基于网格重生成的涡轮叶片变形传递方法

在涡轮叶片多学科优化中需要在气动模型和结构模型之间进行耦合信息(气压、温度和变形等数据)传递,来考虑学科耦合的性质.采用修正几何外形和网格重生成的方法实现了叶片结构变形向气动模型传递.传递时在叶片几何模型上增加若干外形控制线,叶片的外形由这些控制线的形状来决定.根据叶片结构变形,调整控制线节点位置坐标,以修改叶片外形控制线的形状,可以实现变形向叶片几何模型的传递.进一步,重新生成气动网格,可以得到结构变形后叶片的气动网格模型.      

柔性杆系统压电扭转致动器/传感器优化配置研究

 针对空间柔性杆系统的扭转振动问题,提出了一类由柔性杆、电阻应变片传感器、压电扭转致动器组成的柔性杆系统。为了研究此系统的扭转振动,运用拉格朗日方程和假设模态法建立了系统的动力学方程。针对柔性杆系统中压电扭转致动器、传感器的优化配置问题,提出一种基于最小输入能量、最大能量传递、Grammian矩阵最小奇异值最大化的复合优化策略,采用遗传算法对致动器/传感器的位置进行了搜索,找到了最优位置位于柔性杆的根部。进行了数值分析研究,结果表明,与其他位置相比,最优位置最有利于致动器实施控制,同时也最有利于传感器的观测。     

多目标非线性控制分配方法研究

 提出了一种新的多目标非线性规划控制分配方法,对其理论基础、建模与求解过程进行了详尽描述, 并给出了多目标非线性控制分配的解的评价指标及评价方法。该方法不依赖于伪控制指令与广义操纵面偏转角度之间呈线性关系这一假设,直接处理非线性控制分配问题,并充分利用冗余操纵面,实现不同飞行条件和任务下对多种目标的综合权衡分配。仿真结果表明该方法具有较高的精度,能很好地处理故障情况下的控制分配问题,为控制重构提供了算法保证。     

基于三次B样条的机翼气动隐身优化设计

应用参数化三次B样条对机翼进行了参数化建模,在自动几何生成基础上,应用面元法与物理光学法对机翼气动性能与隐身性能进行分析,利用遗传算法进行气动隐身多学科多目标优化,建立了一套适用于总体设计阶段的机翼气动/隐身设计方法,这种方法简单、快捷、适应性强,可方便地对机翼进行优化设计,同时也可用于其它翼面类部件的气动隐身优化设计.     

三维组件布局建模与优化设计

 从工程应用背景出发,在研究现有组件布局问题的基础上,将Sphere-trees概念引入三维装填布局优化设计问题。采用有限球族进行非规则任意形状三维组件外形轮廓的统一描述,而非直接采用组件的实际外形轮廓进行装填布局设计,建立了任意形状组件装填优化设计干涉检查的系统性计算方法。通过几个典型算例,验证了该方法与序列二次规划法相结合解决有限空间内组件布局优化问题的适用性。     

分析模型参数化建模在飞机多学科优化设计中的应用

 论述分析模型参数化建模在飞机多学科优化设计中的重要意义,提出一种机翼气动与结构分析模型参数化建模方法。优化设计变量与机翼气动计算网格的中间参数变量用于描述机翼气动网格变形情况,并建立结构有限元网格与优化设计变量的空间变化关系,实现机翼气动/结构多学科优化设计模型的参数化描述。气动性能计算采用基于N S方程的计算流体力学方法,利用试验设计方法（DOE）和响应曲面模型（RSM）技术构造气动响应曲面用于优化设计,结构计算调用MSC/NASTRAN完成。采用Pareto遗传算法对一大展弦比复合材料机翼模型进行了多学科优化设计分析,得到Pareto前沿面和可选方案以供决策者选择。     

一种新的并行测试任务调度算法

 并行测试的任务优化调度是并行测试技术的核心问题。为了解决现有调度方法耗时、实际应用范围有限以及缺少对资源冲突和系统死锁的形式化分析等问题,采用赋时有色Petri网(TCPN)建立并行测试任务调度的TCPN模型,基于TCPN模型的可达标识图利用改进蚁群算法求解最优任务调度序列。算法搜索过程中,采用多目标优化,目标函数综合了测试时间、仪器成本和负载平衡度,使得算法更符合工程应用。采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟。仿真实例证明该算法是有效的。     

考虑飞行条件变化和制造误差的气动优化方法

提出一种渐近全局代理模型方法以提高稳健优化中的代理模型的精度.基本思路是连续成批地在样本空间的全局和局部均加入新样本点,不断提高代理模型的全局拟合精度.将基于渐近全局代理模型稳健优化方法应用于高亚声速翼型设计,结果表明不仅目标值阻力系数具有稳健性,对飞行条件的小幅度变化和制造误差不敏感,而且力矩系数的约束也具有稳健性.     

基于物理规划的拦截弹反设计优化方法

提出了基于物理规划的拦截弹反设计优化方法,建立了拦截弹多学科系统分析模型,依据文献报道的拦截弹技术参数,通过技术分析,将拦截弹作为"灰箱"系统处理,通过反设计优化研究,得到了合理的拦截弹性能参数.      

基于自适应连续蚁群算法的卫星星座设计(英文)

蚁群算法是一种解决多变量问题的新型启发式仿生算法。本文分析了卫星对地面的覆盖条件,提出用——/(n 1)重覆盖率来评价星座的覆盖性能,建立了以覆盖性能为目标函数的卫星星座参数优化模型。采用蚁群算法对卫星星座参数进行优化,为星座优化问题提供了一种新方法。在连续蚁群算法的基础上对算法进行改进,提出蚂蚁种群数量的自适应准则,有效的提高了搜索范围与收敛速度。通过仿真表明,与其他方法相比,蚁群算法在星座参数优化有着明显的效率。