基于物理规划的高超声速飞行器滑翔式再入轨迹优化

 轨迹优化是新型高超声速滑翔式再入飞行器方案设计的关键技术之一。物理规划方法能够以较低的计算代价获得设计者偏好的多目标优化问题的折中解。基于该方法研究滑翔式再入最优飞行轨迹。首先介绍物理规划方法求解多目标优化问题的数学模型,然后将考虑射程最大、热载最小、热流密度峰值最小和弹道最稳定4个目标的再入最优轨迹问题纳入物理规划的框架求解。以某带翼锥形再入飞行器为例,通过计算并分析单目标优化结果,确定具体的偏好结构,采用遗传算法求解了考虑热流、过载、动压和终端条件约束的多目标最优轨迹。优化计算结果验证了物理规划方法的有效性。分析了沿最优轨迹飞行的物理原因和基本迎角控制规律,可为滑翔式再入飞行器的最优轨迹方案设计提供依据。     

主控格栅反射器基体结构/压电作动器参数集成优化设计

为提高反射器形面控制能力和减小在轨热变形,本文以锆钛酸铅压电陶瓷(PZT)驱动的主控格栅反射器为研究对象,开展反射器基体结构和PZT压电作动器参数的集成优化设计研究。首先,建立主控格栅反射器有限元模型并通过实验验证了有限元模型的正确性。然后,以形面控制能力最大和热变形最小为目标函数,以设计变量上限、下限和结构基频为约束,采用遗传算法(GA)和非支配排序遗传算法(NSGA-II)求解。最后,给出多个仿真算例的优化结果。仿真结果表明,控制能力最大的单目标优化,其热变形远大于控制能力,多目标的帕累托(Pareto)最优前沿可以给出更合理的设计方案。通过优化设计可以显著提高形面控制能力和减小热变形。     

高温环境下大尺度薄壁结构的电性能优化设计

考虑温度引起的热变形和材料电磁参数变化对天线罩电性能的影响,基于口径积分-表面积分法(AI-SI)和有限元法(FEM),提出了高温环境下天线罩电性能分析方法;进而基于粒子群算法(PSO),建立了计及热效应的天线罩结构电性能优化流程。分别选取常温环境、均匀高温环境和非均匀高温环境三种典型工况,对比研究了温度对天线罩电性能的影响规律,并对天线罩电性能进行了优化,研究结果表明:高温会引起天线罩透波系数的下降和瞄准误差的上升,在天线罩优化设计中应重视温度对电性能的影响;计及热效应的天线罩结构电性能优化方法能显著提升天线罩的透波系数、降低瞄准误差,具有良好的优化效果。     

不规则小行星附着可达区生成方法

针对不规则小行星表面附着任务需求,提出了一种基于动态邻域搜索的可达区生成方法。首先,建立了可达区数学模型,并采用质心距映射函数对非定点附着的终端位置约束进行了处理。在此基础上,将可达区的优化问题转化为附着基准点计算、边界起始点计算和边界点搜索三个子问题。针对附着基准点与边界起始点,分别通过最小燃耗轨迹优化与极限燃耗轨迹优化求解;针对边界点,设计了导向式动态邻域搜索方法,将复杂的非定点着陆优化问题简化为定点着陆燃耗优化与边界插值。最后,以小行星433 Eros为对象,对所提出的可达区生成方法进行了仿真。结果表明,该方法能够生成不规则小行星表面的可达区,具有较高的搜索求解效率,并适用于不同的初始位置和燃耗条件。     

大气层内固体火箭实时轨迹优化方法

针对大气层内固体火箭能量管理问题,提出一种邻近-牛顿-康托维奇凸规划的实时轨迹优化方法。首先,针对传统能量管理方法难以严格满足大气层内过程约束的不足,提出了一种对控制量模值积分进行惩罚的规则化方法,将能量管理问题转化为轨迹优化问题。然后,针对大气层内强非线性动力学与约束,提出一种邻近-牛顿-康托维奇凸规划方法,对优化问题中的非线性项进行线性化处理并在性能指标中引入邻近规则化项,提升了算法的收敛性。最后,为减小优化算法对初始猜想的依赖性,引入虚拟控制变量对控制约束与过程约束进行松弛。数学仿真结果表明:采用所提出的轨迹优化方法求解能量管理问题是有效的,能够严格满足各项约束并实现高精度终端;此外,算法具有优异的实时性,能够满足能量管理对求解速度的要求。     

CSRT与CST气动外形参数化方法对比

类别形状修正函数变换(CSRT)方法是在类别形状函数变换(CST)方法的基础上添加修正函数以克服其不具备局部性的缺点发展而来的新型参数化方法。通过考察参数化过程中翼型的表示误差和线性系统条件数,对CSRT和CST参数化方法的表示精度和数值单值性进行了对比。使用基于以上两种参数化方法的远场组元(FCE)激波阻力优化算法对超声速翼身组合体进行了零升激波阻力优化,结果对比得到:基于CSRT方法的两级优化具有更好的优化效果,激波阻力系数降低了34.7%。研究表明:CSRT方法需要比CST方法更多的参数数量以达到相似的精度,随参数数量的增长,CSRT参数化过程的病态化程度远低于CST方法;CSRT参数化方法可以结合适当的优化算法进行气动外形二级优化,其效果优于使用相同参数数量的CST参数化方法所进行的单级整体优化。     

基于信息素启发狼群算法的UAV集群火力分配

无人机（UAV）集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势，得到最优武器-目标分配（WTA）方案，使得UAV集群在火力分配中既能够满足任务要求，又能够较少作战单元消耗，建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型，采用带有游走、召唤算子的改进狼群算法（WPA）对模型进行求解。为提高算法全局寻优效率，避免陷入局部最优，引入蚁群优化（ACO）算法中信息素启发规则，对游走行为及狼群更新机制进一步改进，提出了基于信息素启发狼群算法（PHWPA）的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的，相比较于其他算法，PHWPA具有更高效的寻优能力，能够为UAV集群作战火力规划提供支持。      

基于综合评价优化的民机顶层需求指标权衡

确定顶层需求指标是民机设计流程之初的重要工作。针对民机顶层设计工作，提出一套民机顶层需求定量权衡方法。根据民机顶层需求与概念设计之间的关系，将概念设计方案的特性参数视为一组可行的顶层需求。将顶层需求的权衡分析问题转换为对飞机总体设计参数的优化问题。选择“经济性、舒适性、环保性、适应性、安全性/可靠性”这5条判断准则，建立民机顶层需求综合评价模型，评估顶层需求的综合竞争力。以竞争力最大为目标，优化概念方案，确定最优的顶层需求组合。在宽体客机案例中，得到了比初始需求更合理的顶层需求，验证了所提方法的可行性。     

基于POD-PCE-Kriging模型的航空发动机高维多目标优化

针对于传统的航空发动机燃烧室设计过程计算周期长，加工和试验成本高，制约发动机设计周期的问题，基于航空发动机燃烧室模型，结合POD-PCE-Kriging（本征正交分解-多项式混沌展开-Kriging）模型和粒子群优化（PSO）算法开展了燃烧性能代理模型的构建和多目标优化设计。通过试验，应用POD-PCE-Kriging模型预测结果与一维程序计算结果进行对比分析，针对于燃烧效率和总压损失预测值的方均根误差分别为0.006 3%和0.122 7%。对设计变量参数开展寻优，并对获取的Pareto最优解集进行了分析，为满足性能指标的先进航空发动机燃烧室设计提供了物理见解，可以快速准确获得满足最优性能的设计参数，缩短航空发动机的研制周期。     

基于代理模型的麦克风相位阵列设计技术研究

气动声学风洞试验过程中，针对目标声源特性进行麦克风相位阵列改进时，为保证风洞试验效率，必须在较短的时间内完成阵列优化设计工作。为满足这一试验需求，最大限度提升麦克风相位阵列设计效率，引入了基于Kriging代理模型的优化设计方法。采用基于点扩散函数的计算程序进行阵列性能分析，获取阵列最大旁瓣水平和分辨率。通过对样本点响应值进行计算，建立Kriging代理模型，进而以计算速度极高的Kriging代理模型作为阵列性能分析方法开展优化搜索，避免了大量调用阵列性能计算程序导致计算耗时过高的问题，显著提升了麦克风相位阵列设计效率。该阵列设计方法能够有效改善麦克风阵列的测量性能，满足声学风洞试验的特殊应用需求。