压气机叶栅多点气动优化设计

采用Pareto排名策略和共享小生境技术,实现遗传算法的多点优化设计。压气机叶栅的多点气动优化设计是针对某初始叶栅同时优化不同来流攻角状态点的气动性能,使其达到攻角特性最优。压气机叶栅网格由NU-MECA/Igg软件生成,流场由NUMECA/Fine软件求解。多点气动优化设计结果显示出本文发展的优化设计平台能够较好的实现多点组合气动优化设计。     

基于遗传规划和线性鉴别分析的故障特征提取模型及其应用

1引言航空发动机故障诊断需要从原始监测数据中获取合理的特征参数,如果依靠专家经验手工从众多的监测参数中选取特征参数,将是十分烦琐和低效的。因此,构造优质的特征参数是提高故障诊断效率及其准确性的关键。许多机器学习方法被应用到特征参数的自动选取中,例如神经网络[1],     

基于遗传算法优化的涡扇发动机三维模糊控制

为进一步解决传统二维模糊控制器存在的快速响应与稳定性之间的矛盾,以及提高控制器的响应速度,减小超调,改善稳态性能,设计了一个基本的三维模糊控制系统,在基本控制系统的基础上引入了模糊积分混合控制器,利用改进的遗传算法对模糊规则进行了优化设计,引入了Smith预估补偿器。仿真实验结果表明,所设计的三维模糊控制系统响应速度快、无超调、控制精度高;有效克服了时间延迟的影响;鲁棒性较好,适用于小型涡扇发动机"小偏离"动态模型的控制研究。     

一种自适应随机优化算法

提出了一种新的基于群体搜索的随机优化算法。该算法的基本思想是：１） 像遗传算法那样,采用二进制串来表示问题的尝试解;２） 解串中每个二进制位的取值,由一可改变的概率分布控制;３）根据群体中最佳解串与最差解串编码结构上的差异,对相关的概率分布进行修改。文中给出的模拟实例,显示了新算法在求解函数全局优化问题中的有效性     

Optimization and Sizing for Propulsion System of Liquid Rocket Using Genetic Algorithm

Flight vehicle conceptual design appears to be a promising area for application of the Genetic Algorithm (GA) as an approach to help to automate part of the design process. This computational research effort strives to develop a propulsion system design strategy for liquid rocket to optimize take-off mass, satisfying the mission range under the constraint of axial overload. The method by which this process is accomplished by using GA as optimizer is outlined in this paper. Convergence of GA is improved by introducing initial population based on Design of Experiments Technique.     

大型星载展开天线动力优化设计

对周边桁架式星载展开天线的动力优化问题进行了研究．分析了天线的结构特点，对结构预应力设计变量进行了选择和归并．讨论了以天线结构质量为目标函数，以周边桁架各单元的截面积和反射索网中各拉索单元预应力为设计变量，在优化中同时考虑天线结构的反射面精度要求、天线的动力性能和静力性能要求的展开天线动力优化设计问题，建立了天线结构的动力优化数学模型．最后，将该模型应用于某17m口径的天线结构，并利用改进后的遗传算法对其进行了优化计算，取得了比较满意的结果．     

基于遗传算法的参数优化在控制器设计中的应用

本文详述了遗传算法作为一种随机搜索算法在控制器设计参数优化中的应用。从遗传算法基本原理入手，结合工程实际，论述了遗传算法在PID控制器设计、鲁棒控制器设计、最优控制、系统参数辨识、模糊逻辑控制系统和神经网络控制中的应用成果。讨论了影响遗传算法的因素，并提出了改进的策略。     

对地观测多载荷任务规划的建模与算法

研究了空间对地观测中配备多个有效载荷时的观测任务规划问题。首先建立了该问题的组合优化数学模型,优化指标考虑了科学和经济利益的最大化和各项资源约束;然后应用遗传算法对该问题进行了求解,并与贪婪算法结果进行比较;最后,验证了模型的有效性和算法的优越性。     

"预先"进化遗传算法研究

遗传算法在对单目标函数的静态寻优中表现出了良好的收敛性和鲁棒性。但是在优化目标动态变化,要求很快给出优化结果时,由于遗传算法运行时间较长,就难以实现。本文提出的“预先进化遗传算法”,就是为了使遗传算法具有动态性能,能够适应优化目标的动态变化,提高寻优的实时性。算法主要思路是借助于并行计算技术、在确定优化目标(决策)过程中就对可能的多个优化目标函数的优良个体进行培养。一旦优化目标确定,在预先培养的优良个体的基础上可以快速寻优。这样就使遗传算法能够适用于优化目标可变的动态环境。文中描述了“预先”进化遗传算法的实现算法,并证明了算法的有效性。最后对算法进行了验证。通过实例可以看出,采用传统遗传算法,单目标函数优化一般要迭代300次,才能够得到较理想的优化结果。而“预先”进化遗传算法经过150次左右的多个目标同时预先进化后,对具体目标的进化只需要50次左右就收敛到较理想的数值。由于预先进化是与决策具体的优化目标同时进行,因此可以实现优化目标确定后的快速寻优。     

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。