带时间窗的飞机排班问题优化

为提高飞机排班质量,在以航空公司成本最小化为目标的基础上,兼顾顾客的满意度（航班准时性）和飞机使用数目最小化目标,建立优化的多目标带有时间窗的飞机排班问题模型。结合算例,对三个目标函数都进行处理后,运用粒子群优化算法进行求解,最终得出模型解的运算结果和时间都在理想范围之内,表明新模型有效可行。该模型的建立有助于有效地解决带有时间窗的飞机排班问题,提高排班工作效率。     

空天飞行器上升轨迹优化

飞行器轨迹优化是一类最优控制问题,传统的优化方法存在对初值敏感的缺陷。采用一种组合优化方法,对空天飞行器的上升轨迹进行优化。首先用遗传算法对直接打靶法离散的非线性规划问题进行全局寻优,得到初步优化结果,然后以该结果作为初值,用序列二次规划法对伪谱法离散的非线性规划问题进行局部寻优,得到最终的优化结果。结果表明,组合优化方法既解决了初值敏感问题,又有较高的优化精度,可以有效求解轨迹优化问题。     

轻质复合材料发射箱盖结构设计与参数优化

 针对国内现阶段复合材料发射箱盖研制领域中所存在的一些缺陷,通过设计一种方形轻质复合材料发射箱盖结构提出解决方案。首先提出了结构中薄弱区与抛出部分的初步设计方案;然后对导弹发射时燃气流冲击箱盖过程进行了瞬态数值模拟,并根据数值模拟结果对箱盖结构参数进行了优化;最后针对优化结构冲破过程进行了数值模拟,结果表明,按优化后方案设计的箱盖结构既能实现结构的轻质化,又能在开盖过程中保证较好的冲破性能。     

电动飞翼布局无人机设计研究

为改善无人机起降和续航性能,对采用正弯度翼型的飞翼布局电动无人机进行计算研究.建立了无人机重量模型,机翼通过后掠、几何扭转以及襟翼、升降副翼的合理配置以减小纵向配平阻力,确定了一架航时为4h的飞翼布局小型手掷电动无人机的总体参数.分别以航时和重量尺寸为算例目标,使用遗传算法对无人机总体参数进行优化.计算结果表明:相对于反弯度翼型,使用正弯度翼型的飞翼布局无人机能减小无人机重量和尺寸,延长留空时间.     

无人机总体与起飞性能匹配性设计优化

首先,提出了一种小推重比的低速螺旋桨无人机总体参数与起飞性能匹配性设计优化方法;其次,对该无人机起飞阶段的动力学和运动学特性进行了分析,明确了该无人机总体参数与起飞性能之间的最佳匹配关系,以实现无人机起飞性能的最优化;最后,通过分析得出结论:小推重比低速螺旋桨无人机总体设计参数的选取直接影响到起飞性能的优劣,“平衡”总体设计需求来发挥平台更佳的起飞性能是总体设计优化的重要内容.     

基于Kriging模型的旋翼翼型优化设计研究

以基于进化算法的多目标优化方法为基础,结合多目标优化设计Pareto解的思想和约束处理机制,采用Kriging代理模型和基于B样条的翼型表示方法,建立了旋翼翼型的优化设计系统.代理模型采用均匀设计进行模型采样,在优化过程中根据EI(expected improvement)准则动态增加采样点来调整代理模型的精度.采用B样条方法进行翼型参数化,保证了翼型的光顺性.在翼型的气动性能分析中引入转捩模型提高阻力计算的精度.利用该系统对旋翼翼型进行了优化设计,经风洞试验验证,满足设计要求.     

弹舱对飞翼布局飞机气动特性影响及其控制

以高速风洞气动力测量为研究手段,开展了弹舱开启对飞翼布局飞机气动特性影响及其流动控制试验研究。试验结果表明,对于飞翼布局飞机,弹舱开启主要影响飞机阻力特性,巡航状态下,弹舱开启后使得全机阻力增加60%～110%,Ma=0.8时全机升阻比降低34%。通过在弹舱前缘安装扰流片,对弹舱腔口剪切层施加流动控制,巡航状态下弹舱开启附加阻力最多降低20%,Ma=0.8时全机升阻比提高12.6%。     

机场终端区容流调配鲁棒优化模型

为解决机场不确定容量条件下的航班进离场流量分配问题,以容流调配策略在各情景下的规划外延误损失或多余延误损失的均值与标准差之和最小为目标,建立了终端区容流调配鲁棒优化模型;采用捕食搜索算法求解模型,以国内某机场终端区运行数据为例进行仿真验证,并与经典终端区容流调配模型进行比较,结果表明,鲁棒优化模型较好地实现了容流调配的鲁棒性,有效减少了不同情景下进离场航班延误的扰动。     

低阻高隐身前缘布局特性研究

在高隐身布局设计研究中,为追求隐身特性,往往会损失部分气动效率。为更好地兼顾隐身特性和气动特性,通过对融合式布局的前缘进行修型,提出一种低阻高隐身前缘布局。对三种不同机身布局进行雷达散射特性和气动特性建模计算,得出修型后布局雷达散射截面降低,且波峰波瓣很窄,同时在气动上提高了升阻比,减小了配平损失,从而较大地提高了气动效率。     

基于奇异值趋势分解和LS-SVR的航空发动机性能指数组合预测

发动机性能指数是衡量其性能优劣的重要指标之一。针对发动机性能指数具有非线性、非平稳的特征,引入多层次多尺度的思想,在此基础上提出一种基于奇异值趋势分解的组合预测方法。利用奇异值趋势分解提取原始数据的趋势项和波动项;以改进粒子群算法分别获取趋势项和波动项在最小二乘支持向量回归模型中的最佳参数组合(嵌入维数、延迟时间、惩罚因子、核参数),并引入回归移动的思想,在此基础上利用最佳的最小二乘支持向量回归模型进行预测。预测结果表明预测精度明显增加,计算时间也相对减少。提前预测步长在5步之内时,精度变化不大;步长超过10步,精度下降很快。与不同预测方法比较,证明了方法的有效性。 