基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

航天铝合金薄壁零件高效加工策略

高效加工是以高速加工技术和切削工艺优化相结合的新工艺,是解决航天复杂整体结构件的关键技术。高效加工技术的特征是加工过程中的高材料去除率和短的单件加工时间,并通过切削参数优化,保证加工精度和表面质量。     

交会对接任务碰撞规避策略制定研究简

针对交会对接任务目标飞行器与追踪器轨道运行特性,综合考虑规避策略计算方法与工程实际相结合的问题,提出高度规避、时间规避以及与正常轨控相结合的碰撞规避策略计算方法等三种空间目标碰撞规避策略计算方法.高度规避计算方法采用了Lambert飞行原理,用简化二体开普勒模型取代高精度轨道预报方法,迭代求解规避机动速度增量,实现了通过约束过交点与目标径向距离差得到速度增量的最优解;时间规避计算方法通过轨道周期与速度增量的关系,实现了通过约束过交点与目标的时间差得到速度增量的最优解;与正常轨控相结合的碰撞规避策略计算方法,在正常控制考虑冗余控制量的基础上,对控制策略的控制开始时间或沿迹方向的速度增量进行较小的修正,使两者通过碰撞点的时刻或径向距离错开,达到碰撞规避的目的,该方法不仅可以节省燃料、而且对任务的影响较小.通过对三种空间目标碰撞规避策略计算方法仿真分析结果表明,完全适用于交会对接任务,可为我国载人航天任务飞行安全提供技术保障.     

基于人工免疫算法的载人登月任务地月转移双脉冲中止策略研究彭 坤,果琳丽,向开恒,王 平,杨 雷

载人登月任务中,任务中止策略设计是确保航天员安全返回的重要基础。首先结合"星座"计划飞行方案分析了载人登月任务各飞行阶段的中止策略;其次针对地月转移巡航段进行了双脉冲中止策略设计,以速度增量数值、方位角以及变轨时间间隔为控制变量,加入轨道同向、近地点高度、偏心率以及飞行时间约束,提出双脉冲变轨计算流程;最后采用人工免疫算法对该问题进行了求解和优化。仿真算例表明,双脉冲中止策略存在多组解,其全局分布特性为:飞行时间越短速度增量需求越大;飞行时间相近时,大偏心率中止轨道对应的速度增量小;故障点离地月加速点越近,所需速度增量越小。同时也验证了人工免疫算法求解双脉冲中止策略问题的有效性。     

三维非对称斜劈高速流动计算方法研究

交叉激波是高超声速进气道发展的关键气动问题之一。为实现对此类高速流动的准确数值模拟,基于RANS方程的自研多块结构网格计算软件,对经典三维非对称斜劈构型的斜激波交叉干扰流动特征开展了计算研究。通过对比分析,系统评估了计算网格、湍流模型及高精度格式对空间流场、底板摩擦力流线、压强分布、绝热壁温分布等的影响,获得了适用于三维非对称高速流动问题的网格生成准则和计算策略,同时验证了自研软件的模拟能力。     

促进我国公务航空可持续发展的财税政策

<正>与公务航空发达国家相比,我国公务航空产品的市场价格水平偏高,抑制了社会潜在需求,限制了消费群体的持续扩大。推高市场价格的一个重要因素是公务航空的财税政策,财税政策作为政府的宏观调控工具在产业发展中具有重要的作用,但是,我国现行的政策措施在公务机的购置和使用时征收了较高的税费,且缺乏快速响应市场反馈的改革措施,严重制约了公务航空的规模化和产业的可持续发展。美国的公务航空财税政策对我国未来公务航空产业的发展具有较高的借鉴价值。     

涡扇发动机配装反推力装置综合影响分析

针对概念设计阶段涡扇发动机开展反推力装置设计的需要,对加装反推力装置对总体性能的综合影响开展了初步分 析。选取大涵道比发动机CFM56为对象建立基准发动机模型,借助克兰菲尔德大学总体性能仿真软件Turbomatch,分析了其对发 动机压缩部件、涡轮及排气系统的性能影响,提出采用流动面积和流动损失作为反推力装置的设计要求。在正、反推力状态下对 发动机推力进行评估,结果表明：理想状态下发动机提供的反推力可达最大起飞推力的50%以上。为了获得涡扇发动机配装反推 力装置的不利影响,建立包括反推力装置在内的推进系统质量评估模型和价格预测模型,利用该模型对质量及成本进行了预测, 结果表明：特定条件下反推力装置的使用会导致推进系统的质量增加12%,价格增长13%。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。