运用低自由度协同优化的机翼结构气动多学科设计优化

 为了解决协同优化方法(CO)协调困难和计算量过大的问题,提出了低自由度协同优化方法(LDFCO)。LDFCO的系统级优化通过调整共享设计变量和辅助设计变量,使系统目标最优,并满足一致性约束条件。子系统优化通过调整局部设计变量,使子系统目标最优,并满足局部约束条件。子系统目标有2种形式：最小化本子系统的一致性约束函数和直接与系统目标有关的状态变量的加权和,或最小化一种不同于前者的一致性约束函数。着重研究了如何利用常规LDFCO/V1和基于代理模型的LDFCO/V1求解机翼的气动/结构多学科设计优化问题,并与CO方法进行了对比,结果表明常规LDFCO/V1和基于代理模型的LDFCO/V1都能成功地应用到机翼的多学科设计优化中,验证了LDFCO/V1的可行性和有效性。     

近地小推力转移轨道的加权组合制导策略

 研究了近地小推力转移轨道的制导问题,给出了一种基于局部最优控制律的自主制导算法。推导出了各改进春分点根数对应的局部最优控制律;通过最优推力分配和目标偏差两个策略,对各局部最优控制律进行动态加权组合,从而有效减少了制导律的设计参数。在此基础上,针对燃料最省转移轨道,定义了一种新的发动机开关函数。采用遗传/逐次二次规划混合优化算法计算了最优制导参数。与传统算法相比,该制导算法是一种闭环制导算法,能够实现飞行器的自主制导,并且制导过程中无需对制导参数进行更新。以地球低轨到高轨的小推力转移为例,采用该方法分别求解了时间和燃料最省转移问题,并与传统算法进行了比较分析。数值结果验证了该算法的有效性。     

Convex optimization of asteroid landing trajectories driven by solar radiation pressure

High-area/mass ratio landers driven by Solar Radiation Pressure(SRP) have potential applications for future asteroid landing missions. This paper develops a new convex optimization-based method for planning trajectories driven by SRP. A Minimum Landing Error(MLE) control problem is formulated to enable planning SRP-controlled trajectories with different flight times. It is transformed into Second Order Cone Programming(SOCP) successfully by a series of different convexification technologies. A t...     

Neural Network aided PMSM multi-objective design and optimization for more-electric aircraft applications

This study uses the Neural Network(NN) technique to optimize design of surfacemounted Permanent Magnet Synchronous Motors(PMSMs) for More-Electric Aircraft(MEA)applications. The key role of NN is to provide dedicated correction factors for the analytical PMSM mass and loss estimation within the entire design space. Based on that, a globally optimal design can be quickly obtained. Matching the analytical estimation with Finite-Element Analysis(FEA) is the main research target of training the NN. ...     

GEO/IGSO混合区域导航星座的设计与优化算法

区域导航星座能够以较低成本和较短时间获得目标区域导航能力,且地球同步轨道是构建非极区区域导航星座的重要轨道类型.提出一种基于GEO(地球静止轨道)和IGSO(倾斜地球同步轨道)的区域导航星座设计方法.基于星下点轨迹特性构造对称星座设计参数和优化参数集,并考虑地球扁率长期摄动影响,计算星座轨道参数.以导航服务区的统计GD...     

基于粒子群优化算法的不完全数据的处理

不完全信息下的数据挖掘是一个困难的问题,但它在实际决策中是不可避免的。在介绍几种处理方法的基础上,提出了基于粒子群优化算法的处理方法。对适应函数进行了讨论,实例表明该方法比较有效。     

一种基于承载效率准则的复合材料机翼结构布局优化方法(英文)

提出一种针对大型复合材料机翼结构的二级布局优化策略。系统级根据结构形变调整设计指标,子系统级优化结构布局以满足系统级约束。将机翼壁板中各种临界失效载荷的接近程度作为评判结构效率的标准,通过将结构效率作为优化目标,保证了所求解问题的连续性。加筋壁板通过等效的正交异性板模拟,并根据能量原理预测总体失稳载荷。讨论了加强筋支持弹性对于蒙皮抵抗局部失稳性能的影响,并通过神经网络代理模型对其进行逼近。采用解析模型对失效特性做出评估,减少了计算资源的占用。最后以一种大型机翼结构的综合优化作为算例,计算结果满足设计要求,验证了该方法的可行性。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二