基于参数化CAD模型的飞行器气动／隐身一体化设计

提出一种将CAD软件与气动／隐身多学科设计优化相结合的方法。该方法的流程为：(1) 建立外形参数化数学模型;(2) 应用CATIA二次开发技术,自动生成三维CAD模型;(3) 从该模型上提取气动和隐身计算所需的外形数据;(4) 应用多目标优化算法进行气动／隐身一体化设计。以一个翼身融合体飞行器气动／隐身一体化设计为例,详细阐述流程的具体实现过程。结果表明这种方法具有如下优点：(1) 充分利用了CAD软件精确的参数化建模功能;(2) 为气动分析和雷达散射截面（RCS）计算提供了一个统一的外形模型;(3) 能从CAD模型中获取容积、表面面积等几何特征信息;(4) 优化结果直接反映为三维CAD模型。这些优点使得该方法具有实用意义。
     

基于序优化理论的三脉冲交会燃料寻优

多数交会燃料寻优是基于“线性化相对运动方程（即Hill方程）”求解“最优”燃料消耗的框架进行的,当相对距离较远时,这种方法精度很低,优化得到的控制量无法满足终端精度要求。以寻的段三脉冲燃料优化为例,以搜索的方法进行控制参数寻优,此时搜索空间较大;通过引入“序优化”思想,有效缩小搜索空间,提高搜索效率,求解得到“足够好”的燃料消耗,并给出适合工程实现的燃料优化步骤。仿真结果表明由此得到的控制参数可以满足终端精度要求,且计算量很小。     

基于企业Office应用的《大学计算机基础》课程优化研究

熟练掌握Office办公软件对于信息工作者顺利完成工作任务提高工作效率具有重要意义,针对企业Office应用需求,当前<大学计算机基础>课程中Office的教学内容及教学模式存在着一些问题.本文从不同领域企业的Office应用案例出发,提出了针对企业Office应用的<大学计算机基础>课程优化改革方案.     

侧喷流直接力控制的运载器姿态稳定问题研究

利用侧向喷流对小型固体运载器进行姿态稳定控制具有降低运载器成本和提高起飞质量的优点。研究具有开关型姿态控制发动机的运载器的姿态稳定问题。首先分析了系统的特点和控制器设计问题,建立了控制模型。然后应用描述函数对系统的非线性特性进行伪线性化,通过几何方法分析Nyquist图中系统线性部分与非线性部分描述函数的关系实现鲁棒极限环控制器,给出控制器形式和参数范围,最后针对时域、频域综合指标,运用精英非支配解排序遗传算法对控制器参数进行优化。仿真结果表明系统具有良好的动态、稳态性能,控制器具有很强的鲁棒性。
     

伴飞航天器燃料最优交会

应用遗传算法针对伴飞航天器由共面椭圆伴飞轨道不同位置出发，与中心航天器进行直接碰撞交会和软交会的燃料最优问题，进行了历遍求解。根据计算结果，应用多元线性回归分析得到了直接碰撞最优交会问题的解析解表达式。直接碰撞最优交会问题的解析解可作为软交会问题的次优解。     

空间梁板结构可靠性优化的全局最优解

基于可靠性分析理论,用改进的一次二阶矩法给出了空间梁板结构安全余量对各设计变量敏度分析的表达式,由PNET法给出了结构系统可靠性函数对设计变量的一、二阶敏度表达式,以及Hessian矩阵中各元素的具体形式,据此能确定结构系统可靠性函数的凸凹性,为判断基于结构系统可靠性优化所得解是否为全局最优解提供了理论基础。算例表明,对空间梁板结构系统基于可靠性的结构优化问题,可靠性指标合理的解多为全局最优解。     

分布式小卫星SAR系统GMTI模式构形优化

对分布式小卫星SAR系统地面动目标检测GMTI模式的研究目前正处于广泛探索阶段。如何评价一个分布式卫星系统的GMTI能力，编队构形对GMTI到底有怎样的影响，怎样设计编队使系统GMTI能力最强等问题是文章讨论的内容。从盲速比例的角度出发，提出对系统的GMTI功能进行衡量的定量指标，分析编队构形方式对该指标的具体影响，寻找GMTI模式下可能的编队优化方法。     

考虑地球扁率J2摄动影响的异面椭圆轨道多冲量最优交会

重点研究了在地球扁率影响下,固定时间内两异面椭圆轨道间的燃料最省多冲量最优交     

基于多目标多学科设计优化方法的再入弹道设计研究

为了研究多目标多学科弹道优化设计,提出了一种基于NSGA-Ⅱ算法的并发多目标协作优化MDO方法MOPCO(Multi-Objective Pareto collaboration Optimization,简称MOPCO).利用系统优化器和学科级优化器的并发性来分解多目标MDO优化问题,解决组织复杂性问题;利用自适应响应面技术来解决计算复杂性问题;利用NSGA-Ⅱ算法来搜索Pareto前沿.标准算例测试表明该算法是可行的.最后将其用于静态/动态混合优化的多目标多学科再入弹道设计,获得了合理的Pareto前沿.     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.