基于翼型反设计的遗传算法

遗传算法有时收敛太慢或收敛困难.在翼型反设计问题中,算法的计算效率很重要.给出了翼型的非均匀B样条曲线表示,设计了遗传操作算子,引入一种简单、易实现、高效率的随机逼近算法--Simultaneous Perturbation Stochastic Approximation(SPSA)算法,将SPSA算法作为一种快速局部优化方法和遗传算法的整体搜索策略结合起来,为翼型反设计提出了一种快速高效优化算法.并用该算法分别对NACA2412和NACA0016翼型进行了反设计,取得了令人满意的结果.     

自适应加减速控制的NURBS曲线插补算法

通过对轮廓误差引起的速度变化曲线分析,提出了自适应加减速控制的NURBS曲线插补算法,在插补预处理中对进给速度突变的敏感区域进行加减速控制。应用该算法,在保证系统加工精度的基础上,自适应地调整进给速度,使进给速度变化趋于平滑,有效地避免了进给速度一阶或二阶导数的变化对伺服系统造成的机械冲击。通过NURBS曲线插补的实例,验证了该算法的可行性和有效性。该算法同样可以应用于其他参数曲线的轨迹规划。     

机会维修策略下的多部件系统可用度仿真

针对多部件系统固定维修时间长的特点,提出采用机会维修策略,将预防性维修和故障维修有机结合起来,从而分摊系统的固定维修时间,实现提高系统可用度的目的.为此,分析了系统的故障率特性,以及最小维修下的随机故障时间的产生特点.在此基础上,以各部件机会维修役龄为变量,最大化可用度为目标,给出了系统可用度仿真优化方法.最后通过算例,验证了该仿真算法的正确性.     

航班进场调度的改进捕食搜索算法

为高效解决航班进场调度问题,采用以航班总延误时间最小为目标的规划模型,设计了一种改进的捕食搜索算法.区别于传统捕食搜索算法,新算法采用变化的局部搜索和全局搜索限制,从而避免陷入局部最优和解的退化.为测试新算法解决航班进场调度问题的性能,采用10架航班和双跑道数据进行仿真验证,并与传统捕食搜索算法和遗传算法进行比较.结果表明,新算法在最优解的获得率和计算时间上均优于传统捕食搜索算法和遗传算法.     

基于遗传算法的涡喷发动机身份证模型建立

为建立发动机身份证模型,针对发动机个体差异和寿命期内性能蜕化引起的发动机模型与真实发动机之间的失配问题,提出1种基于遗传算法的发动机部件级模型自动修正方法。在发动机部件级模型中,引入能反映个体发动机部件特性的性能调节因子。根据发动机试车数据与待修正部件级模型输出数据,以发动机关键测量参数残差最小为优化目标,采用遗传算法获得不同换算转速下的特性修正系数,建立发动机身份证模型。以某型涡喷发动机为对象进行试验验证,结果表明该方法能有效提高发动机部件级模型精度,适用于建立发动机身份证模型。     

一种基于微观组织演化的率形式本构模型

为建立塑性变形中微观组织演化与宏观响应的关系,依据定义的率扩散势导出了考虑温度影响的率形式流动应力方程,修正了Chaboche非线性各向同性硬化准则以考虑位错密度演化对硬化的贡献,以位错密度为内变量建立了位错密度演化模型,提出了一种基于微观组织演化机理的率形式本构模型。以927℃钛合金Ti-6Al-4V热单拉实验数据为基础,通过遗传算法确定了模型材料常数。将计算结果与实验数据进行比较,最大应力误差在12%以内,最大晶粒尺寸误差在4%以内,证明了模型的有效性。     

基于云模型的自适应并行模拟退火遗传算法

针对遗传算法收敛速度慢,容易"早熟"等缺点,提出了一种改进的遗传算法,即基于云模型的自适应并行模拟退火遗传算法(PCASAGA,Adaptive Parallel Simulated Annealing Genetic Algorithms Based On Cloud Models).PCASAGA使用云模型实现交叉概率和变异概率的自适应调节;结合模拟退火避免遗传算法陷入局部最优;使用多种群优化机制实现算法的并行操作;使用英特尔推出的线程构造模块(TBB,Threading Building Blocks)并行技术,实现算法在多核计算机上的并行执行.理论分析和仿真结果表明:该算法比其他原有的或改进的遗传算法具有更快的收敛速度和更好的寻优结果,并且充分利用了当前计算机的多核资源.      

面向航天器综合测试系统的Web缓存替换策略

航天器一般为复杂系统,其作为典型安全苛刻系统,在综合测试过程中会产生大量测试数据。在查询这些测试数据时,现有的B/S数据查询技术,每次查询时采用从数据库服务器中获取数据的方式,极大地消耗了数据库服务器的资源,占用了大量的网络带宽,导致系统的整体性能下降,用户体验不佳。通过对安全苛刻系统综合测试数据特点和用户查询特征的分析,基于经典Web缓存替换算法GDSF,提出一种适用于B/S数据查询系统的Web缓存替换算法GDSF-STW。该算法是在GDSF算法的基础上,引入了数据流挖掘中的时间衰减模型,并采用滑动时间窗口的思想,提高缓存命中率,从而提高系统的性能,改善用户体验。通过GDSF-STW与LRU、LFU、LFU-DA、GDSF等经典算法进行实验对比,结果表明,GDSF-STW算法具有更好的缓存命中率。      

用空间推进算法模拟高超声速进气道流场

在有限体积法框架下，采用空间推进算法SSPNS（Single-Sweep Parabolized Navier-Stokes Algorithm）求解抛物化NS方程（即PNS方程），在流向采用LU—SGS隐式积分，而横向无粘和粘性通量则分别采用AUSM系列格式和中心格式计算。用该方法对1个二维高超声速进气道和2个三维高超声速进气道流场进行了数值模拟，得到的流场波系结构、壁面压力及传热系数分布与文献中相关数值解和实验数据基本一致，表明SSPNS法能够准确地模拟超燃冲发动机进气道内的高超声速流动。对比研究表明，SSPNS法与求解FNS（Full Navier＼lStokes Equations）方程的传统时间迭代法相比，二者计算精度相当，而SSPNS计算速度快1～2个量级，存储量至少低1个量级。本文的研究为CFD在超燃冲压发动机部件及一体化优化设计中的集成，以及大型高超声速工程流动的高效计算，打下了良好的基础。     

基于遗传算法的RLV再入轨迹优化设计

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题,利用改进的基于小生境技术和精英方法的适应值共享拥挤遗传算法进行RLV的再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。