进气道进口几何参数模糊优化设计

重点研究二维两波系超音速外压式两侧/侧腹进气道的进口几何参数的气动力/隐身一体化优化设计,主要考虑进气道的压缩板角、唇口斜切角、罩唇位置角、进口宽度、进口宽高比等进口几何参数所决定的一些气动力性能,如总压恢复系数,超音速溢流附加阻力系数及电磁散射机理如压缩楔板的表面散射、楔板及唇口的边缘绕射,采用基于目标满意度和约束满足度的模糊优化模型,进行了优化计算.      

结构/非结构网格中的数值优化计算

非结构网格因其在处理外形方面所具有的特殊优越性而倍受关注.在结构/非结构网格中做了粘性流动的数值优化计算,优化计算包括单目标和双目标气动优化,以及反设计计算,即从初始翼型不断修型而实现给定翼型的外形及压力分布的目标.算例及其结果分析证明了该方法用于翼型的修型和设计计算的有效性.      

切削过程优化问题的边界极值解法

本文首先讨论切削过程优化问题目标函数的极值问题,并完成切削过程优化问题目标函数无极值的证明,给出了在刀具耐用度满足泰勒公式条件下的特例证明。在此基础上提出了该类问题的边界极值解法,把两维空间内的求极值问题转化为一维问题求解,大大减小了计算量。本文还讨论了边界极值求解方法在计算机实现过程中若干问题,包括约束分类方法、约束边界的组合方法、约束边界在计算机内的表达方式等问题。本文最后给出了一个应用边界相比求解的实际例子,并与采用传统的数学规划求解方法进行了比较。结果表明,两者计算结果一致,采用边界极值法的计算速度比数学规划方法提高了一个数量级。     

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.     

星载定向链路多目标优化设计

提出一种针对星载定向链路的多目标优化设计方法。定向链路的优化设计过程是一个多目标优化的过程,要求定向链路在质量、功耗等条件的约束下,尽量满足飞行任务对其功能的需要。文中首先建立定向链路各分目标函数的数学模型,然后根据卫星任务的需求为各分目标函数分配权重,最后通过统一目标法将各分目标函数组成一个统一目标函数,并对统一目标函数进行优化,进而实现对定向链路的优化设计。     

一类非平稳随机过程未来变化趋势的多步实时预报

本文在回避建立过程加速度模型这一传统方法的前提下，提出了一类非平衡随机过程未来变化趋势的多步实时预报模型，并对高斯白噪声背景下过程变化的共性进行了研究。文中给出了算例与仿真计算结果。     

基于静强度试验的有限元模型修正技术研究

基于静力响应的有限元模型修正技术广泛应用于工程结构的参数识别中,需要解决软件实现、基准数据与目标函数选取,以及参数的灵敏度分析等问题。利用位移响应信息对损伤位置确定的悬臂梁进行了损伤程度的精确识别,对于损伤位置不能确定的情况,通过引入应变约束条件实现了损伤位置与损伤程度的同时确定。作为实际工程算例,将飞机静强度试验得到的位移响应与内力响应作为基准数据,利用模型修正技术确定飞机方向舵有限元模型边界条件。算例比较了不同目标函数和约束条件对修正效果的影响,并通过增加内力响应信息进一步修正了根部约束参数,为计算分析提供了精确有限元模型。     

军用油料调运优化中的参数值修改法

编制军用油料调运计划，要涉及众多参数，关系错综复杂，绝大多数情况下难以同时实现所有期望目标，因此有必要对有关参数值进行合理修改。通过建立军用油料调拨运输的二部图，针对二部图，证明了能使发点发量发送完毕的定理，从而得到可对有关参数值进行合理修改的方法，为进一步应用线性规划法优化油料调运计划奠定了基础。该方法原理简单、操作方便，适于计算机编程。     

面向海洋机动目标跟踪监视的卫星重构组网优化与仿真

摘要： 针对海洋机动目标跟踪监视问题，提出通过卫星相位重构调整进行机动目标搜索跟踪的监视策略，构建地理坐标系下机动目标航位预测模型及基于霍曼转移的卫星调相组网方式，并采用NSGA II算法进行优化求解，对比分析卫星重构组网前后的机动目标发现概率.仿真结果表明：在卫星能量消耗允许范围内进行重构组网，能够有效提升对机动目标的发现概率，为海洋机动目标的搜索跟踪问题提供了一定的方法支持.     

基于多目标遗传算法的大型客机总体参数优化

在大型客机总体参数设计的基础上,提出总体参数优化的问题。建立多目标优化的数学模型,采用多目标遗传算法对大型客机的总体参数进行优化设计。考虑只对一个目标函数进行优化的单目标优化问题,设计程序进行单目标优化的计算。比较单目标优化和多目标优化的结果,分析两种优化方法的差异。算例表明,采用单目标优化在提升优化目标性能的同时会牺牲其他目标函数的总体性能,而多目标优化能兼顾各个目标函数的需求,并使整体达到最优。