基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

基于多失效模式的扭簧可靠性优化分析

基于广义应力 广义强度分布干涉理论和单一失效模式下扭簧可靠性计算模型,建立了多失效模式下扭簧可靠度优化数学模型,采用规格化加权法进行各失效模式影响相同（等失效效应）和有差异（非等失效效应）两种情况下的扭簧可靠度计算。在给定扭簧结构和工况约束条件下,应用提出的计算模型和技术进行了失效模式影响相同和有差异的基于可靠度最大的扭簧结构优化,与非优化结构的扭簧可靠度的比较,以及这两种情况下的扭簧可靠度比较。结果表明,提出的可靠度优化模型和方法是可靠和有效的,对于航天工程中零部件的可靠性优化分析具有很好的借鉴作用。     

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.      

响应面法优化牡蛎复合酶水解工艺研究

采用响应面法优化牡蛎的复合酶水解工艺.结果表明：中性蛋白酶与风味蛋白酶按照2∶1复配,在水解温度40℃,水解时间5.68h,水解pH值7.0条件下,牡蛎蛋白水解度可达到32.24%,水解效果最优.验证试验表明,实际蛋白质的水解度与模型预测值相近,因此采用响应面法优化牡蛎酶解工艺,准确可靠.     

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.      

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.     

考虑随机干扰的高超声速滑翔飞行器轨迹优化

为解决高超声速滑翔式飞行器具有干扰不确定性的再入轨迹优化问题,提出了一种基于广义正交多项式方法的随机轨迹优化数值求解方法。针对随机干扰,基于广义正交多项式方式对其分布进行采样,形成采样空间,而后将每个采样值代入确定性轨迹优化问题中进行反复迭代求解,得出观测值的样本空间,并计算其期望、方差和协方差,估计输出值。以最大纵程为代价函数对具有随机干扰的高超声速滑翔式飞行器最优轨迹进行了数字仿真。仿真结果表明,基于广义正交多项式的随机轨迹优化方法能够有效处理随机干扰对轨迹优化问题的影响,与蒙特卡洛法相比计算效率大大提高。     

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.