基于NURBS和梯度法的飞艇形状优化

采用非一致有理样条曲线(NURBS)作为飞艇外形参数化方法、基于梯度的优化方法、飞艇体积作为约束条件、飞艇的阻力系数作为目标函数的优化流程对平流层流动条件下的飞艇外形进行了优化.阻力系数通过求解二维黏性不可压缩流场获得,阻力不但包含了形状阻力也包括了黏性阻力.优化过程以LOTTE飞艇的形状为初始形状,优化的结果表明优化后飞艇的气动性能明显改善,阻力系数有了比较明显的降低.优化的结果也同时证明了该方法适用于飞艇的优化命题.      

基于等效系统拟配的人-机闭环系统稳定性研究

对于现代带电传操纵系统飞机,其人-机闭环系统是非线性高阶复杂系统.针对带电传操纵系统人-机闭环系统稳定性问题,运用遗传算法在频域内对人-机闭环高阶系统进行了等效拟配,提出应用根轨迹法对拟配得到的低阶等效系统进行稳定性分析.仿真结果表明,用遗传算法进行等效拟配能够避免初值选择问题,拟配精度较高.所提方法能够考虑到驾驶员环...     

基于改进遗传算法的终端区排序研究

终端区航班排序是减少航班延误,降低成本的关键技术。基于安全性考虑,将进近无冲突作为约束条件,这是一个组合优化问题,多约束条件互相制约,导致可行解较难获得。采用改进遗传算法,针对航班速度编码的特性引入局部适应度函数,并以此为标准指导交叉变异操作。仿真结果表明,求得的进近队列延误低、无冲突,且遗传更具方向性,收敛快,大大提升求解速度,更符合实际运用中实时性要求,优于传统方法。     

采用改进的层次分析法进行运输机生存力方案优选

提出了一种运输机生存力方案选优模型.提出改进的层次分析法.通过构建军用运输机生存力评价指标体系.建立了基于改进的层次分析法军用运输机生存力方案选优模型.最后,通过模型在四种生存力方案的评价选优中的实例应用.证明了模型的有效性.     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

微型燃气轮机发电站控制策略分析

介绍了微型燃气轮机发电站的技术特点,基于基本PI算法,分析了微型燃气轮机发电站的基本控制策略。在传统的PI算法基础上,分析了微燃机的嵌套闭环控制策略,分别对微型燃气轮机发电站的转速闭环、功率闭环以及排气温度闭环的控制策略进行了分析和研究,并给出了三个闭环的相关试验曲线。研究结果表明,基于基本PI算法的嵌套闭环控制策略适用于微燃机发电站,可保证电站具有很好的经济性和工作稳定性,其对提高电站的使用寿命也有很大帮助,具有很好的工程应用价值。     

航空企业自动化立体仓库输送系统的调度优化

运用粒子群算法解决航空企业自动化立体仓库中输送系统的调度优化问题.针对某主机厂自动化立体仓库输送系统的特点,采用分拣上/下包台、出/入库台、AGV运行的时间总和最小化作为性能指标,用粒子群算法的基本原理作为优化思想,然后使用 MATLAB软件进行算法仿真,分析结果的合理性.结果表明,该模型及仿真结果是合理的,效率高,满足航空企业使用需求.     

基于代理模型的浮动壁式火焰筒壁温优化设计

为了使得浮动壁结构具有更好的冷却效果,开展了浮动壁壁温优化研究;将代理模型技术与遗传算法相结合,并发展应用于某气动参数下的浮动壁式火焰简壁温优化设计,使浮动壁的平均壁温降低了2.4%;同时根据构造所得的代理模型,对浮动壁壁温随几何参数的变化规律展开分析,研究了壁温随孔径和冲击间距的变化规律.分析结果表明,在选择的尺寸约...     

基于遗传退火算法的电路模拟吸波材料设计

相比传统吸波材料,电路模拟吸波材料可以很好地减小材料厚度、提高吸波性能,其设计通常使用遗传算法进行优化。针对传统遗传算法的诸多不足,对交叉和变异概率进行了改进、引入了模拟退火思想作为子代接受准则并增加了算法终止准则。其中,对交叉和变异概率的改进是最大创新点。改进后的遗传算法只需进化100代即得到最优解,平均反射率为-15.0420,厚度为1.43 mm,均优于传统算法得出的结果。结果表明,改进后的遗传算法具有收敛速率快、不易陷入局部最优解等优点。