基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

多机场终端区进离场交通流协同排序方法

针对大都市及都市圈飞行冲突、空域拥堵和航班延误日益严峻的现状,研究了多机场终端区进离场交通流协同排序问题。综合考虑尾流间隔、跑道间隔、时间窗、进离场容量等约束限制,从时空多维角度引入航班满意度概念,建立了多机场终端区进离场交通流协同排序模型,设计了带精英策略的非支配排序多目标遗传算法(NSGA-II),寻求多机场终端区进离场排序问题的Pareto最优解。实例验证表明,所提方法可对多机场终端区进离场交通流进行优化排序,有效降低航班延误总时间,显著提高航班总满意度,并实现多机场系统对终端区空域资源的公平均衡使用。与经典的先到先服务策略相比,协同排序策略的整体优化效果较为显著,其中航班延误时间得到了一定的降低。     

基于参数化分析的柔性后缘优化设计

介绍了一种自适应柔性机翼后缘变形控制优化设计方法,该方法采用了由单个驱动器驱动的单块式分布柔性结构。该方法的关键在于设计一种合适的柔性后缘结构拓扑形式,使该自适应柔性机翼后缘能够达到精确的变形。阐明了柔性结构拓扑优化设计的数学模型,针对自适应柔性机翼后缘概念设计提出了基于参数化分析的拓扑优化设计方案,并进行了工程化圆整和尺寸优化。最终,通过非线性有限元分析和功能测试,验证了本文提出的柔性后缘优化设计方法的合理性。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

基于B样条的机翼外形参数化方法研究

描述了基于B样条的机翼外形参数化方法在超临界翼型和机翼气动设计中的应用研究。在机翼外形参数化过程中,通过B样条曲线插值和拟合型值点生成机翼截面曲线和展向引导线,采用Coons Gordon方法通过自由放样和点阵插值获得B样条张量积曲面并进行叠加,进而获得插值于机翼表面曲线网的B样条曲面。还运用CFD工具对不同机翼放样面的气动性能进行了分析对比。通过研究,B样条控制点可作为设计变量传递给气动优化程序,采用B样条曲线或曲面表达式为各设计变量的线性组合,可以方便快捷获取几何梯度信息。     

原位自生TiB2/Al复合材料车削参数多目标优化方法

原位自生TiB2/Al复合材料具有密度小、比强度高、高耐磨等特点,在航空航天领域具有广泛的应用前景.主要针对TiB2/Al复合材料车削参数对表面粗糙度的影响进行探索性研究.首先,以车削速度、进给速度、车削深度为对象,基于单因素试验研究了车削参数控制域.进一步在控制域内设计正交试验,并基于试验结果研究了表面粗糙度与车削参数的映射关系,推导了材料去除率模型.最后,以表面粗糙度和材料去除率为优化目标,提出并研究了基于GA-Pareto的车削参数多目标优化方法,并通过试验验证了该方法的可行性和有效性.     

复合材料螺旋桨结构多目标优化设计

在螺旋桨桨叶结构设计的工程实践中,减轻重量和增加扭转刚度是两个主要目标,而复合材料的应用增加了螺旋桨结构的可设计性。以某复合材料螺旋桨为例,基于有限元方法,以桨叶的复合材料铺层数量与铺层角度为优化设计变量,以螺旋桨桨叶强度、弯曲刚度为约束条件,采用快速非支配遗传算法(NSGA-Ⅱ)对该复合材料螺旋桨进行多目标优化设计。得到了关于两个目标函数的帕累托解集,即综合考虑桨叶质量与扭转刚度两个指标的最优设计参数集。本文为复合材料螺旋桨的结构设计提供了一种有效的思路。     

基于高斯伪谱法的吸气式高超声速飞行器爬升弹道优化研究

吸气式高超声速飞行器爬升弹道设计是其总体设计的一个重要问题。这里提出一种基于高斯伪谱法的弹道优化方法,用于解决该问题。以末端弹道倾角为性能指标,飞行攻角为设计变量,建立了飞行器纵平面弹道优化模型。通过高斯伪谱法对状态变量和控制变量进行离散,将最优控制问题转化为非线性规划问题,再利用序列二次规划算法对其进一步求解。仿真结果表明,该方法收敛域大,对初值不敏感,设计精度高,是吸气式高超声速飞行器方案弹道优化的重要方法。     

航空齿轮减速器稳健优化设计研究

航空齿轮减速器通常对重量、强度、效率以及可靠性有极高的要求,考虑到其所处工况的随机性、工艺水平的差异性以及材料强度等力学性能参数的波动性,传统的确定性参数优化设计已不能满足工程实际的需求。在传统的确定性优化设计模型的基础上,基于6σ稳健设计基本理论建立齿轮传动系统的多目标稳健设计优化模型,并采用NSGA-Ⅱ多目标优化算法进行求解;以某航空齿轮减速器中单级斜齿圆柱齿轮系统为研究对象进行实例分析。结果表明:本文提出的基于6σ稳健设计理论的齿轮传动系统优化模型充分考虑了不确定性因素对优化的影响,具有一定的工程应用价值。