无人机对地自动攻击占位轨迹生成研究

基于无人机对地自动攻击过程,应用最小值原理求解了无人机对地自动攻击占位段的应飞轨迹,该方法将威胁模型、飞机运动方程和对地攻击任务有机结合,使生成的占位轨迹既能有效规避各种威胁又能为武器投放创造条件。对占位轨迹计算中的两点边值问题采用了共轭梯度法求解。通过实例仿真表明该方法是正确有效的,所得占位轨迹波动平缓没有剧烈折线现象,对占位机动研究具有一定的参考价值。     

基于直接配点法的滑翔轨迹快速优化设计

介绍了基于五次Gauss-Lobatto多项式的直接配点法在再入飞行器三维轨迹最优化问题中的应用。首先给出了再入飞行器轨迹优化问题模型,其中运动方程为三自由度模型,性能指标选为到达指定地点飞行时间最短,控制变量则为无量纲升力系数和倾侧角。再入飞行过程中受到加热率、过载和动压约束,终端状态受到目标位置约束。然后,应用直接配点法将最优控制问题离散化为非线性规划问题,将动态优化问题转化为静态参数最优化问题。选取各节点和配点上的状态量和控制量作为优化参数。最后应用SNOPT软件包对参数最优化问题进行求解。仿真结果表明直接配点法对于再入飞行器轨迹初始参数取值不敏感,且求解过程具有一定的实时性。     

非均匀有理B样条曲线及节点插入算法在透平叶片优化设计中的应用

将非均匀有理B样条(NURBS)曲线及节点插入算法应用到透平叶栅的二维参数化造型,可以兼顾造型参数的实际物理意义和型线调节的灵活性;将控制点可调的NURBS曲线应用到三维叶片积叠线造型,能够构造任意形状的弯、扭、掠叶片.在此基础上搭建的透平叶片三维气动优化平台,将参数化造型、网格自动划分、流体计算并行求解集成在一起,应用实验设计和响应面分析方法进行多目标寻优.对某单级实验透平分别进行单排叶片和整级优化后,单排叶片总压损失降低了0.57%;单级绝热效率提高了0.8%.      

光纤惯性测量组件的误差标定改进算法及实现

对光纤惯性测量单元的误差标定方法进行了研究,提出了一种十二位置标定算法。分析了算法的基本原理,介绍了标定的流程。与传统的标定方法相比,新方法在不降低标定精度的前提下无需对北向进行定位,而且仅需单轴转台。在该算法的基础上利用LabVIEW软件构建了一套IMU误差智能测试平台,实现了对惯性元件安装误差、标度因数误差、零偏以及陀螺标度因数非线性度的自动标定,避免了手动标定时繁琐的操作,具有较强的工程应用价值。     

多类异构对地观测平台协同任务规划方法

目前,不同类型的对地观测平台之间缺乏有效的协同交互机制。这种孤立的资源管控模式难以应对多样且大量的对地观测需求。特别是在一些紧急情况下,如地震、武装冲突、洪涝灾害和森林火灾等,这种模式的弊端尤为突出。研究了多类异构观测资源,包括卫星、飞艇及无人机(UAV)的协同规划问题。首先,提出一种基于多Agent的分层协同规划框架,整合不同观测资源构成一个分布式和松耦合的对地观测系统。其次,将异构对地观测平台的协同规划问题转化为不同子规划中心间的任务分配问题。第三,针对该任务分配问题,提出一种结合禁忌列表模拟退火(SA-TL)算法,在该算法中融合了禁忌表策略,有效提高了算法的性能。仿真实验验证了多Agent协同框架的优越性和SA-TL算法的效率。     

基于CST方法的高空低雷诺数吸附式叶型耦合优化设计

研究了一种基于类别形状函数变换（CST）方法的吸附式叶型优化设计方法,该方法可以在高空低雷诺数条件下对叶型和抽吸方案耦合优化.结果表明:优化之后在20km高空低雷诺数条件下总压损失降低了65%,静压升提高了0.02,气动性能得到较大提升.而且由于优化过程中罚函数的引入使得优化后吸附式叶型在地面条件下性能也有所提高.对于高空低雷诺数条件下吸附式叶型在抽吸位置之前适当的增加叶型负荷,再通过抽吸来控制附面层,效果最优.并且最佳抽吸位置位于层流分离泡作用区域内.在层流分离泡作用区域内抽吸可以完全消除层流分离泡对叶型性能的影响,并且可以较好控制附面层位移厚度和动量厚度的增加,有效地减小附面层内的动量损失.      

基于响应面近似技术的平流层飞艇协同设计优化

针对平流层飞艇多学科设计优化问题,引入协同优化算法,分析基于响应面近似模型的协同优化方法CO/RSA的执行步骤和特点,并介绍响应面近似模型的构建方法;建立平流层飞艇各学科模型,并对学科间耦合关系进行分析;运用建立的气动/推进、结构、能源三个耦合子系统的学科分析模型和系统优化模型,以平流层飞艇总质量最小为优化目标,综合考虑浮重、推阻和能源平衡,采用CO/RSA方法对平流层飞艇进行设计优化.结果表明:所建立的平流层飞艇的MDO模型是合理的,CO/RSA算法应用于飞艇总体设计优化是有效的,研究结果可为平流层飞艇方案论证和方案设计提供参考.     

基于改进粒子群算法的串列叶型优化设计

为了提高串列叶型优化设计的质量,设计了一套基于改进粒子群算法的串列叶型自动优化系统。研究了原始粒子群算法,提出了一种粒子群算法的改进方法。结果发现,改进粒子群算法的收敛速度和收敛精度明显优于原始粒子群算法和遗传算法。以50°大弯角串列叶型为研究对象,使用程序对串列叶型参数化。以叶型参数和串列叶型相对位置的参数作为优化变量,结合BP神经网络和改进粒子群算法对串列叶型进行优化设计。优化结果表明,优化后的叶型在设计攻角时的总压损失系数降低了22%,静压比升高了0.6%,在负攻角时,优化后的叶型的流动性能得到了明显改善。适当减小串列叶型前后缘的半径可以减小叶型的损失,合理的缝隙结构可以有效减小前排叶型压力面和后排叶型吸力面附面层的分离损失。     

对偶型最大熵概率密度函数模型及其优化解法

针对经典型最大熵概率密度函数模型及其计算目前存在的非线性程度高,优化不收敛,求解效率低等问题,提出了一种对偶型最大熵概率密度函数模型+逐次优化的方法.根据优化过程不稳定,重新推导了拉格朗日系数的线性变换公式.针对几种常见及一种复杂的概率密度函数,采用经典型与对偶型最大熵概率密度函数模型分别计算概率密度及可靠度的对比表明:与经典型最大熵概率密度函数模型相比,对偶型最大熵概率密度函数模型优化函数形式简单,非线性程度低.逐次优化法求解拉格朗日系数不仅克服了初始值敏感性问题,而且计算效率高.对偶型最大熵概率密度函数模型+逐次优化法与其他方法相比,计算精度最高,且能很好的应用于复杂概率分布及可靠性问题.      

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.