航空发动机性能寻优控制混合优化算法

根据性能寻优控制(Perform ance Seek ing Con trol)优化模式的特点,针对某型涡扇发动机,研究了把发动机性能优化问题描述为线性规划问题。同时针对线性规划方法可能会收敛于局部极小值和非线性方法计算量大的问题,提出了基于LP(L inear P rogramm ing)和MAPS(M odel-A ssisted Pattern Search)混合优化方法,并研究了LP和MAPS混合优化方法在航空发动机性能寻优控制中的应用,同时在最大推力控制模式和最小油耗控制模式下进行了仿真。大量仿真结果表明,采用混合优化方法可进一步提高发动机的性能,并且大大减少了计算量。      

网络环境下航空科技情报检索

介绍了常用的国内外航空科技文献数据库;阐述了航空科技情报的检索方法与检索途径;通过实例,说明了数据库检索与互联网信息检索结合使用的检索过程与检索技巧。     

反潜直升机侧翼伴随巡逻搜潜建模与仿真

针对反潜直升机侧翼伴随巡逻搜潜阵位配置依据不足、实际对潜警戒扇面动态变化的问题展开研究。通过分析理想条件与舰艇编队规避机动2种情况下的敌潜艇鱼雷发射阵位,得出侧翼搜潜阵位配置的定量依据;根据舰艇编队航行中反潜直升机搜潜扇面的动态变化过程,建立了反潜直升机侧翼伴随巡逻搜潜的实际警戒扇面模型,并对兵力需求进行了分析。最后仿真计算了侧翼搜潜阵位的配置以及实际对潜警戒扇面范围。结果表明:配置单架反潜直升机于舰艇编队侧翼12nmile处,可对舰艇舷角60°~100°范围内的扇面实施有效对潜警戒。     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。     

直升机检查性反潜时吊放声呐搜潜效能研究

通过对检查性反潜特点和吊放声呐战术特性的分析,确定了检查性反潜时反潜直升机采用吊放声呐搜潜的效能指标。在进行了必要假设的基础上,应用概率论和搜索论建立了效能模型。并初步探讨了所建立效能模型的战术应用。     

基于视觉搜索的飞机显示界面设计原则

对飞行员在飞行中通过视觉搜索监视各种仪表信息的过程进行研究,探索时间压力和搜索难度两个因素对视觉搜索绩效的影响,从而为飞机座舱显示界面的工效学设计提供科学依据.设计视觉搜索程序来模拟飞机显示界面,并通过预实验确定时间压力水平和搜索难度水平的典型分级范围,在此基础上进行正式实验并记录反应正确率和反应时间.采用SPSS 19.0对实验结果进行双因素分析、简单效应、回归分析等,得到如下结论:不同水平的时间压力和搜索难度对反应正确率的影响具有显著性差异;不同水平的搜索难度对反应时间的影响具有显著性差异,并且在一定条件下反应时间和干扰项数目成线性递增关系;在保证较高正确率的状态下,即在人的认知能力范围之内,不同的时间压力水平对反应时间的影响没有显著性差异.因此,在飞机座舱显示界面视觉搜索的工效学设计中,要将时间压力和搜索难度进行最佳匹配才能取得较好的工作绩效.      

基于混合并行多目标禁忌搜索算法的飞机总体优化设计研究(英文)

基于飞机总体设计中的多目标优化问题,采用了一种全新的混合并行多目标禁忌搜索算法。文章首先提出了一种创新的多目标禁忌搜索(MOTS)算法,该算法在传统的MOTS的基础上,增加了TS算法与"Pareto解"的融合机制、优秀解保留机制、"多方向搜索"策略等新的元素。随后又将该算法作了改进,创立了并行多目标禁忌搜索算法。最后在此基础上将并行多目标禁忌搜索与基于向量排序的多目标遗传算法相结合,提出了一种新的混合算法—混合并行多目标禁忌搜索算法。通过对以上各种算法运行结果的比较,得出如下结论:与改进前的多目标禁忌搜索算法相比,并行的MOTS运行结果更优,而混合的MOTS的结果又比前两者更胜一筹。     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标,考虑传感器探测概率与虚警概率,提出了重访机制驱动的协同搜索规划（RMD-CSP）方法,以降低目标遗漏与误判概率。考虑无人机飞行性能约束,以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图）,利用无人机实时探测信息,基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制,通过增加长时间未被重访区域的环境不确定度,引导无人机搜索该区域,降低移动目标的遗漏概率;定制基于目标函数权重更新的重访机制,引导无人机快速重访发现新的疑似目标的区域,对疑似目标进行再次确认,减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构,将搜索规划问题分解为一系列短时域规划问题,提升了求解效率。在典型任务想定下,通过数值仿真试验验证了所提方法的有效性。仿真结果表明,RMD-CSP能够在秒级时间内生成每个时域的搜索航迹,相比于光栅式搜索方法与标准的概率启发式搜索方法,能够引导无人机捕获更多的移动目标,同时减少误判次数,有效提升了多无人机协同搜索的任务效能。     

多无人机协同搜索区域划分与路径规划

针对多无人机广域协同搜索问题，研究无人机工作区间划分和全区域覆盖搜索路径规划2个子问题。采用按无人机来向均衡划分的方法和凹点凸分解的方法，开展了凸多边形和非凸多边形的区域划分研究，将多机协同搜索问题转化为子区域上的单机搜索问题；在此基础上采用"Z"型路径覆盖方法以及Dubins转弯路径，对各个无人机开展覆盖其子区域的搜索路径规划，从而建立了一个区域划分和路径规划的整体调用框架，能够对目标区域快速进行划分并生成飞行路线。最后，对凸多边形和非凸多边形区域搜索开展仿真计算，验证了该方法的有效性。