基于遗传算法的火焰筒浮动瓦块热-结构耦合优化分析

以火焰筒浮动瓦块结构为研究对象,将遗传算法和“穷举搜索法”相结合,采用二步递进策略对浮动瓦块进行了热-结构耦合优化分析.首先利用遗传算法对瓦块结构中安装螺栓杆的位置变量进行优化;然后利用“穷举搜索法”对瓦块的厚度和螺栓杆直径进行优化.通过优化分析得到了结构性能更优的瓦块结构方案,使其最大应力比降低了22.77%.结果表明遗传算法和“穷举搜索法”相结合的优化方法应用在浮动瓦块的结构优化设计中是有效、合理的.      

悬停状态直升机桨叶扭转分布的优化数值计算

建立了一套基于高精度计算流体力学(CFD)技术和代理模型优化算法的旋翼气动外形设计方法。在该方法中,旋翼流场气动性能的计算采用了基于Navier-Stokes/Euler方程的CFD方法,并根据流场特点、精度和效率的要求采用Baldwin-Lomax(B-L)湍流模型,通量计算采用Roe-MUSCL格式进行。为提高网格生成质量和便于流场控制方程的求解,将流场分成两个区域,即围绕旋翼的黏性区和无黏的背景网格区。其中,桨叶网格使用了基于二维翼型网格的参数化方法生成,数值计算结果表明该方法有效地提高了网格生成质量及效率。在参考旋翼流场及桨叶细节流动分析的基础上给出设计变量及范围,有效减小了优化问题的规模;为满足优化和机理分析的需要,将基于置换遗传算法优化的拉丁超立方(PermGA LHS)方法和径向基函数(RBF)的代理模型优化方法引入到桨叶外形的优化设计中。首先以Helishape 7A旋翼为算例,检验了数值模拟方法的准确性。然后,应用所建立的优化方法针对旋翼负扭转分布进行了优化计算,结果表明优化后的旋翼悬停气动性能比优化前有了明显提高。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

作战飞机空空对抗的优化配置研究

为了给空军作战飞机的最优规划提供科学的依据,对空空对抗环境下的作战飞机进行了优化配置研究。介绍了四级空中优势的概念,建立了作战飞机的经费优化模型和数量优化模型。应用该模型对某战役想定下的作战飞机进行了经费优化和数量优化,验证了模型的有效性。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群算法应用于翼型气动优化设计的可行性。在优化设计的过程中,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

一类基于分解协调机制的多学科优化算法

对于复杂系统的设计问题,分解协调是一种比较有效的优化策略.对耦合信息处理方式的不同,产生了不同格式的多学科优化算法.从子系统间信息交换的角度,描述了系统的耦合机制、耦合系统变量的分解和合成.介绍了系统优化中的系统分析,以及分解分析和分解设计的算法构架.归纳总结了一类基于分解协调机制的多学科优化算法,并对分解算法的特点和特殊处理机制进行了探讨.     

高高空长航时无人机翼型优化设计研究

针对高高空长航时无人机的特点和使用要求,开展了高高空长航时无人机翼型的优化设计研究.为了提高采用遗传算法的气动优化设计的效率,将分布式计算与遗传算法相结合,形成了基于遗传算法和分布式计算的气动优化设计方法,并将该方法与基于反设计概念的工程方法相结合进行了高高空长航时无人机翼型的气动优化设计.设计实践表明,该方法是可行的,设计出的翼型是能够满足工程需要的.     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

基于网格变形技术的涡轮叶片变形传递

为实现学科耦合,需要在涡轮叶片多学科设计优化的气动模型和结构模型之间传递温度、气压和变形等载荷.研究结构变形向气动网格传递的实现方法.参数空间插值方法解决耦合面网格不一致时的变形插值问题;网格变形技术用来调整气动网格内部节点的位置,保证变形传递后的网格质量.某涡轮叶片变形传递实例的表明:该方法能够用于多学科设计优化问题中的变形传递.