共固化粘弹性复合材料的结构多目标进化优化设计

共固化粘弹性复合材料结构兼具结构承载和阻尼减振能力,设计时需同时考虑强度、刚度、质量和阻尼性能等指标要求,且设计变量众多,因此传统的设计方法难以实现结构的优化设计。本文建立了共固化粘弹性复合材料结构的多目标优化模型,优化目标为结构质量最小化和模态损耗因子最大化,设计变量包括铺层厚度、方向角和阻尼层厚度,并考虑结构动刚度的约束条件。阻尼结构的分析采用基于有限元法的模态应变能法,进化优化采用改进的非支配排序多目标遗传算法(NSGA-II)。最后的优化算例表明将多目标遗传算法应用于共固化粘弹性复合材料结构阻尼/结构一体化设计的可行性。     

多级涡轮多目标气动优化设计流程

在准三维设计基础上,采用多目标优化设计方法,给出一个多级涡轮气动优化设计流程,优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解。此优化设计流程有三个特点:针对每列叶栅的气动特性进行局部优化;各列叶栅反复多次优化;粗细网格交替使用。并采用此设计流程对一三级涡轮进行优化设计,效率提高1%,说明此方法可以有效的用于多级涡轮气动优化设计。     

Crater detection via genetic search methods to reduce image features

Recent approaches to crater detection have been inspired by face detection’s use of gray-scale texture features. Using gray-scale texture features for supervised machine learning crater detection algorithms provides better classification of craters in planetary images than previous methods. When using Haar features it is typical to generate thousands of numerical values from each candidate crater image. This magnitude of image features to extract and consider can spell disaster when the application is an entire planetary surface. One solution is to reduce the number of features extracted and considered in order to increase accuracy as well as speed. Feature subset selection provides the operational classifiers with a concise and denoised set of features by reducing irrelevant and redundant features. Feature subset selection is known to be NP-hard. To provide an efficient suboptimal solution, four genetic algorithms are proposed to use greedy selection, weighted random selection, and simulated annealing to distinguish discriminate features from indiscriminate features. Inspired by analysis regarding the relationship between subset size and accuracy, a squeezing algorithm is presented to shrink the genetic algorithm’s chromosome cardinality during the genetic iterations. A significant increase in the classification performance of a Bayesian classifier in crater detection using image texture features is observed.     

航天器模块划分数值优化方法

对航天器模块划分主要依靠经验和定性方法的问题,构建了一种通用的模块划分数值优化方法。利用功能分解方法、相关性评价准则、设计矩阵与设计结构矩阵（DesignStructureMatrix,DSM）同步演化的机制获得了基于功能元的数值DSM;基于DSM构建了遵循公理化设计原理的通用优化模型;利用遗传 模拟退火算法获得了可对模块划分方式及数目进行同步优化的模块划分方法;给出了不同于优化目标的评价方法。仿真结果表明,该方法可将航天器划分为一系列内聚度高、耦合度低的模块。     

临近空间飞艇外形优化设计与仿真

以临近空间飞艇为对象,针对传统外形设计方法中存在的问题,提出了新的优化设计方法,搭建了流程框架,编制了优化程序。首先研究了遗传算法及多学科设计理论,进而在此基础上建立了飞艇阻力、体面比、应力模型,利用多学科设计理念对飞艇气动、结构、强度进行了一体化设计。其次将遗传算法引入到优化设计当中,并利用Matlab和Fluent开展了联合仿真研究。最后结合实际应用需求进行了算例分析,验证了该方法的可行性和效果。     

基于遗传算法的并联贮箱平衡排放调节方法研究

为了解决双组元推进系统的并联贮箱推进剂消耗不平衡问题,根据气路系统的压力输出特点,提出了一种基于遗传算法的平衡排放主动调节方法。引入多方方程,建立了调节模型,首先使用先进多目标遗传算法NSGA-Ⅱ进行了修正参数的优化选取,然后通过参数优化后的调节模型对预调节参数进行了求解。仿真计算结果与试验数据的对比分析表明,调节前后的压力及调节量等参数的相对误差在千分之五之内,该并联贮箱平衡排放调节计算方法正确、有效。最后,通过算例,分析了贮箱压力及气体容积对平衡排放控制能力的影响,计算表明,推进剂的消耗有益于提高单次平衡排放调节幅度,调节时间主要与调节量及贮箱压差相关。     

最优频移小波包变换窄带干扰抑制方法研究

针对频移小波包变换不能抑制多音干扰的问题,提出了基于遗传算法最优频移小波包变换的窄带干扰抑制方法。采用遗传算法进行频移和分解层数的最优选择,并采用奇偶判断的方法进行自适应小波包分解。仿真结果表明,该方法能够有效抑制窄带干扰。     

基于协进化的管路系统智能寻径

在航空发动机外部管路敷设过程中,多条管路路径之间存在相互影响,并最终影响管路的整体最优路径。本文在遗传算法的基础上采用协进化的思想研究多条管路同时敷设的方法,提出各条管路分别以遗传算法进行路径寻优,管路之间以协作度衡量管路系的质量的方法。并在二维凸多边形障碍物的情况下验证了算法的可行性。      

单级压气机气动优化设计

针对单排叶片气动优化设计难以保证级性能的问题,对一单级跨声速压气机进行了动静叶匹配的同时优化设计。以动叶中的掠、倾,静叶中的弯为设计自由度,对NASA Stage35进行了以气动设计点与峰值效率点为优化点的多工况气动优化设计,得到了动叶前掠、静叶向压力面侧弯曲的优化压气机级,其全工况性能均有不同程度的改善。     

高负荷低速轴流风扇数值优化设计与实验研究

应用基于自适应遗传算法和复合形法发展的混合遗传算法数值设计平台ADOP,对某高负荷低速轴流风扇TA36A实施气动数值优化。该风扇设计转速2.9kr/min,三维数值结果近设计点流量7.482kg/s,绝热效率为84.54%,失速裕度为16.38%;优化设计后风扇TA36B数值模拟结果失速裕度提高了1.6个百分点,气动效率为85.31%,比原型略有提高。气动性能试验风扇TA36B失速裕度达18.84%,具有较宽的稳定工作范围。