多GEO卫星接近观测任务规划

针对多GEO卫星接近观测任务,研究了时间约束下能量消耗最优的多任务规划问题.按照上层面向任务顺序安排,下层面向时间分配,建立了一对多任务模式下的二层非线性规划模型.基于双脉冲多圈Lam-bert交会原理,将下层连续变量时间分配问题转化为0-1整数规划模型,并设计了遗传-分枝定界算法来求解二层规划模型.仿真结果表明,通过...     

S形加减速的嵌套式前瞻快速算法

前瞻处理功能是现代数控系统的标志性功能之一,前瞻算法设计直接关系到数控机床的加工效率和运动平稳性。针对目前广泛研究的S形加减速前瞻算法复杂、难以满足实时性要求的问题,从工程实现的角度设计了嵌套式自适应前瞻算法。依据S形加减速曲线的对称性建立了速度规划模型,通过对加速度等效曲线逼近提高了模型求解效率,给出了S形速度规划曲线构造和校验两主要运算阶段的解析解。以连续短直线加工为例,给出了完整的嵌套式快速前瞻算法和实例加工验证。实验结果表明,所提出的算法能获得全局最优运动效率,计算量不足传统方法的30%,结果精确,耗时稳定,能满足现代数控系统甚至是高速高精度数控系统对前瞻处理的实时性要求。给出的解析结果对S形加减速模型的求解有通用意义,可适用于连续短直线、二次曲线以及非均匀有理B样条曲线(NURBS)等参数曲线的S形加减速前瞻速度规划。     

基于混合并行多目标禁忌搜索算法的飞机总体优化设计研究(英文)

基于飞机总体设计中的多目标优化问题,采用了一种全新的混合并行多目标禁忌搜索算法。文章首先提出了一种创新的多目标禁忌搜索(MOTS)算法,该算法在传统的MOTS的基础上,增加了TS算法与"Pareto解"的融合机制、优秀解保留机制、"多方向搜索"策略等新的元素。随后又将该算法作了改进,创立了并行多目标禁忌搜索算法。最后在此基础上将并行多目标禁忌搜索与基于向量排序的多目标遗传算法相结合,提出了一种新的混合算法—混合并行多目标禁忌搜索算法。通过对以上各种算法运行结果的比较,得出如下结论:与改进前的多目标禁忌搜索算法相比,并行的MOTS运行结果更优,而混合的MOTS的结果又比前两者更胜一筹。     

一种矩形件分层排样算法

针对在具有宽度一定、长度不限的板材上进行矩形件排样的问题,结合模拟退火算法,设计了一种矩形件分层优化排样算法。该算法以板材宽来分层,层数依据待排零件而定,灵活性强,并且通过算例验证了该算法的有效性和合理性。     

复合材料层压结构铺层顺序优化设计特征提取算法

受在感知过程中抓住主要特征的启发,结合复合材料层压结构优化问题的特点,借鉴遗传算法、蚁群算法等模拟进化优化算法的流程,提出1种"特征提取"的优化算法。根据目标函数值f(→Xj)(j=1,2,…m)的大小,对相应的m个设计变量向量→Xj=(x1,j,x2,j,…,xi,j,xn,j)(j=1,2,…m)进行排序;在一定的"背景噪声"S下,根据"特征提取"指示向量P提取群组中较优方案的共同特征,生成m个新的设计变量→X′j。算例验证表明,所提出的算法是有效的。     

基于遗传算法及转捩模型的层流翼型优化设计研究

讨论了层流翼型对飞机机翼减阻的重要意义,概述了遗传算法的优化原理及其特点。在基准翼型的基础上,以Hicks—Henne型函数的解析函数线性叠加法来描述翼型。采用遗传算法完成了层流翼型优化设计。计算中采用了转捩模型耦合SST两方程湍流模式,通过求解雷诺平均的N-S方程组模拟了翼型的转捩流动。对计算结果进行了分析,分析表明优化翼型在升力特性、阻力特性方面比基准翼型有很大的提升,达到了优化升阻比的目标。     

求解双曲型守恒律的高精度,无波动样条逼近有限体积方法

本文从三次样条逼近出发，提出了求解流体力学双曲型守恒律的一种高精度、无波动的数值方法。针对样条函数的特性，本文提出了一种新的通量限制技术，使该方法在光滑区可以达到四阶精度，在流动参数的空间分布出现拐点或极值点时分别退化为二阶或一阶精度的格式。数值实验表明，该方法对流场中的激波和接触间断有很高的分辨率，优于二阶精度的ＴＶＤ格式。     

求解平面翼型亚,跨声速绕流的一个新方法

本文提出了求解平面翼型亚、跨声速绕流的一个新方法。引入流函数和Ｖｏｎ Ｍｉｓｅｓ变换后，亚、跨声速绕机翼无旋流动的基本方程组被化为以流线纵坐标ｙ为未知量的单个二阶偏微分方程－流线控制方程。并通过变换将物理平面上的无限域变为计算平面上有限的矩形域，而后在计算平面采用有限差分线松弛迭代法求解。作为算例，计算了对称翼型ＮＡＣＡ００１２－３４和非对称翼型ＮＡＣＡ４４１２的亚、跨声速有攻角绕流，所得数值结果     

多传感器信息融合技术在现代战机设计中的应用

基于综合航电系统设计中的关键技术———信息融合 ,介绍了信息融合的概念、目标跟踪的算法及传感器的管理 ,以此说明现代作战飞机应用信息融合技术可增强作战平台在恶劣战场环境下的生存能力     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。