基于单纯形优化算法的火箭弹增程研究

针对火箭弹增程问题,提出了以攻角为优化变量的实时优化方法.基于制导弹药的纵向平面模型,建立了制导火箭弹弹道模型,采用改进单纯形优化算法在SIMULINK中实现了函数子模块优化,对某型制导火箭弹弹道进行实时优化仿真.结果表明:采用改进单纯形的攻角实时优化,可以在保证火箭弹飞行稳定性的前提下有效增加火箭弹射程,且增程率达到...     

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。     

基于粒子群优化的航路规划算法研究与仿真

文章将粒子群优化方法应用于飞机低空突防航路规划技术研究,提出了利用一组正弦波曲线来构造一个粒子,并在适应度函数设计巾加入处罚函数,使该方法得到的飞行航线严格经过起始点和目标点,而且满足飞机的机动性能要求,以及起始航向角与目标进入角的要求。仿真结果表明,所用方法简便可行,粒子能较快地收敛于全局最佳航路。     

基于粒子群算法的海上风机叶片优化算法研究

提出了一种针对不同风场条件提高海上风力发电机叶片气动效率的方法.风力发电机叶片是风机效率的核心部件,叶片在不同海上风场条件下功率差别很大,这导致了风机效率的降低.通过引入改进粒子群优化算法(PSO),基于修正动量叶素理论(BEM),对叶片沿展向的弦长分布和扭转角进行针对特定风场条件的气动优化.以美国再生能源实验室提供的5MW海上风机叶片作为算例,结合我国东海风场条件,叶片优化后平均功率提高了6.7％,取得了理想效果.结果表明,该优化方法具有较高的气动优化效率.     

基于多级优化的粒子群算法在航迹规划中的应用

针对粒子群算法后期存在寻优效率降低、收敛缓慢等问题,提出了多级优化算法。该算法具有局部快速收敛特性,通过对粒子群所生成的最优粗略解进行局部最优处理,从而能够快速地从粗略解中提取出全局最优信息,将粗略解变为最优解。仿真结果显示,该组合算法能将粒子群算法的全局搜索特性和多级优化算法的局部优化特性有机结合起来,达到了准确而快速生成路径的目的。     

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.      

基于粒子群优化算法的不完全数据的处理

不完全信息下的数据挖掘是一个困难的问题,但它在实际决策中是不可避免的。在介绍几种处理方法的基础上,提出了基于粒子群优化算法的处理方法。对适应函数进行了讨论,实例表明该方法比较有效。     

基于HyperDesign平台的粒子群优化算法插件开发及应用

介绍了适用于飞行器总体设计的多学科优化软件HyperDesign,并基于HyperDesign平台用C++开发了粒子群优化算法插件.通过精心设计的数学算例来测试插件的效率,并将其应用于某喷气教练机总体参数优化设计问题中,验证了该插件在飞行器总体设计中的有效性.本文对HyperDesign进行了二次开发,使作者认识到开发优化算法插件的重要性.     

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。     

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。     

粒子群优化方法及其实现

介绍了一种新颖的全局优化搜索新方法-粒子群优化方法,讨论了其中的参数设置问题,给出了一个用VB实现的程序,详细给出了该实现的数据结构和程序框架,该程序以二维视图形象地表现粒子群的寻优过程,并辅以学习曲线,有利于进一步的研究。     

基于离散粒子群算法的航空发动机总装工艺优化方法

为了提高航空发动机总装工作的效率与质量,加强对总装工序和总装机件的管控,量化不同总装人员工作任务量,提高发动机总装的一致性和可追溯性,提出了1种发动机总装分区优化方法。以改进的2进制粒子群算法为基础,平衡了发动机总装各区域的工作内容,最小化各总装区域的工作差异,增强了每个区域装配机件的关联度,提高了总装工作的并行度,从而提高了装配质量。以某型发动机总装区域划分工作为实例,通过上述算法进行了总装区域划分,量化了所有装配区域每一工序的具体装配内容,减小了不同装配区域间的机件差异,杜绝了缺件、剩件等装配问题。     

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。     

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。     

改进的粒子群优化算法在气动设计中的应用

为了提高优化系统的搜索效率,发展出了社会模型这种改进智能优化算法的通用策略,在此基础上,提出了一种基于社会模型的改进粒子群优化(IPSOSM)算法。该算法对社会模型进行了分析并在此指导下,将人工鱼群算法(AFSA)中的聚群行为引入到粒子群优化(PSO)算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得IPSOSM算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将IPSOSM算法应用到翼型和机翼的气动优化设计之中,取得了良好的结果,从而表明提出的算法简洁有效,具有较好的实用性。     

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。