费用约束下含应力优化的CSADT设计

恒定应力加速退化试验(CSADT,Constant Stress Accelerated Degradation Testing)方案中需要确定的变量有应力水平、各应力下样本量、监测间隔和各应力下监测次数.如何对CSADT的应力水平进行优化目前很少有人探讨.针对这一问题提出一种在费用约束下将上述4个变量进行综合优化的方法.首先用随机过程描述CSADT下产品的性能退化过程,然后以产品在使用条件下p分位寿命可靠度的渐近方差最小为目标,以试验费用不超过预算为约束条件,给出CSADT的4个优化变量,并给出应用该优化方法的仿真算例.最后,优化方案对模型参数偏差的敏感性分析表明,在一定偏差范围内优化结果具有良好的稳健性.      

基于伪寿命的加速退化机理一致性边界检验

根据寿命型随机变量的加速机理一致性条件,提出一种基于伪寿命的加速退化机理一致性边界检验方法,通过由低到高逐一对各个加速应力水平下的退化机理一致性进行检验,来确定加速退化机理一致性的边界应力水平.针对工程常用的两类寿命型分布——对数正态分布和Weibull分布,分别以对数标准差和形状参数为退化机理表征量,在产品伪寿命估计的基础上建立了退化机理表征量齐性检验的F统计量,导出了退化机理一致性检验拒绝域的解析式,给出了退化机理一致性边界检验的具体步骤.该方法能够充分利用多个应力水平下表征产品退化机理一致的横向信息,有效提高了检验的精度.以某镀膜平板玻璃热退化机理一致性边界温度的确定为例,分析说明了该方法的合理性与有效性.     

遗传算法在星座多星接近轨道优化中的应用

以三颗非共轨的Walker星座卫星为研究对象, 对航天器无需变轨与其接近的可能性进行研究. 将Lambert方法得到的航天器轨道作为初始轨道, 利用遗传算法对初始轨道进行优化. 对初始轨道在参考时刻位置和速度的改变量进行编码,形成对应的种群. 以航天器与星座卫星之间的最近距离为适应度函数, 通过种群的繁殖得到优化结果. 结合仿真算例, 分析了最小二乘算法和遗传算法在轨道优化中的优劣以及接近过程中轨道摄动的影响. 结果表明, 遗传算法适用于所提出的轨道改进问题. 研究结果可为单航天器无需变轨对星座多星接近问题提供理论依据.      

Lambert转移中途修正的全局概率最优策略

应用Monte-Carlo法和遗传算法的联合仿真求解Lambert转移中途修正的全局概率最优策略.首先推广限制性三体问题中求解周期性特解的微分修正算法构造出考虑J₂项摄动下的Lambert转移轨道并以此作为参考轨迹,则中途修正策略仅需针对导航误差、初始偏差修正的控制偏差等进行补偿.应用微分修正算法导出的单值矩阵,设计出3类线性和非线性中途修正策略,以适应不同的精度需要.随后应用Monte-Carlo和遗传算法的联合仿真,可以得到实现代价函数(落点误差最小)在概率意义下的最优解.与直接利用优化算法寻优需要已知各种误差量不同,得到的最优修正策略更具有普适性.     

太阳帆航天器行星际轨道转移优化算法

研究基于遗传算法的太阳帆行星际转移轨道的全局优化问题.通过极小值原理推导了太阳帆全局优化控制律,并以太阳帆飞行时间最短为优化目标函数,运用遗传算法对发射时间、到达时间和协态变量初值进行参数优化设计.为了解决轨道转移这一多约束优化问题,在遗传算法中加入动态罚函数.在此理论基础上作了从地球同步轨道出发到火星同步轨道转移和从地球出发与火星交会两个算例,仿真结果表明了该方法在太阳帆转移轨道全局优化中的有效性.     

基于遗传算法的设备布置优化算法

对设备布置问题,建立了多目标优化数学模型.为弥补当前的现场布置遗传算法在变异阶段的不足,将最优个体变异与随机变异相结合,设计了组合变异策略:首先变异最优个体,如果变异出更优的个体,则用新个体替换当前种群的最差个体;如果最优个体变异不成功,则随机选择一个个体执行随机变异.据此,提出了一种改进的遗传算法用于求解设备布置问题.仿真实验证明了组合变异策略能够在明显较短的时间内,取得与随机变异相当的最优布置结果.对比分析进一步验证了该算法的有效性.     

非圆截面弹体气动隐身一体化设计方法

从非圆截面弹体气动和隐身设计要求出发,根据多目标优化的基本概念,将Pareto方法与遗传优化搜索相结合,采用了联赛式选择复制算子、小生境技术和Pareto解集过滤器技术使解集具有较好分布特性,并在此基础上应用了旨在提高优化计算效率的响应面方法.通过采用基于N-S方程的数值求解方法计算弹体气动性能,采用物理光学法和物理绕射理论来计算其雷达散射截面积,实现了基于Pareto遗传算法的非圆截面弹体气动与隐身两个目标函数间的折衷与优化,取得了较好的优化设计结果.     

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

匀速及加速行驶直背式轿车气动噪声

应用计算流体力学软件FLUENT对简化直背式轿车外部流场及车外某接收点处气动噪声进行了数值计算和分析.脉动流场计算采用大涡模拟湍流模型,动量方程的离散格式采用有限中心差分格式.分别对两种匀速运动情况和一种加速运动进行了计算,由此研究不同车速、匀速和加速运动对接收点处脉动流场和气动噪声的影响.对于匀速运动,车速越大,接收点处流速越大,压力越小,在每个频率上所对应的声压级基本上越大,总声压级也越大;在同一行驶速度下,加速运动比匀速运动在接收点处的流速要大,压力要小,在每个频率上所对应的声压级基本上要大,总声压级要大,声压级随频率的变化情况与匀速运动一样.      

基于GRNN网络和遗传算法的旋翼动平衡调整

针对传统旋翼调整方法没有考虑调整参数与振动信号之间的非线性关系,提出一种结合广义回归神经网络GRNN(General Regression Neural Network)和遗传算法的旋翼调整方法,采用GRNN建立旋翼动平衡调整模型,以桨叶调整参数作为GRNN输入,以旋翼转轴3个方向的加速度测量值和机身3个方向加速度测量值作为网络输出,建立调整参数与直升机振动信号之间的模型.以直升机振动作为目标函数,采用改进的遗传算法对桨叶调整参数进行寻优,获得直升机振动最小时的桨叶的调整量.飞行实验表明,通过1到2次飞行调整,可使3个方向机身振动(旋翼的一阶振动)为最小,完成旋翼的动平衡调整.