不足。考虑到粒子群算法是一种基于群智能方法的演化计算技术,它对不同复杂约束条件下的多目标优化问题较常规方法更具简便性和适用性。因此,提出了使用非数值计算的粒子群算法来改进飞机总体参数优化效率。详细研究了粒子群算法在飞机总体参数优化上的应用方法,并着重于3个方面：①以航程、商载和起降距离为优化目标的粒子群算法构建;②粒子群算法中因子的自适应修正方法;③基于粒子群算法的飞机总体参数优化流程。计算结果与文献结果相比具有较好的一致性和合理性,所提出的方法可有效地应用于飞机总体参数优化。