基于遗传算法的单站测速数据定初轨技术研究

只有单站测速数据的情况下,传统的定轨方法难以实现初轨确定.将遗传算法应用于定轨实践,实现了无初值条件下单站测速数据初始轨道确定,并能满足收敛要求,为缓解测控资源紧张提供了重要支持.在中巴“资源一号“卫星的长期测控任务中应用,证明了本方法的有效性.     

混合遗传算法在航天器最优交会中的应用

推导了航天器双冲量交会时的优化模型,以此为基础构造了最优交会的燃料-时间混合优化指标,并针对基本遗传算法局部搜索能力不强的问题,提出一种将最速下降法与遗传算法相结合的混合遗传算法,其中下降搜索的优化方向利用每一代中最劣个体所包含的优化信息获得。数值计算表明,该混合算法可加速算法的收敛,具有良好的优化性能和函数适应能力。最后,对共面圆轨道双冲量交会情况进行了仿真计算,仿真结果表明混合遗传算法的设计是成功的。     

无人机滑跑纠偏控制

研究无人机(UAV)滑跑纠偏控制方案、控制结构及控制律设计方法。提出了主轮差动刹车与方向舵联合滑跑纠偏控制方案及控制结构,建立了包含起落架、刹车装置及跑道特性的无人机滑跑非线性全量数学模型,采用频域模型作为参考模型表示期望的滑跑纠偏控制性能,利用基于遗传算法的全局优化过程对联合纠偏控制律参数进行设计,使纠偏控制特性逼近参考模型特性。实例设计表明,滑跑纠偏控制方案和控制结构合理可行,控制律设计方法快捷有效。     

基于遗传算法的翼型多目标气动优化设计

采用遗传算法实现了单/多目标情况下NACA0012翼型的气动优化设计。绕翼型的外部无粘流场解采用基于非结构网格的显式时间推进Jameson有限体积方法。遗传算法采用二进制编码,通过外部调用流场解算器对种群适应度函数进行评估。为提高计算效率,使用了动弹网格技术以及使得优化程序可以从任一进化代继续计算的中间进化结果存储技术。优化参数为翼型气动型面,分别以给定来流条件下的升力系数、阻力系数作为优化目标进行了单目标优化设计,并以此为基础,结合博弈论中的Nash博弈,实现了升力系数和阻力系数的多目标优化设计,得到了优化结果。分析表明,该方法具有较高的计算效率,能够给出更优的翼型气动性能,具有一定的实际工程应用前景。     

先进战斗机保障性AGA-SSI评估模型

科学、有效地进行保障性评估是提高装备综合保障能力和加快装备形成战斗力的研究重点之一。文章采用基于加速遗传算法的Shepard相似插值方法,构建了先进战斗机保障性AGA-SSI评估模型并对两型飞机保障性进行了评估,结果表明,模型是可行的、有效的。     

实时精确跟踪瞄准中振动抑制的研究

分析了卫星平台振动,建立了实时精确跟踪瞄准系统的数学模型.采用基于模糊规则的免疫PID控制器,包括决定应答速度的激活环节和决定稳定效果的抑制环节,抑制环节由模糊规则来逼近,通过遗传算法的寻优特性对控制器的参数进行设定,协调控制偏转镜的位置,从而改变视轴方向.最后,对系统扰动抑制性能进行仿真,仿真结果表明该控制律有效地实现了视轴的方向调整,并且提高了系统的动态响应品质.      

无人机航迹规划技术研究及发展趋势

通过对无人机航迹规划的研究,构建了无人机航迹规划的结构框架;分析了无人机系统约束及威胁场约束,探讨了无人机航迹几何建模方法及规划算法的国内外研究概况;并着重分析了规划算法。最后,阐述了无人机航迹规划面临的关键问题及发展趋势。     

基于遗传算法的某型涡扇发动机数字PID控制器设计

在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强.     

基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

复合材料加筋壁板的两步优化法

通过采用辅助层压板和添加极小弹性模量材料的复合材料加筋壁板有限元建模方法,应用MSC．PAT－RAN／NASTRAN的参数化建模与遗传算法相结合的复合材料加筋壁板的两步优化方法,对复合材料T型加筋壁板进行了从2000 N／mm到6000 N／mm压缩载荷下的结构优化分析。提出的基于参数化模型和遗传算法的复合材料加筋壁板的两步优化法分为壁板级优化和层压板级优化两部分,在壁板级优化得到最优的结构尺寸参数,在层板级优化得到最优的层压板铺层顺序。