基于混合优化的运载器大气层内上升段轨迹快速规划方法

针对运载器大气层内的最优轨迹快速规划问题,提出一种将求解最优控制问题的间接法与直接法相结合的混合优化方法。首先,基于最优控制问题的一阶必要条件,将运载器大气层内的三维最优上升问题转化为Hamiltonian两点边值问题;然后,采用直接法中能以较少的节点获得较高求解精度的Gauss伪谱法进行求解,提高算法的求解效率;最后,采用真空解析解初值及密度同伦技术,解决初值猜测与算法收敛困难的问题。仿真结果表明,混合优化算法能够准确、快速地对运载器大气层内的最优上升轨迹问题进行求解,并在计算精度与效率上均优于间接法,可应用于运载器的轨迹在线规划与闭环制导。     

终端区空中交通流到达模式识别

为了实现对终端区空中交通流到达情况更加准确的分析,针对目前常用的流量统计方法中所存在的问题,提出了交通流到达模式概念,并对基于聚类思想的到达模式识别方法进行了研究。在对交通流到达时序数据提取的基础上,利用基于免疫优化算法的聚类方法实现了对交通流到达模式的识别。对交通流到达模式特征进行了分析,并结合滑动时间窗算法提出了交通高峰小时及峰值流量计算方法。通过实例分析证明了方法的可行性与准确性。     

基于Kriging模型的轴承结构参数优化设计方法

轴承的生热率与轴承的使用寿命密切相关,为了减小轴承的生热率,以滚动轴承拟静力学分析和滚道控制理论为基础,求得轴承运转过程中的相关参数,进而得到轴承生热率.将轴承最小生热率为目标函数,通过Kriging模型和粒子群优化算法相结合的方式进行了轴承结构参数优化.对NSK 7016A5轴承的研究结果表明:轴承结构参数优化后,轴承整体和轴承内外圈生热率均变小.Kriging模型和粒子群优化算法相结合的轴承结构参数优化方法取得了良好的设计效果,并且提高了轴承的设计效率.      

高超声速二元弯曲激波压缩流场性能分析

为了探索弯曲激波压缩流场性能所能达到的范围,分别在无粘和粘性条件下,通过多目标优化设计和抽样计算获取了高性能弯曲激波压缩方案,并与传统的压缩方式进行了对比。研究结果表明:(1)无粘条件下流场多目标优化Pareto最优解集中存在长度、压缩效率、低马赫数流量系数等性能参数均优于等激波强度三楔压缩的方案;(2)粘性条件下压比均为8.29(1±0.5%)时,弯曲激波压缩流场与等熵压缩流场相比,长度缩短了35%;与等激波强度三楔压缩流场相比,长度缩短了8%,总压恢复系数大小相当,来流马赫数4时流量系数高6%;与斜楔-等熵压缩相比,总压恢复系数仅相差1.1%,而来流马赫数4时流量系数提高了6%;其出口截面附面层厚度、附面层形状因子均低于其他压缩方式。     

Z-pins增强陶瓷基复合材料层间Ⅰ型开裂性能预测

基于Z-pins增强陶瓷基复合材料层间Ⅰ型断裂韧性的试验结果、Z-pins增强机理,提出了Z-pins拔出的单线性软化模型.重点考虑了Z-pins直径范围内拔出位移的不一致性,在简单双悬臂梁（DCB）理论的基础上,获得了Z-pins增强陶瓷基复合材料层间Ⅰ型开裂性能的分析预测模型,预测结果与试验结果吻合较好.在此基础上,采用预测模型获得了不同Z-pins直径、裂纹长度下的裂尖能量释放率,并与理想弹簧元法进行了比较.结果表明:当裂尖靠近Z-pins时,随着Z-pins直径增大,两种方法所得的裂尖能释放率的差异逐渐增大,但总体来说差异的量级很小;随着裂纹长度的增加,裂尖逐渐远离Z-pins,两种方法所得的裂尖能释放率的存在较大的差异,不能忽略Z-pins直径范围内拔出位移不一的影响.      

基于壁面压力分布的非对称喷管反设计

针对目前非对称喷管的设计方法上的缺陷,给出了通过指定壁面压力分布规律来反设计其膨胀面型线的方法,获得了膨胀面型线反设计程序,并结合优化算法寻找综合性能较好的喷管壁面压力分布.将采用该方法设计得到的喷管模型与最大推力喷管进行了对比研究.结果表明:在设计点,该喷管的推力系数比最大推力喷管只降低0.102%,而升力和俯仰力矩分别提升2.295%和15.774%.验证了设计思想的正确性,为非对称喷管的设计提供了一种高效的设计方法.      

三维战术训练空域规划方法研究

三维战术训练空域规划是对空域的合理规划利用,人工排样已经无法保证空域的安全有效利用,寻找高效快速的算法对于提高空域利用率和训练效率具有重要意义。通过对空域规划的理论研究,结合空域特性,将整个空域划分为立方体单元,构建相应的训练空域规划模型;在此基础之上,利用改进的遗传算法来寻求最优方案,剔除了大量不可行解;通过实例仿真验证该空域规划模型的合理性和有效性。结果表明:该空域模型是合理和有效的,提高了空域规划的速度和准确度。     

基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。