某型机翼内翼结构几何优化设计

某型机翼内翼结构布局优化模型,包括两类设计变量:位置变量和尺寸变量。本文利用PCL语言实现了在MSC.PATRAN环境下的参数化建模,以最小重量为目标函数,在强度和位移约束条件下,利用网格法进行位置寻优,并使用MSC.NASTRAN软件给出了最优尺寸变量。通过计算表明,本方法效率较高,结构重量稳定下降,优化效果明显。可以解决此类工程问题,具有一定的实用价值。     

基于复合形与神经网络的机翼结构优化设计

从元件位置和元件尺寸两个方面考虑,提出了一种全局结构优化设计方法。利用NASTRAN完成尺寸优化,利用神经网络对NASTRAN优化结果进行映射,用复合形法进行位置寻优,最终完成了机翼结构的优化。算例表明利用神经网络来预测NASTRAN优化结果有较高的精度与适用性,本文所提方法可行、正确,具有很高的效率。     

风扇转子叶片周向积叠的三维气动优化设计

为了研究优化环境对优化结果的影响,利用商业软件NUMECA对某风扇第一级转子叶片进行了气动优化设计,并对比研究了第一级转子单排叶片的优化及其在整级环境中的优化结果。研究发现．单叶排优化后．虽然能提高整级风扇的效率,但是由于匹配的原因,整级风扇在整个流量范围内总压比都比优化前的有所减小;在级环境中优化后,该级风扇的效率和稳定工作范围都扩大了,且保证了级压比不变,其优化效果比单叶排的优化效果好。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

纯模态试验中的作动器/传感器优化配置

基于有效独立法,研究了逐步消减法在纯模态试验作动器/传感器优化配置中的应用。对一给定自由度的结构系统,由系统的模态动能可得系统的F isher信息阵。在优化过程中,根据F isher信息阵可得到各自由度节点所对应的E fI值,由E fI值的大小来确定每次要删除的作动器/传感器。在逐步消减的过程中,把E fI的值表示为一个矩阵的形式,使得优化过程清晰明了,提高了优化效率。最后,通过对一个20自由度的离散悬臂梁的激振器布设进行优化,验证了本文方法的有效性。     

实用航空发动机LQR权阵选取方法

为了简化航空发动机LQR方法权阵的选取,基于优化理论提出了一种新的目标函数选取方法。该目标函数同时反映控制性能与控制能量的影响,因此,通过优化该目标函数得到的权阵设计出的LQR控制器不仅性能优良,还能保证控制能量在可接受的范围内。此外,该目标函数中包含且只包含了一个可调参数,可简化控制器参数调节过程,使设计者能轻松地在控制性能与控制能量间找到合理的折中。线性仿真、非线性仿真及半物理仿真试验均验证了按此方法设计的控制器的性能。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

基于Legendre伪谱法的固体运载火箭轨迹优化研究

Legendre法则是一种高阶积分近似法则,用较大积分步长得到较高精度。以结点伪谱法处理不连续问题后,可以把一个无限维的动态最优控制问题转化为有限维的静态优化问题,大大降低了问题复杂性。将其应用于轨迹优化,力求使其成为一种求轨迹优化问题的通用算法。以三级固体运载火箭为例,在惯性直角坐标系中建立动力学模型,给出轨迹优化模型。轨迹优化算例结果验证了Legendre伪谱法在弹道时间和精度优化的正确性和有效性。     

喉栓式推力可调发动机喷管流场数值模拟

对喉栓式推力可调固体火箭发动机喷管流场进行了数值模拟,并对喉栓型面进行了过程优化;针对喉栓不同作动速度和自由容积,分析了流场内各参数的变化;进行了非同轴喉栓发动机试验研究.计算结果表明,细长锥型喉栓总体性能最优;发动机压强建立过程与喉栓作动速度和自由容积关系密切;模拟结果与试验数据差别不大,可为喉栓式推力可调固体火箭发动机的研发提供参考.     

Towards intelligent design optimization: Progress and challenge of design optimization theories and technologies for plastic forming

Plastic forming is one of enabling and fundamental technologies in advanced manufacturing chains. Design optimization is a critical way to improve the performance of the forming system, exploit the advantages of high productivity, high product quality, low production cost and short time to market and develop precise, accurate, green, and intelligent (smart) plastic forming technology. However, plastic forming is quite complicated, relating to multi-physics field coupling, multi-factor influence, multi-defect constraint, and triple nonlinear, etc., and the design optimization for plastic forming involves multi-objective, multi-parameter, multi-constraint, nonlinear, high-dimensionality, non-continuity, time-varying, and uncertainty, etc. Therefore, how to achieve accurate and efficient design optimization of products, equipment, tools/dies, and processing as well as materials characterization has always been the research frontier and focus in the field of engineering and manufacturing. In recent years, with the rapid development of computing science, data science and internet of things (IoT), the theories and technologies of design optimization have attracted more and more attention, and developed rapidly in forming process. Accordingly, this paper first introduced the framework of design optimization for plastic forming. Then, focusing on the key problems of design optimization, such as numerical model and optimization algorithm, this paper summarized the research progress on the development and application of the theories and technologies about design optimization in forming process, including deterministic and uncertain optimization. Moreover, the applicability of various modeling methods and optimization algorithms was elaborated in solving the design optimization problems of plastic forming. Finally, considering the development trends of forming technology, this paper discusses some challenges of design optimization that may need to be solved and faced in forming process.