浅谈飞行程序设计工作作风建设

本文旨在分析飞行程序设计行业的现状,通过剖析飞行程序设计行业存在的问题,提出培养良好的飞行程序设计工作作风的重要意义.并提出在实际工作中如何养成良好的飞行程序设计工作作风,从而提高设计水平,提升设计质量,实现民航本质安全.     

多层设计参数的叶型气动优化

针对叶片型面的设计问题,提出一种基于遗传优化算法的多层参数化方法.这种方法类似多层网格法原理,利用Bézier曲线的递推算法进行各层之间的设计变量转化,使得优化迭代过程中,下层群体中得以保存上层的优秀个体.根据遗传算法固有的并行特性构建了局域网并行优化平台,并对基本遗传算法进行了改进,从而大大缩短优化时间、提高优化效率.最后设计了曲线逼近和叶型优化的算例,结果显示多层参数化方法能明显加速收敛,在个体数较少时,效果更为明显.     

基因算法在喷管反设计中的应用

在气动优化设计中引进了基于达尔文的自然选择机制和生物遗传机制的基因算法,构造了相应的基因变异等算子。针对喷管气动外形的特点提出了与之相适应的Ｂéｚｉｅｒ曲线基因表达,把算法搜索空间缩小为由有限参数曲线控制点构成的子空间,从而加快了算法收敛速度。并与全位势方程求解程序相结合,提出了具体的供优化设计的适应函数,研制了二维气动反设计计算程序,进行了二维喷管反设计数值实验。结果表明,本文构造的方法是可行的,而且具有全局优化和鲁棒性强等特点     

气压垂直导航保护区内障碍物自动评估的算法研究

为了降低飞行程序设计过程中障碍物评估工作的复杂度和提高飞行程序设计效率,本文尝试以气压式垂直进近程序为例,在分析相关设计规章基础上,提出了一种保护区自动生成算法,实现障碍物自动评估。经GIS呈现技术进行结果验证,此算法能有效辅助飞行程序设计工作。     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

动态变异率的多群体进化计算

针对进化计算中存在收敛速度慢和易陷入局部收敛的弱点,本文提出将多群体和动态变异率相结合,对传统的进化计算进行改进。通过实验表明,改进的进化计算是有效的。     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

一种基于年龄和性别特征的遗传算法

提出了一种基于年龄和性别特征的遗传算法。标准遗传算法（SGA）已经被成功的应用到很多进化优化问题上，但是对于复杂的多模态函数寻优时，会出现早熟收敛现象。为了解决这个问题，结合自然界最常见的有性繁殖现象，赋予了遗传个体年龄和性别特征，提出了基于年龄和性别特征的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子。对不同年龄和不同性别的个体赋予不同的进化控制参数，克服了早熟收敛问题且保持了群体的多样性，使算法能顺利的收敛到全局最优值。     

使用标准规定航迹的目视机动盘旋保护区的自动生成

通常情况下,飞行程序设计工作一直依靠手工进行,设计周期长,工作效率低。因此,为实现飞行程序设计的自动生成而进行飞行程序设计的辅助设计势在必行。本文针对使用标准规定航迹的目视机动盘旋,结合国际民航组织的Doc8168文件,经过调研并在AutoCAD基础上采用Visual-LISP语言进行开发,建立计算模型,通过在对话框中输入数据的形式实现了对使用标准规定航迹的目视机动盘旋保护区的自动生成。     

机载光电跟踪系统基于遗传算法的模糊控制器优化设计研究

分析了机载光电跟踪系统的构成，并对机载光电跟踪系统的最主要成部分－陀螺平台框架系统设计了基于GA（遗传算法）的模糊控制器，由于遗传算洒可以搜索整个空间，不易陷入局部最优解，不受搜索空间的限制性假设的约束，因此本文通过遗传算法对模糊控制器的控制规则，参数以及量化因子和比例因子进行了优化，在对模糊控制器设计的过程中，为了提高模糊控制的精度并加速遗传算法的收敛速度，还采用了变论域的方法，通过对系统详细的仿真研究，验证了基于GA的模糊控制器设计的良好控制效果。     

改进遗传算法在桁架结构优化设计中的应用

文章针对简单遗传算法的早熟现象及不能处理带有复杂约束的优化问题,提出了一种基于乘子法与伪并行遗传算法的改进遗传算法,并将其应用于桁架结构优化设计中.计算结果表明改进遗传算法全局寻优能力强.     

自由曲面型腔粗加工刀轨生成算法研究

在运用环切方式进行型腔类零件的分层加工时,预钻孔位置和刀具运动轨迹规划直接影响编程的繁简及切削效率。文中提出了一种型腔环切刀轨生成算法,使得在一个连通加工区域里只需抬刀一次,保证在相邻等距环的过渡时不发生干涉。预钻孔的位置可在加工区域里灵活选择,取消了对预钻也位置的限制。该文设计并实现了切除等距环尖角处未加工到的残留区域算法。算例表明,文中提出的方法易于实现,结果稳定、可靠。     

松约束运输问题模型与算法研究

运输问题存在着所谓的"多反而少"悖论现象,本文用运输问题的松约束模型,说明了运输问题产生悖论现象的原因,从而拓宽了运输问题的应用范围,增加了运输问题的适应性,本文给出的运输问题的松约束模型的表上作业算法,运算简单,能彻底解决了运输问题的"多反而少"悖论现象,用本文所介绍的算法解一些问题,得到了更省的调运方案.     

基于遗传算法的三级供应链集成计划问题研究

供应链集成计划的研究主要侧重于两级供应链结构，而面向超过两级的多级供应链集成计划的研究还很少。本文主要研究了三级供应链集成计划制订问题，以各企业的制造成本、库存成本、外包成本、运输成本和短缺成本总和最小为目标，建立了多供应商、多制造商、多分销商、多产品和多时段的有限生产能力的供应链集成计划模型，并详细说明基于遗传算法的供应链集成计划模型求解问题。最后通过算例仿真验证了模型和算法的可行性和有效性。     

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。     

用遗传算法优化Turbo码交织器

具有短帧的Turbo码的性能取决于交织器的设计．设计的主要目标是距离谱的优化。本文提出在S随机交织器的基础上，用遗传算法(GA)优化交织器．提高Turbo码的自由距离并减少具有自由距离码字的出现频率。它利用了遗传算法的群体多样性，具有全局优化能力的特点，优化了Turbo码的距离谱，提高了系统性能。仿真结果表明，遗传交织器的性能优于块交织器、螺旋交织器等传统交织器。     

基于极大代数的航空器无冲突放行时间推测

针对同一终端区不同机场航空器离场汇聚,给出了问题的具体描述,建立了相应的单航路极大代数模型,并在此基础上设计了航路汇聚交叉模型,解决了同高度航空器离场的冲突问题,最后对模型进行了算例验证。结果表明,极大代数能够较好地解决航空器航迹冲突问题,实现航空器到关键点的无冲突放行。     

Assembly Line Balancing Based on Double Chromosome Genetic Algorithm

Aiming at assembly line balancing problem, a double chromosome genetic algorithm （DCGA） is proposed to avoid trapping in local optimum, which is a disadvantage of standard genetic algorithm （SGA）. In this algorithm, there are two chromosomes of each individual, and the better one, regarded as dominant chromosome, determines the fitness. Dominant chromosome keeps excellent gene segments to speed up the convergence, and re cessive chromosome maintains population diversity to get better global search ability to avoid local optimal solu- tion. When the amounts of chromosomes are equal, the population size of DCGA is half that of SGA, which significantly reduces evolutionary time. Finally, the effectiveness is verified by experiments.