复合材料格栅结构优化设计中的计算智能技术

针对复合材料格栅结构优化设计多变量、多约束、连续和离散混合变量、高度非线性的难点,提出了用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替优化过程中的有限元计算,以提高优化效率.以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构进行优化.结果表明,在相同样本数的情况下,进化神经网络可获得比BP网络更高精度的映射模型,具有很强的泛化能力.该方法可以为解决大型复合材料结构优化问题提供一条高效途径.      

再生冷却推力室的多学科设计优化

以某型火箭发动机的再生冷却推力室为研究对象,建立了关于推力室的几何型面、质量、流动、传热和结构应力的仿真模型,在iSIGHT软件平台上利用基于响应面模型的协同优化算法对其进行了分布并行的多学科设计优化(MDO),优化目标为权衡推力室质量、出口比冲和冷却通道压降的综合改善。改进的计算结果表明了MDO在推力室设计中的可行性和实用性。     

巡航状态下涡轮径向间隙主动控制

发动机叶尖间隙变大,会导致压气机和涡轮的工作效率下降,发动机推力减少,耗油率增大。主动间隙控制技术是根据发动机工作状态,人为地控制机匣或转子的膨胀量,使转子和静子的热响应达到良好的匹配,以保证径向间隙最小。针对涡轮在巡航状态下采用冲击冷却,确定涡轮在冲击冷却下的优化设计数学模型,利用MPOP优化程序综合寻优,达到涡轮在巡航状态下优化设计主动控制的目的。     

多核心机的涡扇发动机原理分析

说明了多核心机的涡扇发动机的结构原理。其结构与常规的三轴涡扇发动机的主要区别在于：发动机的核心机部分由环绕发动机轴线均布的多个子核心机单元体所组成,并采有了中压空气冷却措施,是一种具有独特结构和热力循环的新结构概念的涡扇发动机。通过对多核心机的涡扇发动机的热力循环论计算和结构原理分析,论述了超高压比的条件下具有的突出优点。多核心设计可以克服超高压比条件下常规涡扇发动机的压气机效率和稳定工作裕度严重下降的困难,实现超高压比,低耗油度,由于采用了中压空气冷却,在燃烧室出口温度不变的条件下,提高燃烧室加温比和发动机的单位推力,多核心机可缓解部件可靠性设计的诸多技术难题,加之采用单元体结构设计,使其具有高的可靠性,安全性和可维护性。     

向心透平叶片角动量分布的优化

 以n条子午流线,给出满足约束条件的各自角动量分布的若干不同组合构成初始复合形,做复合形每一顶点处该向心透平叶轮S2 流面与跨叶片面势流场分析,并以二元紊流边界层动量厚度计算经三元修正,分析叶轮效率,最终使复合形法成功应用于向心透平叶片角动量分布的优化。该方法也适用于离心叶轮中叶片加载量的优化。     

纯模态试验中的作动器/传感器优化配置

基于有效独立法,研究了逐步消减法在纯模态试验作动器/传感器优化配置中的应用。对一给定自由度的结构系统,由系统的模态动能可得系统的F isher信息阵。在优化过程中,根据F isher信息阵可得到各自由度节点所对应的E fI值,由E fI值的大小来确定每次要删除的作动器/传感器。在逐步消减的过程中,把E fI的值表示为一个矩阵的形式,使得优化过程清晰明了,提高了优化效率。最后,通过对一个20自由度的离散悬臂梁的激振器布设进行优化,验证了本文方法的有效性。     

实用航空发动机LQR权阵选取方法

为了简化航空发动机LQR方法权阵的选取,基于优化理论提出了一种新的目标函数选取方法。该目标函数同时反映控制性能与控制能量的影响,因此,通过优化该目标函数得到的权阵设计出的LQR控制器不仅性能优良,还能保证控制能量在可接受的范围内。此外,该目标函数中包含且只包含了一个可调参数,可简化控制器参数调节过程,使设计者能轻松地在控制性能与控制能量间找到合理的折中。线性仿真、非线性仿真及半物理仿真试验均验证了按此方法设计的控制器的性能。     

网格环境下基于移动代理的两级环调度模型

网格环境下基于移动代理的两级环调度模型主要由网格任务管理中心、网格资源节点、网格用户、用户作业组成。网格任务管理中心依据网格用户提交的作业动态生成两级环,即超级环和普通环。两级环中资源节点由超级环管理节点、普通环管理节点和普通环资源节点构成。不同节点充分利用移动代理的自主迁移能力共同维护任务的正常运行。通过对两级环模型的事件响应时间延迟、系统可靠性、负载平衡、作业运行时间的分析和仿真,证实该模型能够有效利用网格计算资源、均衡资源负载。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。