跨音速翼型和机翼的气动优化设计

以NACA0012翼型和ONERA-M6机翼为基准,分别把可变误差多面体法(VEP)和遗传算法(GA)两种不同的优化方法与求解二维和三维欧拉方程的气动分析相结合,进行跨音速翼型和机翼的气动优化设计,并在其基础上对两种不同性质的优化方法在气动优化设计应用中的优化质量和计算效率进行比较.在优化设计的过程中,翼型通过解析函数线性叠加法来表示,机翼通过不变的翼型和可变的平面形状来表示.二维和三维欧拉方程采用Jamenson提出的有限体积方案、显式四步RungeKutta时间推进求解.     

基于改进粒子群算法的翼型多目标优化研究

在多目标优化研究中,为改善多目标粒子群算法的局部搜索能力,以标准粒子群算法为基础,引入单点模拟退火算法,局部进化最优个体,采用基于目标向量的共享函数法评价适应值.标准测试函数优化实例表明:本文算法比标准粒子群算法具有更好的收敛稳定性和收敛速度,收敛速度提高了近50%;针对某翼型的气动优化设计结果表明:改进算法有效缩短了优化时间,迭代代数由61减为49,调用CFD由4880减为4250次;阻力系数、升力系数、低头力矩系数分别改进了9.23%、0.42%、16.4%,取得了较好的优化效果.     

基于遗传算法的飞机气动优化设计

建立了一种以实数编码技术为基础的遗传算法模型，并把它与通过工程估算的气动分析方法相结合，进行飞机气动形的单点和多点优化设计。 优化设计中，设计变量取机为机翼、机身和尾翼的外形及三者之间的相对位置，优化目标是使飞机在跨音速和超音速飞行状态下获得配平状态下最大的升阻比。设计结果表明该优化设计方法是十分有效的，可以用来具有正常布局形式的飞机进行气动外形的优化设计。     

天线结构多目标模糊优化设计

本文在结构模糊优化设计理论的最新成果——普遍型模糊优化的基础上研究解决了包括重量、精度、动力基频和安全度等目标在内的天线结构多目标模糊优化设计问题,使得天线结构优化更令面、更合理、更实际。这是在计算机上对多变量、多工况、多约束、多目标大型结构进行模糊优化设计的成功应用的实践。     

基于Euler方程和离散共轭方法的气动外形优化设计

对于基于梯度信息的优化设计方法,很重要的一点是快速准确获得目标函数对设计变量的梯度.本文采用离散共轭方法计算目标函数关于设计变量的梯度,流动控制方程为三维Euler方程.对于离散共轭方程和流动控制方程均采用LU-SGS方法求解.算例表明,该方法能快速准确地获得目标函数的梯度.本文采用该方法进行了机翼和全机优化设计,成功地减弱了激波,降低了总阻力.算例证明了本文方法可靠性好,收敛快.     

拉延成形多目标序列响应面法优化设计方法

为了克服常规响应面法在整个设计空间进行逼近导致精度低和传统的单目标优化设计,只能针对其中的一个目标进行优化的缺陷,提出了一种多目标序列响应面法,优化设计拉延筋几何参数的方法. 该方法通过移动、缩放等方式在设计空间中不断更新兴趣域,在不同的兴趣域中将实验设计、响应面法和多目标粒子群优化算法相结合,获得了一组最小化起皱、拉裂缺陷的等效拉延阻力非劣解. 利用最小距离选解法从非劣解集中挑选出一组成形效果最好的解, 并以此解作为下一迭代步兴趣域的中心,直到收敛至一组最优的等效拉延约束阻力. 以最优等效拉延阻力为约束条件,利用等效拉延筋阻力模型结合遗传算法对拉延筋的真实几何参数进行设计. 优化设计的拉延筋几何参数提高了板料的成形性能. 算例表明,该方法具有较高的精度和较强的工程实用性.      

基于遗传算法的抗震钢框架多目标优化设计

考虑抗震钢框架优化问题具有多目标的特点,在遗传算法的基础上对抗震钢框架多目 标优化设计进行了探讨. 在无约束Pareto排序遗传算法的基础上,提出了一个简单、实用 而又可以避免采用罚函数的全新排序方法,在此基础上形成了一种求解有约束多目标优化 问题的Pareto遗传算法(CMOPGA), 并给出了具体的算法流程图. 以钢框架重量最轻和结构 总动应变能最小为目标,基于相关的设计规范,给出了抗震钢框架多目标优化问题的一种合 理提法. 采用CMOPGA对一个两跨六层抗震钢框架实例进行了多目标优化设计,并提出了一 个在Pareto最优解集的基础上选取妥协解的相对最小距离妥协原则. 算例结果表明,采用 CMOPGA求解抗震钢框架多目标优化问题是可行和有效的.     

自适应桁架形状控制中主动杆多目标最优配置

导出自适应桁架结构静态形状控制方程，这些方程在线弹性范围内适用；一般主动杆件数远小于结构杆件数目，且主动杆件的配置问题取决于控制能量和杆件强度等因素，因此基于最短行程和最小导出内力指标和模态退火组合优化算法进行了主动杆件的多目标最优配置；通过算例分析验证了本文分析方法的可行性和有效性。     

桁架结构截面优化设计的改进模拟退火算法

将模拟退火算法应用于桁架结构截面尺寸优化设计,提出若干方法改进了算法的鲁棒性、计算效率和求解精度。通过一批经典问题,同时与传统结构优化算法和遗传算法进行了比较。数值结果表明,本文的改进模拟退火算法具有很高的优化求解精度,计算效率有显著提高且优于遗传算法,有望在结构优化设计问题中发挥其特点。     

遗传算法的一个改进及其在气动设计中的应用

提出一个概率型二值搜索思想,驿标准遗传算法进行改进,改进是在原算法中增设一个概率型二值决策步。在该步中,首先通过计算种群中每个个体以体（二值串）各分量的适应值,统计染色体分量所在位置（基因位）取值的历史表现,由此给每个分量们赋予一个分值;然后,利用该分值以概率方法产生若个干新个体,并加入新代种群能与进化。由于分量位分值包含全局收敛信息,以此为基础产生的新个体可望具有良好素质,从而提高收敛速度,这在     

路面结构模量反算的遗传-模拟退火混合算法

路面结构层模量反算是路面结构无损检测与评价的基础。本文针对遗传算法和模拟退火算法各自的特点,在传统遗传算法的搜索过程中引入模拟退火算法的Metropolis接受准则,以增强算法的全局搜索能力。在此基础上,将遗传-模拟退火混合算法应用于路面结构层材料模量的反算分析。文中分别对理论数据和实测数据进行了计算,并与目前国内外已有的路面反算软件的分析结果进行了分析比较。数值结果表明,该方法具有较强的全局收敛性,数值结果稳定可靠。     

工程结构优化的神经网络方法

本文阐述了神经网络优化计算的基本原理,构造了工程结构优化的神经网络模型。采用模拟退火技术进行模型求解,且巧妙地将退火温度Ｔ的倒数作为Ｌａｇｒａｎｇｅ乘子,以改善增广目标函数的收敛性。实例计算表明,由非线性模拟神经元组成的大规模并行、互连的网络在工程结构的优化设计中是可行且有效的。     

桁架形状优化设计的模拟退火算法

针对桁架形状优化问题,提出了一种改进的模拟退火算法．在该算法中提高了计算精度、计算效率和通用性;针对桁架形状优化设计,采用多目标规划的思想,将离散变量优化和连续变量优化结合起来．数值算例验证了改进模拟退火算法的可行性和有效性．     

基于分段进化的遗传算法在机翼气动外形设计上的应用

与传统的优化方法相比,遗传算法以其极强的鲁棒性、随机搜索特性以及优化结果的全局性等特点而在工程优化中得到越来越广泛的应用.标准遗传算法中使用的二进制编码类似于生物染色体的组成,使算法易于用生物遗传学理论加以解释,同时也使交叉、变异等遗传操作易于实现.此外,使用二进制编码还有助于充分发挥算法隐含的并行性.本文对传统遗传算法加以改进,在二进制编码下引入分段进化的概念,再配以高效的交叉、变异算子,充分发挥二进制编码固有优势的同时在很大程度上提高了算法的优化效率,并与Euler方程数值解法相结合,对机翼外形进行了气动优化设计.优化后机翼的升阻比有了显著提高,表明建立的优化模型是合理有效的.     

基于混合遗传算法的动力系统阻尼参数识别方法

将动力系统阻尼参数识别反问题转化为非线性优化问题处理,提出了基于遗传算法的动力系统阻尼参数识别方法。为了提高简单遗传算法的计算效率和处理早熟问题,将模拟退火算法与遗传算法相结合,建立了混合遗传算法。数值计算结果表明,本文所建立的方法对于求解参数识别反问题和非线性优化问题是非常有效的,并且具有良好的鲁棒性和全局收敛能力。