飞机封闭腔室减重降噪优化方法

噪声水平是现代飞机封闭腔室设计的重要指标,设计中单纯地对壁板进行加肋处理虽能显著降低噪声但会大大增加结构质量,为此对由封闭腔室构成的结构-声耦合系统进行了减重降噪优化研究。基于结构-声耦合有限元模型,利用有限元软件ACTRAN计算了频谱加载时舱内的声压响应。通过试验对简化处理及数值计算进行了验证,并修正了相关模型参数。为了降低结构质量,以加强肋为边界对舱门壁板进行了分区,通过对各个区域壁板厚度及肋条截面积的优化设计,使系统动刚度分配更趋合理,降低了声辐射能量以及结构-声腔的耦合性,从而实现了在满足噪声约束条件下减轻结构质量的目标。本文的工作对实际工程中由加肋壁板所构成的类似结构的减重降噪设计有着较好的工程指导价值。     

运输机机翼平面参数快速优化方法

提出了一套机翼平面参数快速优化方法。新方法通过改变优化思路,简化计算模型,合理选择计算方法,有效地提高了优化效率。简要介绍参数优化思想与流程控制,重点阐述优化程序的气动、重量与性能计算模块的算法。以某运输机为算例,优化结果与资料数据吻合,验证了新方法的正确性。     

粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.     

基于截尾概率-非概率混合模型的可靠性优化算法

针对工程中截尾概率变量与非概率变量同时存在的情况,给出一种新的截尾概率与非概率混合可靠性模型。在该混合可靠性模型基础上,按照可靠性指标(RIA)法给出双层嵌套可靠性优化模型,并采用改进搜索策略后的ST-Powell优化算法在外层搜索设计变量的最优值,内层采用能保证收敛的改进的有限步长迭代法求解混合可靠性指标。数值算例表明,改进搜索策略后的ST-Powell优化算法的全局寻优性得到显著提升;改进搜索策略后的ST-Powell优化算法与改进的有限步长迭代法相结合求解双层嵌套混合可靠性优化模型的正确性得到验证,且对于非线性程度较高的极限状态函数同样能够得到满足截尾概率与非概率混合可靠性模型指标要求的最优解,并对工程结构算例具有很好的适应性。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

拓扑优化方法在航空用钣金零件设计中的应用

为了满足航空产品高载重量及低耗油率的要求,采用拓扑优化技术对航空用钣金零件进行结构优化,实现了钣金零件强度高和重量轻的指标.案例分析表明,在航空用钣金零件初始设计阶段引入拓扑优化方法,会比设计过程中单纯使用结构尺寸优化和形状优化获得更大的经济效益.     

涡轮叶片的多学科设计优化系统

建立了一个全三维涡轮叶片的一体化多学科设计优化系统, 并对某叶片进行涉及五学科的设计优化分析.在此优化系统中, 采用5次多项式方法进行三维涡轮叶片的参数化建模, 单元线性插值法完成学科间载荷信息的传递, 多岛遗传算法及二次序列规划法联合进行整个优化问题的寻优.实例分析结果表明, 一体化优化使涡轮叶片性能得到明显提高, 所建系统稳定、高效, 具有应用于工程实践的可行性及可靠性.      

高超声速二维进气道参数化设计方法初探

通过高超声速二维进气道流动与几何参数制约关系分析和参数敏感性分析, 确定了能够对二维进气道进行参数化设计的5个基本几何控制参数, 初步建立了高超声速二维进气道的参数化设计方法.结果表明该方法选择的基本参数能够敏感地反映进气道的关键性能和尺寸, 为二维进气道型面优化设计提供了切实可行的途径.      

学科间载荷参数空间插值传递方法

针对多学科优化分析中面面耦合学科网格间载荷传递的问题, 提出了在参数空间中的三次函数插值传递方法.该方法将三维空间的源学科载荷点投影到二维参数空间平面上, 用三次插值函数对目标点载荷进行计算.此方法解决了叶片表面弯曲对载荷传递精度的影响.某涡轮叶片温度传递的结果表明本文的方法具有很高的精度.      

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.