飛行器總體參數(shù)優(yōu)化的進化算法及其應用研究.pdf

1、飛行器設(shè)計是綜合多個學科領(lǐng)域的復雜系統(tǒng)工程，在初步方案設(shè)計階段，需要根據(jù)設(shè)計目標，構(gòu)造合理的優(yōu)化模型，應用有效的工程數(shù)值計算方法、優(yōu)化計算方法和決策方法，完成飛行器總體參數(shù)優(yōu)化設(shè)計，提供滿足設(shè)計要求的優(yōu)化方案，為進一步的詳細設(shè)計奠定基礎(chǔ)。 穩(wěn)定高效的優(yōu)化計算方法是飛行器總體參數(shù)設(shè)計的有力工具。傳統(tǒng)的優(yōu)化算法計算效率較高，但是對設(shè)計問題的數(shù)學模型依賴很大，其單點搜索方式很難確保獲得全局最優(yōu)解。相比之下，進化算法對設(shè)計問題的數(shù)學模

2、型要求較低，適用范圍較廣，其群體搜索模式提供了信息共享機制，使搜索效率得到提高。因此，進化算法適于解決飛行器總體參數(shù)優(yōu)化問題。 本文建立了飛行器總體參數(shù)優(yōu)化設(shè)計框架，歸納了飛機總體參數(shù)設(shè)計需要的工程計算方法、優(yōu)化計算方法和多目標決策方法。 為了探求有效的優(yōu)化計算方法，深入研究了進化算法的一個新的分支——粒子群優(yōu)化算法。在分析算法原理和收斂性的基礎(chǔ)上，將其與遺傳算法進行了比較。可以發(fā)現(xiàn)，該算法依靠基于群體信息共享的智能

3、進化，使搜索過程緊跟當前的優(yōu)勢個體，因而計算效率比較高。為了加快算法收斂速度和保持群體多樣性、提高局部搜索能力，構(gòu)造了幾種改進的粒子群優(yōu)化算法。通過求解數(shù)值測試函數(shù)優(yōu)化、桁架結(jié)構(gòu)優(yōu)化和機翼結(jié)構(gòu)優(yōu)化問題，驗證了粒子群優(yōu)化算法是一種魯棒、高效的優(yōu)化計算方法，適于求解復雜工程優(yōu)化問題。 對于多目標優(yōu)化設(shè)計，通常希望能夠得到具有穩(wěn)態(tài)和均勻性的多目標優(yōu)化非劣解集，使設(shè)計者對可能的設(shè)計方案有全面的認識，以便更好地進行權(quán)衡、折衷和決策，提高

4、設(shè)計效率。將粒子群優(yōu)化算法拓展到多目標設(shè)計優(yōu)化，為了提高算法的搜索效率，保持非劣解集的多樣性，并盡可能使其分布更加廣泛，構(gòu)造了穩(wěn)定高效的新算法——基于小生境技術(shù)的模擬退火-多目標粒子群優(yōu)化算法。應用該算法求解了多目標數(shù)值優(yōu)化問題，并求解了可重復使用運載器機翼外形多目標優(yōu)化設(shè)計模型的非劣解集。 實際工程設(shè)計問題與設(shè)計者的經(jīng)驗和偏好緊密相連。物理規(guī)劃方法根據(jù)設(shè)計者對設(shè)計目標不同程度的期望值，構(gòu)造偏好函數(shù)，將多目標優(yōu)化問題轉(zhuǎn)換成單目

5、標優(yōu)化問題，求得反映設(shè)計者偏好的非劣解，為多目標決策提供了有效手段。通過均勻調(diào)整偏好設(shè)置，實現(xiàn)了應用物理規(guī)劃方法求解多目標優(yōu)化非劣解集的方法。通過建立決策矩陣，指導偏好設(shè)置，發(fā)展了新的交互式物理規(guī)劃方法，使設(shè)計過程緊跟設(shè)計者的意圖。應用物理規(guī)劃方法，求解了多目標數(shù)值優(yōu)化模型的非劣解，求解了民用飛機總體方案多目標優(yōu)化設(shè)計模型的非劣解。應用交互式物理規(guī)劃方法，求解了吸氣式高超聲速飛行器前體/進氣道布局多目標優(yōu)化設(shè)計問題。在飛行器總體參數(shù)優(yōu)化

6、設(shè)計框架下，將前述的進化算法和多目標決策方法應用于飛行器氣動布局優(yōu)化設(shè)計。提出了一種新的翼身融合的滑翔式高超聲速飛行器布局方案。應用基于二次曲線的模線設(shè)計方法，完成了飛行器外形的參數(shù)化建模；應用基于牛頓流理論的高超聲速氣動特性估算方法，對飛行器進行氣動特性計算，并且進行了簡化的二維平面內(nèi)的飛行軌跡仿真和優(yōu)化；以升阻比和體積效率最大化為設(shè)計目標，縱向靜穩(wěn)定性為約束，建立了飛行器氣動布局多目標優(yōu)化設(shè)計模型，應用粒子群優(yōu)化算法、多目標粒子群優(yōu)