采用排间界面静压约束伴随方法的多级压气机叶片优化

为解决伴随优化应用在多级压气机中出现的优化工况点漂移问题,在前期薄层N-S方程伴随方法基础上,对目标函数——出口熵增不仅施以质量流量、总压比约束,还添加排间界面静压展向分布作为新的约束条件.以某5级压气机为对象,对其中第1级转、静叶分别在首1.5级和全5级压气机环境下进行了优化.结果表明,施加排间界面静压展向分布约束能够显著解决优化工作点漂移问题,优化后5级压气机的效率提高0.4个百分点.      

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.      

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.      

民用飞机壁板蒙皮及长桁布置结构优化设计

机身壁板是飞机结构设计的重要承载组件,轻量化、高效率、共通性设计及优化是民机设计关注的重点。首先提出一种耦合ABAQUS的Buckle分析及ISIGHT优化的设计方法,利用自编子程序获取ABAQUS屈曲特征值,将特征值输入ISIGHT中计算临界屈曲载荷,同步更新变量参数及ABAQUS文件并提交计算,迭代分析直至优化流程结束。采用上述方法考虑轴向压缩载荷情况,以壁板整体重量最小为优化目标,疲劳应力值为约束条件,对单曲度金属机身壁板的蒙皮厚度,长桁数量及长桁截面厚度等几何参数进行优化。在满足壁板结构承载能力及总重量最小条件下,综合考虑结构载重比,临界应力及壁板加筋比,对比分析出一组最优参数,并与工程算法结果对比吻合程度较好,两者相对误差为3.73%。该优化思路实现FEA平台与优化工作一体化,可用于复合材料壁板设计及结构件减重优化工作,一定程度上可缩短零组件设计周期。     

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。      

基于热态叶型的小轮毂比弯掠叶片结构保形设计与优化

发展了一种保持且基于气动设计给定的热态叶型的冷态叶型迭代解算方法,并将其融入叶片罩量调节的优化设计,其中在热态叶型的基础上调节罩量,针对冷态叶型计算变形与应力等,变形后的叶片逼近热态叶型,尽可能减小了对热态叶型气动特性的影响.实现了冷态叶型迭代求解与罩量调节中结构有限元网格的自动更新,并基于iSIGHT优化平台,建立了叶片罩量调节多目标优化设计的自动化分析流程,并以一小轮毂比弯掠风扇叶片罩量调节为例,考查了罩量调节中考虑轮盘与否对优化设计结果的影响.计算分析实例表明:所发展的方法可在保持热态叶型的前提下使叶片最大应力和最大变形分别下降了10.6%和46%.      

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.