面向涡轮叶片方案优化的变保真度设计系统

提出了面向涡轮叶片初始设计的变保真度的多学科设计优化方法,建立了自动化的设计系统以提高设计效率.该系统集成了分析工具和设计团队以及数据管理系统,使得设计过程自动地运行.开始设计阶段使用基于经验公式的低保真度模型;优化中的三维仿真过程使用基于精确的流体分析和结构分析的高保真度模型.过程按照模型保真度的不同分3个阶段,渐近地获得最优解,同时考虑非设计点的优化.通过实验设计搜索并逐渐缩小设计空间,使得高保真度分析所带来的计算成本得以减少.最后以一个2级轴流涡轮的叶片初始方案设计验证了本设计系统.     

基于台架的涡扇发动机优化调整分析

提出了一种新的发动机优化调整方法.这一方法以多自由度多目标优化理论为基础,利用发动机性能仿真模型和故障诊断模型,在对故障发动机进行故障诊断的基础上,通过调整发动机可调部件以使发动机的性能达到设计要求.利用这一方法建立的发动机调整模型被用于某型处于生产试验阶段的涡扇发动机的实际试车调整中,实践表明,发动机调整模型所得到的最优调整方案能够有效地指导故障发动机的试车调整.      

解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.      

激光制导炸弹模态综合控制系统效能评估研究

参考武器系统效能评估的一般规律,根据激光制导炸弹模态的综合飞行/火力/推进控制系统的具体特点,将其效能评价分为性能和作战效能评价两部分;按照大系统理论的多重递阶控制思想将综合控制系统分解为三重回路,分别进行性能评价;从作战任务和作战结果两个方面进行比较,对其作战效能进行了评价.      

机动目标状态估计器算法研究

基于战斗机航迹准稳态运动状态假设,研究了机动目标状态估计器算法.该算法通过选取虚拟测量变量和状态变量,以及假设目标处于航迹准稳态运动状态,把含有9个变量的非线性滤波和预测问题转化为1个三阶和3个二阶的线性滤波和预测问题.在综合控制系统中的仿真结果表明,该算法计算量小,滤波精度好,能够满足综合控制需求.      

网络控制中传输延迟的接口延迟模型

针对网络控制应用中的延迟问题,通过将传输延迟与网络接口合并到一起,建立了一种新模型:接口延迟模型,然后给出了接口延迟的求解方法,并对接口延迟在实际应用中的各种有关性质进行了深入的研究.接口延迟模型的建立,使得网络控制的研究可以从具体的传输网络中脱离出来,从而可以直接围绕可测的接口延迟研究网络控制系统.      

飞机环境控制系统的模糊控制研究

地面实验表明,采用传统PID(Proportional-Integral-Differential)控制方法的飞机环境控制系统不能很好的解决电子设备和座舱的温度控制问题.采用了基于遗传算法优化的模糊控制方法,根据系统不同的工作任务,分别采用了2种模糊控制规则.通过优化输入输出变量的隶属度函数参数,使得新的模糊控制系统具有响应快、超调小、稳态精度高的特点.仿真表明,该模糊控制系统优于原系统并且能够满足飞机环境控制系统的设计要求.      

大型航天器舱内流动与传热传质集成分析

在低流速、常温、层流假定下，利用数值模拟方法，实现了大型航天器返回舱、轨道舱内流动与传热传质分析．模拟结果表明，冷凝干燥组件、净化通风组件、风扇、热控风机和其他仪器设备对航天器舱内空气流动具有不同的影响；通过分析空气流场对舱内温度、空气湿度、二氧化碳浓度的影响，探讨了评价流场的质量和能量输运作用；从总体角度提出，通过一定的布局，设计出具有环流的全局流场的同时，具有流动与扩散相协调的局部流场，建立了统一流场的设计新思路．     

硅谐振式压力微传感器闭环系统

硅谐振压力微传感器在自激振荡回路中采取电阻热激励、电阻拾振时得到的信号,由于有用信号本身的量级小,因而含有严重的同频干扰信号(耦合激励信号),信噪比SNR (Signal Noise Ratio)仅为10^-3数量级.为了提高信噪比,滤除同频干扰,多级放大之后的处理中将锁相环PLL(Phase-Locked Loop)工作原理和分频技术相结合,由锁相环输出作为传感器的激励和鉴相相关信号,搭建硅谐振压力微传感器闭环自激振荡回路.结果表明:采用锁相分频技术的微传感器闭环系统能可靠运行,信噪比低的问题得到了很好解决.     

按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.