二元翼型跨音速非定常压力计算

本文描述了用Ｅ—Ｏ型的ＡＤＩ隐式差分格式计算二维、无粘、定常与非定常低频小扰动跨音速流的方法。应用附加时间导数项的物面、尾涡面的边界条件及压力系数表达式和远场无反射边界条件,计算翼型绕其１／４弦长处轴作正弦俯仰振动时,翼面上的非定常压力分布。所得结果与文献［１］比较,具有较好的一致性。     

公用齿轮变位系数的计算机辅助优化选取

本文分析了影响公用齿轮变位系数选取的因素,提出了变位系数选取的基本原则,建立了优化计算模型,编制了计算程序,对例题的计算表明,计算结果和效率优于查表法。     

可靠度和费用约束下的加速老炼试验时间优化

为了提高产品实际使用可靠度,减少老炼试验和保修费用,基于效用函数研究了具有早期失效的产品在可靠度和费用约束下的加速老炼试验时间优化方法。考虑产品寿命分布参数的不确定性,利用自助法估计参数的先验分布,然后通过仿真方法获得实际使用可靠度和费用的联合效用函数。以联合效用函数值最大为优化目标建立加速老炼试验时间优化模型,得到最优的加速老炼试验时间。结合对数正态分布产品在温度应力下的加速老炼试验数值示例,阐述上述方法的应用,并对参数进行敏感性分析,结果表明提出的加速老炼试验方法不但能缩短产品的试验时间,还可以最大程度同时满足费用和可靠性的要求。     

基于输出饱和条件下磁浮列车悬浮控制参数优化

低速磁浮列车利用电磁吸力支撑车体,相比轮轨列车具有噪音小、转弯半径小、爬坡能力强等优点。研究控制器输出饱和条件下悬浮系统的稳定性问题,可以避免由于电网电压约束而可能出现的失稳现象,提高了系统运行的可靠性。基于磁浮列车单点悬浮模型,使用电流-位置双环设计方法设计得到可稳定悬浮的控制算法。由于磁浮列车悬浮控制器的输出饱和环节,进一步提出了一种基于搜索极大椭球的控制参数优化方法,在不改变控制算法设计的前提下实现了参数优化。通过仿真和试验均验证了优化后的控制效果,有效指导了实际系统的工程调试。     

火力分配多目标优化的IBACO算法

应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。     

基于有限条件的多波束雷达干扰系统目标分配算法

针对多波束干扰系统同时干扰多个目标的资源分配问题,通过分析目标分配算法的一般流程及涉及到的关键问题和技术难题,提出了基于实战化和有限条件的针对多波束干扰系统的非线性0-1整数规划数学模型。针对该模型采取开源软件SCIP进行求解,最后给出数值仿真来说明模型和算法的有效性。     

探测高超声速飞行器的飞艇优化部署方法北大核心

为提高临近空间飞艇组网探测系统对高超声速飞行器的探测能力,探讨了一种实用高效的飞艇组网探测系统优化部署方法。对三维空间中飞艇组网探测系统的优化部署问题进行了深入分析,综合考虑地球曲率、浮空飞艇放置高度、探测面海拔高度、飞艇最大探测半径、探测器视场角等因素,提出了飞艇组网探测系统探测高超声速飞行器的三维空间优化部署指标,构建了飞艇组网探测系统的优化部署模型,利用遗传算法得到了最优部署方案,通过satellite tool kit(STK)仿真平台验证了该部署方法的有效性,各项探测性能指标的理论计算值与真实值之间的误差均小于1%。部署方法可给实际阵地环境下飞艇组网探测系统的优化部署提供一定的参考。     

探测临近空间高声速目标的飞艇组网方法研究北大核心

为了提高对临近空间高声速目标的探测能力,探讨了一种飞艇红外组网探测系统的设计方法。提出了基于性能和基于效益的2种组网部署原则,设计了飞艇红外探测系统的组网量化指标,建立了飞艇组网系统部署模型,在此基础上设计了基于遗传算法的组网优化算法。仿真结果表明,该方法能够实现满足多种性能指标要求的飞艇红外组网探测系统的优化部署,为临近空间高超声速目标的探测提供了新的思路。     

武器装备体系演化研究

体系动态演化是武器装备体系建设发展、体系作战能力和体系对抗效能评估优化的基本认识前提。鉴于当前武器装备体系概念理论基于多问题思维视角现状,研究层次、问题形式和技术方法手段复杂多样,以体系演化为切入点,围绕装备体系动态演化的涵义,从体系结构优化设计、体系协同作战过程优化和体系作战效能评估优化3个层次综述了装备体系演化研究进展。在此基础上,讨论了基于大数据、超网络、认知粒计算的装备体系多学科研究需求,对可能性的技术思路给出可供借鉴建议。     

多目标的分布式协同进化MDO算法

通过引入非优超排序和排挤的多目标处理机制 ,将分布式协同进化MDO算法的能力扩展到多目标的多学科设计优化问题。多目标的分布式协同进化MDO算法在保持各学科充分自治和各学科并行设计优化协同的基础上 ,通过一次运行即可获得具有良好分布的多个Pareto最优解 ,逼近整个Pareto最优前沿。应用于导弹气动 /发动机 /控制三学科两目标设计优化问题 ,与约束法计算结果的对比表明算法能够有效逼近该问题的Pareto最优前沿 ,为设计决策提供了丰富的信息