基于差分进化算法的飞机油量传感器布局优化方法

针对飞机油量测量传感器布局问题,综合考虑底部不可测量油量、顶部不可测量油量、姿态误差3个指标,设计并实现了一种基于差分进化算法的飞机油量传感器多目标布局优化方法。通过建立初始传感器安装线集合将连续优化空间转换为离散优化空间,解决了安装约束问题。通过分析优化目标建立了考虑倾斜传感器的布局指标评估方法。将离散型变异算子引入标准差分进化算法,并使用NSGA-Ⅱ中的快速非支配排序、拥挤度计算策略解决传感器布局中的多目标优化问题。通过OpenMP并行计算技术优化求解速度。最后,进行了优化试验,结果表明：该方法实现了飞机油量测量传感器布局的多目标优化,且在求解质量和优化速度方面明显优于对比方法。     

进化算法在系统可靠性多目标优化中的应用

为解决复杂系统可靠性设计的多目标优化问题，采用NSGA-Ⅱ进化算法，在一次性获得大量均匀分布的非劣解后，根据定义的满意度函数对每个非劣解进行模糊评价。运用群体排序、小生境、比较操作和精英保留等关键技术，将整个非劣解集分为若干个具有不同性能特征的类，决策者可根据各自的偏好从中选择最终的满意解。分析结果表明，进化算法具有较高的优化效率。     

面向产品生命周期的质量数据模型

在对产品生命周期和产品进化链质量保证过程分析的基础上,提出了一种面向产品生命周期和产品进化链的多层次质量数据模型.该模型以融合产品结构模型和产品进化模型的广义物料清单作为单一数据辐射源,通过产品进化模型完整表达产品的改进过程,实现了产品进化生命周期内的质量数据的集成.在产品生命周期内将广义物料清单的多视图按产品生命周期质量管理过程实例化,并以此作为质量数据载体.围绕质量数据载体阶段性的质量管理过程组织产品实现过程中质量业务活动,以质量业务活动为基础,完成具体的质量数据对象的操作与关联,通过"载体—过程—活动—业务对象—物理数据"的关联实现了产品生命周期质量数据的集成.      

分级型进化算法及其在翼型跨声速气动优化中的应用

提出了变精度模型的分级型进化算法并对初始翼型为NACA0012的二维翼型进行了跨声速流动下的形状增升优化。借鉴自然进化中不同进化阶段个体适应度评估环境不同的机理，构造了分级精度模型以加速优化过程。对翼型进行了给定气动条件下的形状增升优化，给出了优化结果，并与传统基因算法及单精度模型算法结果进行了对比。     

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

航空发动机气路部件故障融合诊断方法研究

针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。     

基于DE-RLSSVM算法的航空发动机传感器故障诊断

为了使约简最小二乘支持向量机(RLSSVM)具有更好的稀疏性和泛化能力,利用微分进化(DE)算法选择RLSSVM的支持向量,提出了DE-RLSSVM算法.在benchmark回归数据集上的仿真试验表明该算法具有很好的稀疏性和泛化能力.然后将该算法用于航空发动机传感器故障的诊断,提出了基于DE-RLSSVM算法的航空发动机传感器故障诊断方法.该方法利用DE-RLSSVM算法对传感器故障进行监测,然后进行定位和隔离.数字仿真结果表明该传感器故障诊断系统能够实现对航空发动机传感器硬故障的检测与隔离.      

基于微分进化算法的航空发动机模型修正

为了提高航空发动机性能仿真模型精度,采用微分进化算法对发动机部件特性进行修正.对微分进化算法进行改进,提出折线式交叉变量变化方式,提高了算法的寻优能力.提出变步长牛顿-拉夫逊迭代算法,基于平衡方程残差范数变化趋势,改变牛顿-拉夫逊算法迭代计算步长,提高了模型的收敛性和收敛速度.在设计点,对各部件特性、引气系数、总压恢复系数进行修正,使修正后的模型输出与试验数据相匹配.仿真结果表明:改进后的牛顿-拉夫逊迭代算法收敛性更强、计算速度更快,修正后的各输出参数的最大建模误差减小到1.3762％,满足建模误差需求.     

基于多子人口群协作进化的拦截轨道优化

针对基本遗传算法对航天器拦截轨道数值优化计算效率较低的问题,提出了一种新的基于多子人口群协作进化的算法。使用子人口划分技术提高了人口多样性防止早熟,用免疫算子减小搜索空间,两者都加速了进化计算过程。应用此算法求解了具有推力约束和拦截时间约束使燃料消耗量最小的航天器拦截轨道,并分析了其与基本遗传算法的不同。通过航天器拦截轨道仿真表明,该算法优于基本遗传算法,可用较少的计算时间得到全局最佳解,提高了航天器拦截轨道优化的计算效率。     

基于差分进化算法的导航星座在轨重构构型设计

针对有卫星失效下的导航星座,提出了对在轨卫星进行相位机动的方法来对星座的空间构型进行重构,以实现修复和改善星座性能的目的。首先,利用共面高轨和共面低轨变相的方式来对在轨卫星的相位进行调整,建立共面轨道相位机动的数学模型;其次,提出了除重构时间和重构能量外的其他重构指标,包括重构能量均衡度和重构构型恢复性,并建立了各重构指标的数学模型;然后,建立了重构构型的优化模型,并对优化问题中个体的评价手段与编码方式进行设计;最后,以北斗中MEO卫星失效为例,利用差分进化算法对优化模型进行求解,得到以不同重构指标为目标函数下的Pareto前沿。从结果中可以看出该重构方法对星座性能的提升最大可以达到41.2%,同时Pareto前沿中对应的所有重构策略中,重构能量、重构构型的均衡度、重构构型的健壮性的数量级均维持在-1、-3和0的水平。