遗传模拟退火算法在机动逃逸策略中的应用

针对垂直平面内的机动逃逸策略问题,提出将遗传算法与模拟退火算法相结合的方法———遗传模拟退火算法,能够实现逃逸者的机动逃逸策略,解决了在大状态空间中的全局最优搜索和评价问题,为处理复杂的决策过程提供了一套有效的途径。通过仿真结果表明,基于遗传模拟退火算法的机动策略能够有效地实现逃逸者的机动逃逸。     

基于遗传算法的航空发动机状态变量模型建立方法

提出了一种采用遗传算法建立用于航空发动机控制系统设计的小偏差状态变量模型的方法,即根据发动机稳态工作点处的线性化数学模型的动态响应应该与该稳态工作点处的非线性数学模型动态响应一致的原则来构造遗传算法的适应度函数,通过优化算法,得出系统的状态变量模型。该方法不受系统模态及模型阶次的限制。应用该方法建立某型涡扇发动机的小偏差状态变量模型,具有较高的建模精度,根据该状态变量模型设计鲁棒控制器取得了良好的控制效果,从而验证了该方法的有效性。      

基于六西格玛设计及改进遗传算法的直升机优化设计

本文研究了六西格玛设计方法和改进的遗传算法,并应用该设计方法对直升机总体参数进行了优化设计。采用优化设计后获得的直升机设计方案,由于受许多不确定性因素的影响,最后付诸实现时并不能保证得到像预先优化设计方案那样的结果。在改进的遗传算法实现最优化设计的同时进行六西格玛设计,可提高优化设计结果的可靠性和鲁棒性。本文以CH-47D纵列式直升机为优化算例,优化效果良好,结果可靠,表明本文方法切实可行。     

塑料人工加速老化试验方法及老化失效分析

主要分析了塑料材料的老化机理,介绍了塑料材料的几种人工加速老化试验方法。分析研究了塑料及其制品的使用、贮存寿命及人工加速老化与自然老化的相关性,研究分析了依据塑料材料的多项力学性能变化来判断其老化失效的可行性。     

某高负荷子午加速风机气动设计与数值模拟

兼顾民用风机的气动性能与制造成本,采用三种方案(等厚度串列静子方案、叶型串列静子方案和等厚度单排静子方案)对某高负荷子午加速风机进行了气动设计和数值模拟研究.结果表明采用叶型叶片与等厚度叶片相比对风机气动性能的改善很小,近设计点时叶型串列静子方案的压比和效率仅比等厚度串列静子方案高0.18%和0.8%.串列静子抑制了单排静子通道内的角区分离,减小了通道内的堵塞,使等厚度串列静子方案的失速裕度比等厚度单排静子方案提高了11%.综合考虑气动性能与制造成本选定等厚度串列静子方案为风机的最终方案,其不同转速的特性表明该方案的性能完全满足设计指标的要求.      

基于自由涡尾迹和遗传算法的叶尖小翼气动优化设计

风力机叶片采用分裂式叶尖小翼可以改善叶片的气动性能。以风能利用系数最大和风轮推力系数最小为目标,采用自由涡尾迹(FVW)方法与快速非支配排序遗传算法(NSGA-Ⅱ)耦合对小翼的形状进行优化设计。NS-GA-Ⅱ算法对每一代种群进行评价、筛选和变异,最终得到小翼形状的Pareto最优解集,其中气动性能评价目标通过FVW方法计算。结果表明,FVW模型能够较准确的模拟叶片的气动性能;两目标优化给出的不是传统优化方法追求的单个最优解,而是一个Pareto最优解集,且分布在一条曲线上;相比NREL原始叶片,风能利用系数最高能提高30%;小翼的几何形状在最优解集下分布具有一定的规律性,对后面的设计及改型有很好的指导性作用。     

遗传算法在飞行冲突解脱中的应用分析

国内外的专家和学者研究过多种方法用于飞行冲突解脱及解脱成本最小化问题,本文主要简介了基于遗传算法对2架飞机的飞行冲突的解脱模型,并在实际应用中对原来的优化过程进行了修改和完善,以某大型客机巡航参数为例,计算了优化后的飞行成本,结果表明:重新改进后的优化轨迹能够进一步降低飞行成本。     

求解高超声速飞行器平衡状态的GA-SQP算法

 针对含有不稳定模态的高超声速飞行器平衡状态的求解问题,提出了遗传算法-序列二次规划(GA-SQP)混合优化求解算法.该算法基于GA,根据时间乘以误差绝对值积分(ITAE)性能指标,采用混沌搜索和淘汰机制,将配平问题转化为代价函数最小值的求解问题.此外,在局部搜索中引入SQP策略,分步求解升降舵偏角和油门设置,以及迎角初始值.通过建立基于Simulink的动态模型进行仿真,结果表明,该算法能够精确地收敛到平衡点,并具有较好的稳定性,而且与初始值无关.该算法为一类复杂非线性系统平衡状态的求解问题提供了一种实用有效的解决方法.     

BP/GA混合算法在简易组合导航系统中的应用

Kalman滤波器是组合导航中最常用的最优滤波工具,但是在组合导航系统中有一些应用的局限性,尤其在低成本的GPS(Global Positioning System)/DRS(Dead Reckoning System)组合导航系统中,存在着使用的GPS接收机和惯导测量元件的精度不够高的问题,要提高系统的测量精度,只能提高算法软件的先进性.为补偿卡尔曼滤波发散的缺陷,将神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到GPS/DRS组合导航系统中,该算法不仅具有普通神经网络的自主学习能力、好的实时性,还克服了传统算法收敛速度慢、对学习参数敏感、局部有极小点等缺点,同时兼具卡尔曼滤波的最优估计性能.仿真结果验证了这种算法和常规卡尔曼滤波算法相比较具有更高的精度和稳定性,经过对仿真数据进行统计分析,纬度误差的最大值降低了一个数量级.     

多目标组合运输物流量预测建模算法

提出了一种新的多目标组合运输物流量预测建模算法.以时间、领域、影响以及组合运输为基准,运用系统工程理论思想设计出一种四维的物流量影响因素模型,并运用结构方程模型对所建模型做了优化,提取出组合运输物流量的核心影响因素.在改进的神经网络算法的基础上结合遗传算法,提出了一种结合遗传算法的改进的神经网络新算法,弥补了改进的神经网络算法上的缺陷,在多目标组合运输物流量预测的实例应用中,该算法不仅有很高的预测精度,而且具有收敛速度快、运行稳定的特点.