扑翼非定常运动对平尾影响及俯仰力矩特性研究

为了研究微型扑翼飞行器尾流对其平尾设计、飞行器稳定性以及飞行控制的影响,选取微型扑翼飞行器ASN-211为原模型,采用将其简化为二维的前后串列翼模型进行具体计算和分析。首先以Fluent动网格技术为背景,在用户自定义函数控制扑翼的非定常运动条件下进行不可压、非定常二维流动的计算,并研究在扑翼非定常运动条件下的模型的俯仰力矩特性。然后通过计算不同来流攻角、扑翼扑动频率、扑翼与平尾间距以及不同力矩中心下扑翼、平尾及总的力矩系数,讨论各个参数对力矩特性的影响。最后得出不同的扑翼扑动频率以及扑翼与平尾间距将会对平尾与扑翼的俯仰力矩间的相位差产生影响,所得结论为扑翼飞机的重心布置设计提供参考。     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。     

空天飞行器上升轨迹优化

飞行器轨迹优化是一类最优控制问题,传统的优化方法存在对初值敏感的缺陷。采用一种组合优化方法,对空天飞行器的上升轨迹进行优化。首先用遗传算法对直接打靶法离散的非线性规划问题进行全局寻优,得到初步优化结果,然后以该结果作为初值,用序列二次规划法对伪谱法离散的非线性规划问题进行局部寻优,得到最终的优化结果。结果表明,组合优化方法既解决了初值敏感问题,又有较高的优化精度,可以有效求解轨迹优化问题。     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.     

飞行器气动与隐身性能一体化优化设计方法研究

首先根据多学科综合优化设计理论 ,针对飞行器外形布局设计特点 ,开展飞行器气动与隐身性能综合优化设计方法研究。分别采用线化格林函数法与粘性修正相结合以及物理光学法与等效电流法相结合的方法 ,建立了飞行器气动力特性与隐身特性的计算方法。利用多学科优化设计理论和遗传优化算法 ,开展了关于飞行器气动与隐身性能的协同优化设计方法研究。取得了初步的研究结果。     

遗传算法在气动力参数辨识中的应用

将遗传算法推广用于气动力参数辨识，以取代通常采用的梯度类优化算法。通过采用遗传模拟退火算法对某型飞机的纵向气动力参数进行辨识计算及分析后，可以看到：(1)遗传算法是气动力参数辨识的一种新的有效方法，该算法不受参数初值选取的影响，具有较好的全局寻优特性；(2)遗传算法的计算效率受种群规模、遗传算法构造本身等因素的影响比较大。并且还有相当大的进一步完善与改进的空间。     

采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法开发高载荷透平动叶片

为了提高透平的内效率及降低制造成本，采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法，开发了一种高载荷动叶片。该叶片是以5个截面的重心沿径向积叠而成。每个截面的内背弧是以基于叶型中弧线的Bezier曲线来构造。三维流动分析表明，新叶片提高效率0．5％。通过减少叶片数约15％，新开发的高载荷动叶片不仅有效地提高了透平的内效率，同时降低了透平重量和制造成本。     

遗传算法在试飞科目最优排序问题中的应用

以试飞科目间总的过渡耗油、耗时最省为性能指标，应用基于生物界自然选择机制和自然遗传机制的遗传算法，对试飞科目的最优排序问题进行了研究。介绍了遗传算法用于组合优化问题的基本原理和技术方法，根据试飞科目的最优排序问题的特点，构造了适当的适应度函数，对选择算子、交叉算子等进行了改进，充分利用了谝算法的工程性强、应用范围广等特点。仿真计算所得结果表明，应用遗传算法合理安排试飞科目次序，,可节省试飞耗油、耗时、减少试飞成本，提高试飞效率。     

基于遗传算法的涡扇发动机多变量加速寻优控制

研究了变几何涡扇发动机不等式约束下的遗传算法最优加速控制规律，在全飞行包线内进行了仿真计算。通过分析多变量变几何涡扇发动机加速过程的特点和性能要求，用离散化加速模型结合遗传算法，使得加速过程最优。仿真计算表明该控制律可以保证变几何涡扇发动机在全飞行包线内稳定工作，且加速时间最短。     

基于BP神经网络的材料疲劳寿命可靠性仿真

疲劳累积损伤是一个非稳态过程中以遗传算法优化后的三层BP神经网络来真实描述疲劳损伤的复杂关系，并检验了BP网络模型的准确性。考虑到材料疲劳损伤临界值和载荷的分散性，建立了疲劳失效动态准则，运用蒙特卡罗随机抽样法来仿真材料疲劳寿命的可靠性。对调质45号钢在随机载荷和两级载荷作用下，进行疲劳寿命可靠性仿真，与实验结果和理论分析比较吻合。