基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。     

旋翼/机身组合模型试验台技术改进及验证

中国空气动力研究与发展中心研制的旋翼/机身组合模型试验台,具有阻塞度小、功率大、支架干扰小等优点.近年来,试验台通过配套研制标模系统、改进测量系统及旋翼操纵系统标定方法等工作,使试验台的水平和能力得到了进一步的提升.验证试验表明:该试验台技术先进、性能指标优良,安全稳定性好,试验数据精准度高,可作为直升机型号研制和课题研究可靠的试验平台.     

基于遗传算法的快速成型分层方向优化设计

快速成型制造技术具有高度的柔性和灵活性,应用前景广泛。快速成型分层方向的选择,对于零件的制作精度、成型时间及制作成本有着重要影响。目前常见的分层方向算法往往顾此失彼,为了尽可能同时满足这3个单目标模型的最优化,本文提出将均匀设计、正交设计与遗传算法相结合作为求解多目标优化的新方法,可用较少的计算量求得分层方向的最优解。实验结果表明,改进后的算法有效,在迭代次数和所用时间上远远优于目前常用的基本算法。     

基于遗传算法的航班动态排序模型的研究

讨论了空中交通流量管理中终端区航班的排序规划问题。目的在于在终端区空中交通繁忙的情况下有效地为到达航班安排合理的着陆次序，并在不违反飞机间距要求的情况下给出各飞机经过优化的着陆时间，提高机场跑道的利用率。本文把离场起飞的航班也引入到问题中来，建立了航班排序的动态模型和基于遗传算法的终端区动态排序算法。并对文献[1]中的算例采用本文方法进行验证计算，结果表明本文提出的方法计算效率高，实用可行。     

注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

改进遗传算法的纵列式直升机总体参数优化设计

研究纵列式双旋翼直升机总体参数的优化设计方法,在分析双旋翼气动干扰对旋翼气动特性影响的基础上,采用改进的遗传算法,以运输效率为目标、以飞行性能和重量效率等参数为约束条件,建立优化设计模型,优化纵列式直升机总体参数。以CH-47D纵列式直升机为优化算例,计算结果表明,本文提出的优化方法是可行的,优化效果良好。     

基于遗传算法的无传感器永磁同步电机控制优化

基于实数编码遗传算法．实现对无传感器永磁同步电机(PMSM)控制器参数的选取和优化．速度的估计采用扩展卡尔曼滤波(EKF)方法,以PMSM转子速度的测量值与估计值的偏差信号作为遗传算法自适应度求取的依据,实现协方差矩阵中参数的在线调整,节约了系统协方差参数的求取时间,提高了估计器的估计精度。基于dSPACE的快速控制原型工具验证了该方法的有效性。     

先进的目视回收光学助降系统纵向着舰精度

先进的目视回收光学助降系统(Advanced visual carrier aircraft recovery system,AVCARS)是在常规的菲涅尔透镜光学助降系统中加入"肉球"偏移速度的指示信息,以提高着舰时的操纵品质和着舰精度.本文研究了AVCARS光学助降系统的工作原理,给出了其结构配置,设计了飞控系统、飞行员模型和助降控制律,并导出着舰终端误差方程.最后对在典型海浪作用下的AVCARS光学助降着舰导引系统进行了动态仿真验证,计算出了着舰终端误差,为研究舰载飞机着舰精度提供了基本思路与研究手段.     

基于协同优化方法的多学科非概率可靠性优化设计

针对传统多学科优化是基于确定性的优化设计方法,为了获得更为可靠的结构设计,在设计中考虑了不确定因素对结构性能的影响.本文将非概率可靠性优化方法与多学科优化设计方法相结合,引入了非概率可靠性指标,提出了一种新的基于协同优化方法的非概率可靠性多学科优化设计方法.同时采用了基于均匀试验设计的响应面方法来近似学科优化,提高了遗传算法的收敛速度,降低了计算量.最后通过对跨声速机翼气动结构多学科可靠性优化设计算例的计算,验证了本文提出的方法能够保证设计解的可靠性,对工程实践具有一定的指导意义.     

飞行控制用无刷直流电动机的优化设计

飞行控制中机电作动系统的发展是全电飞机的重要技术之一,而高速大功率密度的无刷直流电动机是其中的关键部件.为解决无刷直流电动机设计中的非线性优化问题,提出了使用遗传算法进行优化设计.为解决无刷直流电动机多目标优化问题,采用了多目标函数变量加权法,将多目标函数变成单目标函数进行优化计算.在计算中,为达到无刷直流电动机全局优化的目的,采用随机产生离散初始种群及随机交叉操作和变异操作方法.但由于采用随机交叉和变异操作,优化结果始终是发散的.为此采用优秀个体保护策略,加快了优化设计的收敛.在满足技术要求的前提下,通过计算达到了减小电机的体积重量、减小转子转动惯量及机电时间常数、提高无刷直流电动机功率密度的目的.