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。     

低雷诺数下小展弦比机翼的气动力优化设计

以固定翼式微型飞行器为研究背景,针对小展弦比机翼,将遗传算法与Navier-Stokes方程数值解法相结合,提出了一种以实数编码为基础的数值优化模型.流场数值模拟采用人工压缩方法,遗传算法采用锦标赛选择、自适应交叉和变异操作算子,对微型飞行器机翼选取五个设计点分别进行了升阻比优化设计.优化结果表明,本文的优化模型具有较高的搜索效率和显著的优化效果,五个设计点机翼的升阻比均提高30%以上.优化后的翼面接近椭圆形状,翼型前缘钝厚,尾缘向上拱起,这种形状能大大增加升力,降低诱导阻力,从而显著提高机翼的气动性能.     

基于集对分析法的故障模式综合评价研究

针对产品出现多种故障模式后难以确定故障模式改进优先顺序的问题,本文提出了集对分析模型,实现了故障模式的综合评价和优先排序,为实现质量的持续改进提供有效的依据。     

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。     

1种发动机自适应模型的修正方法

为解决由于工艺落后和性能衰退所导致的发动机模型与实际发动机失配的问题,从而达到视情维修的目的,建立了1种基于遗传算法的自适应模型修正方法.利用遗传算法高效率的全局搜索能力,以发动机性能参数为目标,优化部件参数,实现了模型的修正,并通过分析发动机性能参数对部件参数的敏感性,研究了选取不同组合的待修正部件参数对模型修正精度的影响.结果表明:采用该修正方法所建立的发动机模型准确性高、鲁棒性强,且具有良好的通用性,为发动机的健康管理和故障诊断提供了重要依据,具有很好的军事和工程应用价值.     

引入压力梯度的针对角区分离流动的Spalart-Allmaras模型的改进

针对Spalart-Allmaras（S-A）模型在角区分离计算中的问题,将无量纲的压力梯度引入其涡黏性输运方程的生成项,得到了改进的S-A模型.通过对两套含角区分离的低速压气机叶栅进行验证计算发现:与实验结果相比,原始S-A模型所得的分离区偏大,分离区内壁面压力偏低;而改进模型得到了与实验一致的分离区尺寸以及吸力面、压力面压力系数分布等结果.针对S-A模型涡黏性生成项和耗散项的分析表明:引入的无量纲压力梯度有效的识别了角区分离,在分离区内改变了涡黏性的生成、耗散关系,增大了涡黏性,从而缩小了计算所得分离区,同时在主流区保留了原始S-A模型的计算结果,进而带来了良好的改进效果.      

基于BP人工神经网络的离心压气机叶轮多目标优化设计方法

利用Concept NREC软件建立离心压气机叶轮设计样本库,借助BP（back propagation）人工神经网络建立样本库中各设计参数与压气机性能之间的关系,接下来以多目标遗传算法寻找Pareto解,从而获得离心压气机叶轮最佳设计参数.将该方法应用于Krain叶轮设计工况,所得叶轮的效率、压比较Krain叶轮原型分别提高1.4%和10.9%.通过对人工神经网络模型可靠性的讨论、多目标优化模型的主成分分析和所设计叶轮性能的CFD验证,证明了所构建的目标函数与所获得的Pareto解集的合理性,说明本方法可以有效应用于在离心压气机设计、选型.