前轮非线性摆振稳定性分析

飞机前起落架支柱上的几个非线性项,例如扭转间隙、库仑摩擦以及速度平方阻尼等,对前轮摆振稳定区域有着重要的影响.文中假设前起落架支柱上端固支,并且给出了用以描述五自由度的前轮摆振运动的非线性微分方程组,使用描述函数法研究了上述三个非线性项对前轮摆振稳定区域的影响,将准线性化的方程组代入状态空间内,利用优化特征值实部的方法确定摆振系统的极限环幅值、摆振频率以及临界参数曲线,这种方法可以免去以往摆振稳定性分析时冗长的代数推导.作为比较,文中还计算了前轮线性摆振系统的临界频率以及临界参数曲线,两种结果比较分析表明,支柱内的几个非线性项对前轮摆振稳定区域有着重要的影响,由于扭转间隙的存在,使得飞机临界滑跑速度大大降低.     

全封闭式压缩机转速测量方法的研究

讨论了用测量振动频率的方法对全封闭式压缩机进行转速的测量.此种方法也能用于其他封闭式转动类机械的转速测量.     

利用几何遗传方法优化前缘翼根延伸的外形以增强飞行器升力系数和机动性

为了提高所选定飞行器模型的机动性,采用了一种标准遗传算法设计前缘翼根延伸(LEX).同时使用一种由三维低阶板方法结合DATCOM方法半经验公式的改进方法预测复杂外形飞行器(机身 机翼 尾翼)的空气动力载荷和最大升力系数.结果表明,在前缘翼根存在的情况下,升力系数在马赫数为0.4～0.8时提升了20.5%～15.3%,在马赫数为1.2时提升了6.8%,在马赫数为0.2～0.95之间升力系数最大值提升了9.5%～15%.在1～5 km的高度亚音速飞行时,其回转率得到了6.6%～8.0%的提升.     

基于遗传算法的大气层外拦截弹拦截优化

提出了一种同时考虑大气层外拦截弹中段和末段飞行过程的拦截优化方法.首先建立了大气层外拦截弹中段和末段飞行的动力学模型,并设计了速度增益中制导律和鲁棒变结构末制导律;然后确定了影响拦截性能的优化控制参数及其约束条件,以拦截过程的燃料消耗质量和脱靶量最小为组合性能指标;最后采用具有全局最优性的遗传算法对这一拦截优化问题进行了仿真研究,并与复形调优算法的结果进行了比较.仿真结果表明,遗传算法与传统优化方法相比在解决大气层外拦截弹带约束复杂非线性组合优化问题时,能更好地收敛到全局最优值,并能有效降低大气层外拦截的燃料消耗和脱靶量.     

一种复合材料柔性梁的响应计算方法

建立了一种复合材料柔性梁的响应计算方法,将三雏非线性梁分析解耦为二维线性剖面分析和一维非线性梁分析两部分.引入Danielson-Hodges广义应变定义,采用中等变形梁理论,考虑横向剪切和三维翘曲的影响,对梁结构进行了有限元分析.通过与Princeton梁实验数据、Minguet实验数据和大变形梁理论计算结果的对比,验证了本文计算方法的正确性和适用范围.     

高速航空拖靶的总体方案和气动外形优化

针对某高速、低空恒高拖靶系统研制的需求,设计了一种有良好气动特性、结构简单、工艺性好、成本低的拖靶总体方案.为了进一步减少气动阻力,采用基于Kriging模型的优化方法对高速拖靶气动外形进行了优化设计.优化结果表明:在满足操纵力和稳定性要求前提下,优化后拖靶的气动阻力明显减小.本文研究结果为整个拖靶系统的进一步设计和论证奠定了基础.     

基于多级代理模型的优化算法

在仿真优化中高精度的仿真模型大多难以实现,本文提出一种由全局和局部代理模型共同作用的多级代理模型,并与仿真优化相结合提出基于多级代理模型的仿真优化算法.运用Kriging近似理论和RBF神经网络分别构建全局代理模型和局部代理模型,并在仿真优化的过程中在线更新代理模型.通过算例对算法进行验证,结果表明多级代理模型具有良好的逼近能力,基于多级代理模型的仿真优化方法具有良好的鲁棒性和寻优性能.     

灾变机制下的元胞遗传算法

文章提出了一种改进的加入灾难的元胞遗传算法.该算法是细粒式并行遗传算法和粗粒式并行遗传算法的混合形式.在遗传算法和元胞自动机的原理基础上,通过加入灾难的方式,用于求解复杂甬数优化问题,获得了较好的效果.     

倾转旋翼飞行器的操纵策略和配平方法

根据倾转旋翼飞行器的构型特点,建立了倾转旋翼飞行器旋翼、机翼、短舱、机身、平尾(含升降舵)和垂尾(含方向舵)的气动力模型,研究了倾转旋翼飞行器的操纵策略以满足直升机模式的悬停/小速度飞行、直升机模式向固定翼飞机模式转换的过渡飞行和固定翼飞机模式的高速飞行,并运用最优方法研究倾转旋翼飞行器在不同飞行速度下作稳定对称飞行时的配平方法.最后以XV-15倾转旋翼飞行器为例,进行各种飞行模式的配平.结果表明:本文所述方法能合理地给出倾转旋翼飞行器在整个稳定飞行速度范围内的操纵量和姿态.     

多层设计参数的叶型气动优化

针对叶片型面的设计问题,提出一种基于遗传优化算法的多层参数化方法.这种方法类似多层网格法原理,利用Bézier曲线的递推算法进行各层之间的设计变量转化,使得优化迭代过程中,下层群体中得以保存上层的优秀个体.根据遗传算法固有的并行特性构建了局域网并行优化平台,并对基本遗传算法进行了改进,从而大大缩短优化时间、提高优化效率.最后设计了曲线逼近和叶型优化的算例,结果显示多层参数化方法能明显加速收敛,在个体数较少时,效果更为明显.