应用多目标遗传算法的叶栅气动优化设计

采用Pareto排名策略和共享小生境技术, 实现遗传算法的多目标优化设计.叶栅的气动性能通过求解二维Navier-Stokes方程获得.本文中压气机叶栅的多目标优化确定为在给定条件下同时追求高增压比和低总压损失系数.优化设计获得的Pareto解集显示出本文发展的优化设计平台能够较好的实现多目标的气动优化设计.      

低雷诺数下翼型分离流动抽吸控制优化

为了获得不同目标下最优抽吸控制参数,开展了分离流动抽吸控制优化研究,基于RBF神经网络与遗传算法,发展了求解单目标和Pareto多目标问题的优化平台。针对NACA0012翼型表面分离流动,在其上表面设计了局部多孔分布式抽吸结构,将径向基函数(Radial Basis Function,RBF)神经网络作为CFD计算的代理模型,以减小计算量;采用遗传算法开展了单目标和Pareto多目标优化。优化结果表明:该优化设计平台具有良好的收敛性和准确度;以升阻比为单目标的优化使升阻比最大增加了2.4倍;Pareto多目标优化设计获得了分布均匀的、令人满意的Pareto解集,为设计者提供了一个可选的有效解数据库。在合理选择抽吸角度、抽吸孔径和孔间距的前提下,只需较小的抽吸系数,就可使升阻比获得明显增加,同时,还能保持较高的FOM值,使整个控制系统的能效比维持较高水平。     

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。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

基于MDO技术的飞机操纵面参数/飞行控制律多目标优化设计

 为克服多学科可行法存在的缺点,采用响应面近似模型进行系统分析从而减少计算量,并将该方法应用于具有多操纵面布局的无尾无人机多目标优化设计中,解决了操纵面几何参数和全包线飞行控制律的一体化设计问题。利用试验设计方法及径向基神经网络技术,建立了飞机操纵面的气动效益近似模型和控制学科的近似模型;应用所提方法及多目标遗传算法进行优化,得到一组Pareto解;采用模糊决策技术从中选取一个解作为数学规划方法进一步优化的初值点,从而得到最终解。仿真结果表明了所提方法的有效性。     

基于多目标遗传算法的多级轴流压气机优化设计

建立了一种多级轴流压气机的多目标优化设计方法。采用流线曲率法计算压气机气动性能，结合多目标遗传算法来进行性能参数优化。针对一台两级轴流压气机，选定优化设计的目标是最大的总压比和最高的总绝热效率。将转子尾缘的稠度和相对气流角以及静子尾缘的稠度和气流角作为设计变量。通过优化设计得到一组在两个目标上均优于初始设计的Pareto最优解，对典型的Pareto最优解和初始设计进行分析、比较，证明了该优化设计方法的有效性。     

基于并行多目标遗传算法大涵道分开式排气系统气动优化设计

通过引入快速非支配排序算法、拥挤距离以及拥挤距离比较算子等对基本遗传算法进行改进,并结合massage passing interface(MPI)并行编程技术,发展了主从式并行多目标遗传算法(PMGA).将PMGA与排气系统型面参数化设计方法、Navier-Stokes方程求解器相结合建立了分开式排气系统气动优化设计平台.应用该平台对某型分开式排气系统进行了多目标优化设计,得到了一组在三个目标上都优于初始设计的Pareto最优设计.将典型的Pareto最优设计和初始设计进行分析、比较,证明了该气动优化设计平台的高效性和可靠性.      

多基地多无人机协同侦察问题研究

 充分考虑侦察目标的侦察分辨率要求和侦察时间窗约束，以及位于不同基地的无人机(UAV)的侦察性能和可用数目，首次建立了更加贴近军事应用实际的多基地多UAV协同侦察问题(M-MUCRP)的数学模型，并提出了解决该模型的多基地多UAV协同侦察进化算法(M-MUCREA)。M-MUCREA的染色体数据结构有效地表达了问题的解，有利于交叉、变异等进化操作；充分利用与目标侦察分辨率要求以及目标位置和时间窗约束相关的启发信息，构造初始种群,避免进化过程收敛太慢；基于Pareto最优概念的选择算子确保解在多个目标上的有效优化；精英策略避免了丢失进化过程中产生的非劣解，加快算法收敛；变异和交叉算子在保证有效解的前提下，实现了解的多样性，避免了算法陷入局部最优。仿真实验验证了算法能够有效解决M-MUCRP。     

基于代理模型的气动外形平面参数多目标匹配设计

将Kriging代理模型和Pareto遗传算法引入气动外形平面参数匹配设计中,提出一种基于代理模型的多目标平面参数匹配设计方法。将拉丁超立方试验设计用于平面参数筛选,确定出参数匹配方案库;基于方案库的计算流体力学(CFD)分析结果构建Kriging气动代理模型;将Kriging模型替代CFD分析,用于气体布局参数匹配优化设计,提高了设计效率并保证了可信度;通过Pareto遗传算法优化解决多点设计要求下气动布局参数匹配问题,一次性给出参数匹配方案的最优解集,从Pareto前沿中根据设计偏向选择气动布局最佳匹配方案。以典型的双后掠布局平面参数多点匹配优化设计问题作为算例,研究结果表明:Kriging气动代理模型与实际CFD分析结果的误差均小于5%,满足精度要求;根据不同设计偏向,选择了3种参数匹配Pareto优化方案,与原样本方案相比超声速阻力减小6.0%~12.8%,跨声速升阻比增加0.01%~3.40%,证明了匹配设计方法的有效性;通过试验设计的Pareto分析与主、交互效应分析,获得了气动布局平面参数对气动性能影响的定量关系,能够为参数匹配设计提供依据。所提出的平面参数匹配设计方法可应用于其他常规与非常规气动布局型式。     

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

遗传算法在雷达吸波涂层多目标优化设计中的应用

本文利用遗传算法实现了雷达吸波涂层的多目标优化设计.首先对目标函数进行合理设计,同时基于Pareto最优概念,采用非劣分层遗传算法(NSGA)进行多目标优化.对具体实例的优化结果表明,该方法利用共享函数和小生境技术,可以使优化结果均匀的收敛于Pareto域附近.同传统优化方法相比,该方法物理意义明确,对决策者来说更具科学性、针对性和实用价值.     

平流层飞艇总体多目标优化设计与决策

将多目标优化与多属性决策相结合应用于平流层飞艇总体多目标优化中。建立平流层飞艇多目标优化模型,实现优化模型参数化建模,采用多目标进化算法NSGA－Ⅱ得到Pareto最优解集,构成多属性决策矩阵,采用模糊熵权TOPSIS（ M－TOPSIS）法对Pareto非劣解进行排序,获得最佳设计方案。最终结果验证了NSGA－Ⅱ平流层飞艇多目标优化中的有效性。     

飞机多学科设计优化中的并行多目标子空间优化框架

 针对现有的并行子空间优化框架存在的各子空间仅能有一个优化目标等局限,提出了并行多目标子空间优化框架。该框架将各个学科的优化问题由以往的单目标优化改进为多目标优化,使得每个子空间可以分配到多个优化目标、各子空间的设计变量可以重叠,并且在一次优化中就可获得优化问题的Pareto前沿。介绍了新框架的基本思想和流程,并且阐述了新的学科解耦、子空间的并行优化和系统级的设计变量综合方法。以一个飞机总体设计问题为例,考虑气动、隐身与控制学科,对翼面几何参数和控制律参数进行了优化设计,验证了并行多目标子空间优化框架的有效性和相对于已有方法的优势。     

翼型高低速性能优化及其对缝翼设计影响研究

采用Hicks-Henne方法参数化翼型,以巡航升阻比、低速最大升力系数为目标进行优化设计.利用试验设计方法对总体设计空间内目标函数的分布进行初步评估,得到目标函数的初始Pareto前沿面,以前沿面上的点为基准,把总体设计空间分割成独立的局部设计空间进行并行寻优,逐步更新直至得到收敛的Pareto前沿面.对前沿面上的典...     

高超声速飞行器后体/尾喷管一体化设计

采用实数编码、小生境技术、稳态复制策略、多目标定级排序技术,改进了标准遗传算法,建立了多目标遗传算法,并将其应用于高超声速飞行器后体/尾喷管的一体化设计,以尾喷管的推力、升力和附加俯仰力矩系数为性能目标,得到了优化问题的Pareto最优前沿面,优化结果显示了设计变量与性能目标之间的关系,并提出了建议的外形方案。该优化算法可进一步推广应用于包含更加精确的流动模型的优化设计当中。     

Research of low boom and low drag supersonic aircraft design

Sonic boom reduction will be an issue of utmost importance in future supersonic transport, due to strong regulations on acoustic nuisance. The paper describes a new multi-objective optimization method for supersonic aircraft design. The method is developed by coupling Seebass–George–Darden(SGD) inverse design method and multi-objective genetic algorithm.Based on the method, different codes are developed. Using a computational architecture, a conceptual supersonic aircraft design environment(CSADE) is constructed. The architecture of CSADE includes inner optimization level and out optimization level. The low boom configuration is generated in inner optimization level by matching the target equivalent area distribution and actual equivalent area distribution. And low boom/low drag configuration is generated in outer optimization level by using NSGA-II multi-objective genetic algorithm to optimize the control parameters of SGD method and aircraft shape. Two objective functions, low sonic boom and low wave drag, are considered in CSADE. Physically reasonable Pareto solutions are obtained from the present optimization. Some supersonic aircraft configurations are selected from Pareto front and the optimization results indicate that the swept forward wing configuration has benefits in both sonic boom reduction and wave drag reduction. The results are validated by using computational fluid dynamics(CFD) analysis.     

翼身融合布局客机总体参数分析与优化

在翼身融合布局客机总体设计阶段,为评估设计方案的总体性能,建立了翼身融合布局客机总体参数综合分析与优化平台,该平台以翼身融合布局客机的几何参数为输入,完成动力、几何、重量、气动、性能和经济性等模块分析,并以此为基础建立优化设计模型。为快速评估设计方案的性能及优化设计效果,动力分析模块采用了部件级分析模型,重量分析模块采用半经验估算方法,气动分析模块采用面元法结合工程估算方法,性能分析模块采用简化运动学方法,优化模型采用可并行计算的子集模拟优化算法。以某555座级翼身融合布局客机方案为例,应用开发的分析与优化平台,完成了总体参数分析,结果表明分析模型合理。在此方案的基础上,以客机的外形参数和发动机海平面最大推力为设计变量,分别建立了以最大起飞重量最小为目标的单目标优化,以及同时以直接使用成本和进场速度最小为目标的多目标优化,单目标优化结果最大起飞重量降低了约7.17%,多目标优化结果表明直接使用成本降低8.77%的同时进场速度会增加3.32%。