基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群算法应用于翼型气动优化设计的可行性。在优化设计的过程中,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

飞机飞行控制律/操纵效率器多学科优化设计

基于近似模型和遗传算法,针对多操纵面布局飞机提出一种对全包线飞行控制律和操纵效率器几何形状与位置进行多学科优化的设计方法.该方法采用力矩控制方式进行控制,应用鲁棒增益调参方法设计全包线飞行控制系统,利用试验设计方法和径向基神经网络响应面获取近似的气动学科模型和控制学科模型,在近似模型基础上由遗传算法获得优化的设计参数并最终获得优化的控制律和操纵效率器.以某多操纵面布局无尾飞机为例进行计算机飞行仿真验证,结果表明该方法具有可行性.      

亚、跨、超声速下空腔流场特性实验研究

在FL-21跨、超声速风洞中对空腔流场特性进行了较为深入的实验研究.空腔的长深比L/D为7、8、9、12、15,试验马赫数M范围为0.6、0.9、1.2、1.5、1.8,试验雷诺数Re为1.23~2.26×107.研究表明:空腔流场特性主要由空腔长深比L/D和来流马赫数所决定,这两个参数的变化均能引起空腔的流场类型发生变化.另外,边界层厚度涠钥涨坏撞康难沽Ψ植家灿凶畔灾挠跋?随着边界层厚度与空腔深度之比?D的减小,空腔的流场类型有向闭式穴流动转变的趋势.     

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

一种机器人球腕的模型优化方法

许多机器人的共同特点是在操作臂末端安装了球腕.球腕是机器人上一个重要的独立结构,它的静态误差必然影响操作臂末端执行器的位姿精度.以机器人末端的球腕作为独立的研究对象,在静态误差分析的基础上,提出了一个评价球腕精度的综合指标.根据这一指标建立优化模型,对存在静态误差的球腕模型进行优化,从而建立新的球腕运动学模型.应用新模型进行运动学及动力学解算,可以减小机器人球腕的位姿误差,特别是减小具有较大静态误差的机器人球腕的位姿误差.通过对机器人球腕进行的局部优化,整个机器人末端执行器的运动精度将在一定程度上有所提高.      

飞机蒙皮拉伸成形工艺参数优化

拉伸成形是飞机板金的基本成形方法。结合蒙皮拉伸成形常见的缺陷及影响因素,简述了最优化理论结合数值模拟优化工艺参数的必要性。以双曲度蒙皮为例,分析了产生回弹的机理和影响因素。采用正交试验设计建立响应曲面,序列二次规划和混合整数优化相结合的优化算法,以厚度减薄率为约束条件,对成形工艺参数预拉伸率进行优化,并对优化结果进行试验验证。结果表明优化拉形工艺参数后零件变形均匀程度提高,回弹减小了21.87%。     

复合材料格栅结构优化设计中的计算智能技术

针对复合材料格栅结构优化设计多变量、多约束、连续和离散混合变量、高度非线性的难点,提出了用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替优化过程中的有限元计算,以提高优化效率.以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构进行优化.结果表明,在相同样本数的情况下,进化神经网络可获得比BP网络更高精度的映射模型,具有很强的泛化能力.该方法可以为解决大型复合材料结构优化问题提供一条高效途径.      

再生冷却推力室的多学科设计优化

以某型火箭发动机的再生冷却推力室为研究对象,建立了关于推力室的几何型面、质量、流动、传热和结构应力的仿真模型,在iSIGHT软件平台上利用基于响应面模型的协同优化算法对其进行了分布并行的多学科设计优化(MDO),优化目标为权衡推力室质量、出口比冲和冷却通道压降的综合改善。改进的计算结果表明了MDO在推力室设计中的可行性和实用性。     

柔性杆子杆模型参数的遗传算法优化求解

研究了应用实数型的遗传算法解决柔性机器人子杆法建模中,子杆模型参数的优化求解问题.子杆模型参数形成高度非线性的方程组,它的求解是子杆法能否实现的关键.普通的牛顿迭代法及其变形,要求初始向量足够靠近解,一些所谓大范围收敛的算法又有方程组的Jacobian矩阵非奇异等要求,在此都难以应用.本文基于遗传算法的解法可求得模型参数的最优解,实例仿真显示了这一方法的可行性和高效率.