有时间限制的故障排除方法——极大极小化法

航空技术装备故障已经严重地影响了飞机效能的发挥。缩短排除故障的时间,已成为迫切需要解决的问题。本文探讨了在时间限制条件下如何优化工作次序,尽最大可能诊断并排除故障的方法一极大极小化。     

复杂终端区进场交通流优化排序方法研究

为提高终端区时空资源利用率,增强空中交通运行效率,研究了复杂终端区进场交通流优化排序问题。通过深入剖析终端区进场定位点、航路航线、多跑道系统等资源运行特性,综合考虑尾流间隔、移交间隔、多跑道运行间隔等各类约束限制,以及最小化航班延误时间、最大化跑道运行容量、最小化终端区飞行时间等优化目标,建立了复杂终端区进场交通流优化排序模型,并采用带精英策略的非支配排序遗传算法对所建模型进行求解。选取上海多机场组成的复杂终端区进行实例验证,仿真实验表明提出的优化方法相比先到先服务方法(First come first serve,FCFS),航班总延误时间减少20.7%,终端区等待时间减少60.7%,终端区进场交通流运行效率得到显著提升。     

交互式多模型粒子滤波优化重采样算法

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性优化方法及模型交互概率将每个模型中拥有小权值的粒子替换成新的粒子。新的粒子既包含本模型中粒子信息,又包含了本模型与其他模型交互后的粒子信息。目标跟踪的仿真结果证明:每个模型新产生的粒子集合可以准确地近似真实状态后验概率密度函数,系统的估计精度与标准IMMPF算法相比有较大提升。     

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。     

在直升机桨叶结构设计中所采用的优化法和自动设计法

随著计算机技术的飞速发展,优化技术和自动化技术已进入许多领域,使设计者从被动地对设计方案进行校核进入主动的方案设计,实现设计法的飞跃。本文从设计周期、设计质量、设计效益等方面叙述在直升机某叶结构设计中采用优化法和自动化法的必要性和可行性。     

航空发动机转子装配优化技术

转子装配优化技术是通过优化转子各部件之间的安装角度,达到控制转子不同心度和初始不平衡量的目的。详细阐述了基于转子部件跳动测量,计算转子旋转轴线与部件惯性轴之间的偏差,进而计算转子不同心度和不平衡量的估算方法;提出了针对转子不同心度和不平衡量双目标优化原则,并采用蒙特卡洛仿真法对随机装配过程、单目标装配优化过程和双目标装配优化过程进行仿真,通过验证表明,转子装配优化技术达到了改善转子装配质量的目的。     

多目标演化算法的对比研究

多目标演化算法已成为优化技术研究的一个重要方向，介绍了多目标演化算法的分类方法，给出了其基本流程。按时间顺序详细介绍了现有的九种典型多目标演化算法的实施过程，对比了这些算法的优缺点，并讨论了与多目标演化算法相关联的一些问题如约束的处理、算法的收敛性等。     

基于多级代理模型的优化算法

在仿真优化中高精度的仿真模型大多难以实现,本文提出一种由全局和局部代理模型共同作用的多级代理模型,并与仿真优化相结合提出基于多级代理模型的仿真优化算法.运用Kriging近似理论和RBF神经网络分别构建全局代理模型和局部代理模型,并在仿真优化的过程中在线更新代理模型.通过算例对算法进行验证,结果表明多级代理模型具有良好的逼近能力,基于多级代理模型的仿真优化方法具有良好的鲁棒性和寻优性能.     

基于SMABC算法的FPRM逻辑电路面积优化

固定极性Reed-Muller (FPRM)逻辑电路面积优化是当前集成电路设计领域的研究热点。但现有FPRM逻辑电路面积优化方法存在优化效率低和优化效果差等问题。FPRM逻辑电路面积优化属于组合优化问题,提出一种自适应混合人工蜂群(SMABC)算法。所提算法在引领蜂搜索阶段引入细菌觅食算法中的细菌趋化行为,使引领蜂向靠近优秀蜜源的方向搜索,提高了所提算法的收敛速度;对跟随蜂的选择概率进行改进使其依据种群的变化自适应改变,提高了所提算法的全局搜索能力;对侦查蜂的转换条件进行改进,增加了侦查蜂在进化过程中的扰动幅度;且在进化过程中引入精英保留策略以提高种群质量。此外,提出一种基于SMABC算法的FPRM逻辑电路面积优化方法,所提方法收敛速度最快且面积优化率最高为54.62%,平均面积优化率为15.33%。     

基于改进NSGA-Ⅱ算法的航班战略冲突解脱研究

设计了一种改进的非支配排序遗传算法（Non-dominated sorting genetic algorithm Ⅱ, NSGA-Ⅱ）解决战略阶段轨迹规划大规模优化问题。在经典的NSGA-Ⅱ的框架下,采用一种自适应交叉算子与自适应变异算子加快算法的收敛速度并提高解的质量,同时给出衡量Pareto解集优劣的评价指标。大规模四维航迹的引入不可避免地增加了问题的复杂性,本文提出了一种有效的战略冲突解脱模型,旨在最小化潜在的冲突数量和冲突解脱成本。采用中国航路网络繁忙时段1 472架航班进行实例验证,并所提算法与经典的NSGA-Ⅱ算法及MOEA/D进行对比。实验结果表明,改进的NSGA-Ⅱ算法具有更好的优化效果,能够有效地解决航空器之间的冲突并产生较小的航空器航迹调整量。