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.     

轨道维持与调相的综合优化策略研究

在交会对接飞行任务设计研究中必须首先确定目标航天器的轨道设计策略,研究了一种将目标航天器轨道维持和调相两种任务进行综合优化的策略.轨道维持的任务是使得目标航天器轨道的形状和位置符合交会要求,调相的任务是使目标航天器在轨道中的初始相位角符合交会要求.在考虑了交会对接发射窗口、交会终端约束条件下,将目标航天器轨道设计问题转化为一个非线性规划问题,应用序列二次规划方法对其进行了求解.仿真计算表明,这种方法既能以较少变轨次数满足交会对接任务要求,又能节省燃料,为空间交会对接任务规划提供了重要参考.     

不确定载荷下的桁架结构拓扑优化

对带有不确定扰动载荷的桁架结构拓扑优化问题进行了研究.将不确定载荷表示成有界凸集,从而把不确定性问题转化为一个确定性问题.构造了凸集载荷下以体积为约束的柔度最小化模型,该优化模型的实质是在高维椭球内计算最大柔度最小问题.由于采用传统优化模型存在计算上的困难,对凸集载荷进行了数学处理,并据此构造了半定规划形式的优化模型以便求解.优化结果相对于给定载荷的刚度虽然略低,但对不确定的扰动载荷却具有一定的承载能力.算例表明通过半定规划法构造的考虑扰动载荷作用下的优化结果鲁棒性较佳,结构形式更接近于实际工程结构.     

基于遗传算法的设备布置优化算法

对设备布置问题,建立了多目标优化数学模型.为弥补当前的现场布置遗传算法在变异阶段的不足,将最优个体变异与随机变异相结合,设计了组合变异策略:首先变异最优个体,如果变异出更优的个体,则用新个体替换当前种群的最差个体;如果最优个体变异不成功,则随机选择一个个体执行随机变异.据此,提出了一种改进的遗传算法用于求解设备布置问题.仿真实验证明了组合变异策略能够在明显较短的时间内,取得与随机变异相当的最优布置结果.对比分析进一步验证了该算法的有效性.     

多层次法防空导弹弹道优化设计

为了使导弹优化的弹道更有效地杀伤目标,采用多层次法来设计防空导弹中制导段弹道.整个模型分为3层,第1层是导弹中制导段弹道,第2层是导弹末制导段,第3层是战斗部毁伤目标.第1层弹道限定中末段交班点处的弹道倾角进行优化.交班点弹道倾角作为联系第1、2层的全局变量,随它变化而产生一系列的优化弹道.第2层是导弹自寻的模型,通过Monte-Carlo仿真得到脱靶量分布的数学期望和标准差,这是联系第2、3层的全局变量.第3层由脱靶量的分布计算杀伤概率,最大杀伤概率对应的第1层弹道就是系统的最优解.多层次法表明了中制导段弹道优化设计和最终导弹杀伤概率之间的关系,使得杀伤概率这一效能指标能够作为中制导段弹道优化的指标.最后进行了拦截高空高速巡航目标和低空低速巡航目标的算例计算.      

基于DSI插值的三角网格质量优化

通过对三角网格的单元顶点进行几何位置调整,提高了网格的质量,实现了网格的质量优化.几何位置调整是使用离散点光滑插值(DSI,Discrete Smooth Interpolation)实现的,针对在计算时影响质量优化的邻接边界的单元顶点,采用了在边界处补偿三角形的方法,消除了单元收缩,提高了网格的质量.与加权拉普拉斯算法进行了比较和分析,优于拉普拉斯算法;为了使三角网格在位置调整时保持原始网格的几何细节特征,在插值算法中施加了控制点约束.最后使用算例对算法进行了验证.      

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

基于GRNN网络和遗传算法的旋翼动平衡调整

针对传统旋翼调整方法没有考虑调整参数与振动信号之间的非线性关系,提出一种结合广义回归神经网络GRNN(General Regression Neural Network)和遗传算法的旋翼调整方法,采用GRNN建立旋翼动平衡调整模型,以桨叶调整参数作为GRNN输入,以旋翼转轴3个方向的加速度测量值和机身3个方向加速度测量值作为网络输出,建立调整参数与直升机振动信号之间的模型.以直升机振动作为目标函数,采用改进的遗传算法对桨叶调整参数进行寻优,获得直升机振动最小时的桨叶的调整量.飞行实验表明,通过1到2次飞行调整,可使3个方向机身振动(旋翼的一阶振动)为最小,完成旋翼的动平衡调整.