飞行器总体参数优化的进化算法及其应用研究

论文摘要

飞行器设计是综合多个学科领域的复杂系统工程，在初步方案设计阶段，需要根据设计目标，构造合理的优化模型，应用有效的工程数值计算方法、优化计算方法和决策方法，完成飞行器总体参数优化设计，提供满足设计要求的优化方案，为进一步的详细设计奠定基础。稳定高效的优化计算方法是飞行器总体参数设计的有力工具。传统的优化算法计算效率较高，但是对设计问题的数学模型依赖很大，其单点搜索方式很难确保获得全局最优解。相比之下，进化算法对设计问题的数学模型要求较低，适用范围较广，其群体搜索模式提供了信息共享机制，使搜索效率得到提高。因此，进化算法适于解决飞行器总体参数优化问题。本文建立了飞行器总体参数优化设计框架，归纳了飞机总体参数设计需要的工程计算方法、优化计算方法和多目标决策方法。为了探求有效的优化计算方法，深入研究了进化算法的一个新的分支——粒子群优化算法。在分析算法原理和收敛性的基础上，将其与遗传算法进行了比较。可以发现，该算法依靠基于群体信息共享的智能进化，使搜索过程紧跟当前的优势个体，因而计算效率比较高。为了加快算法收敛速度和保持群体多样性、提高局部搜索能力，构造了几种改进的粒子群优化算法。通过求解数值测试函数优化、桁架结构优化和机翼结构优化问题，验证了粒子群优化算法是一种鲁棒、高效的优化计算方法，适于求解复杂工程优化问题。对于多目标优化设计，通常希望能够得到具有稳态和均匀性的多目标优化非劣解集，使设计者对可能的设计方案有全面的认识，以便更好地进行权衡、折衷和决策，提高设计效率。将粒子群优化算法拓展到多目标设计优化，为了提高算法的搜索效率，保持非劣解集的多样性，并尽可能使其分布更加广泛，构造了稳定高效的新算法——基于小生境技术的模拟退火-多目标粒子群优化算法。应用该算法求解了多目标数值优化问题，并求解了可重复使用运载器机翼外形多目标优化设计模型的非劣解集。实际工程设计问题与设计者的经验和偏好紧密相连。物理规划方法根据设计者对设计目标不同程度的期望值，构造偏好函数，将多目标优化问题转换成单目标优化问题，求得反映设计者偏好的非劣解，为多目标决策提供了有效手段。通过均匀调整偏好设置，实现了应用物理规划方法求解多目标优化非劣解集的方法。通过建立决策矩阵，指导偏好设置，发展了新的交互式物理规划方法，使设计过程紧跟设计者的意图。应用物理规划方法，求解了多目标数值优化模型的非劣解，求解了民用飞机总体方案多目标优化设计模型的非劣解。应用交互式物理规划方法，求解了吸气式高超声速飞行器前体／进气道布局多目标优化设计问题。在飞行器总体参数优化设计框架下，将前述的进化算法和多目标决策方法应用于飞行器气动布局优化设计。提出了一种新的翼身融合的滑翔式高超声速飞行器布局方案。应用基于二次曲线的模线设计方法，完成了飞行器外形的参数化建模；应用基于牛顿流理论的高超声速气动特性估算方法，对飞行器进行气动特性计算，并且进行了简化的二维平面内的飞行轨迹仿真和优化；以升阻比和体积效率最大化为设计目标，纵向静稳定性为约束，建立了飞行器气动布局多目标优化设计模型，应用粒子群优化算法、多目标粒子群优化算法，物理规划方法，求解优化模型，完成了对该高超声速飞行器的初步方案设计。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景
• 1.2 进化算法
• 1.2.1 进化算法的发展
• 1.2.2 进化算法的特点
• 1.3 本文的主要工作
• 第2章 飞行器总体参数优化设计框架
• 2.1 引言
• 2.2 优化设计模型
• 2.2.1 飞行器设计优化模型
• 2.2.2 多目标设计优化模型
• 2.2.3 多目标进化算法
• 2.3 飞行器总体参数的设计框架
• 2.4 算例
• 2.5 小结
• 第3章 粒子群优化算法及改进
• 3.1 引言
• 3.2 粒子群优化算法的原理及实现
• 3.2.1 粒子群优化算法的原理
• 3.2.2 粒子群优化算法的实现
• 3.3 粒子群优化算法的收敛性
• 3.3.1 单个粒子运动轨迹的收敛性
• 3.3.2 随机参数对粒子群优化算法收敛性的影响
• 3.4 粒子群优化算法与遗传算法的比较
• 3.5 粒子群优化算法的改进
• 3.5.1 粒子群优化算法的自适应参数调整
• 3.5.2 借鉴遗传算法思想对粒子群优化算法的改进
• 3.5.3 划分子群体的伪并行粒子群优化算法
• 3.5.4 混合模拟退火-粒子群优化算法
• 3.6 算例
• 3.6.1 数值测试函数优化
• 3.6.2 粒子群优化算法在桁架结构优化设计中的应用
• 3.6.3 粒子群优化算法在机翼结构优化设计中的应用
• 3.7 小结
• 第4章 多目标粒子群优化算法
• 4.1 引言
• 4.2 多目标粒子群优化算法的原理及实现
• 4.2.1 处理带约束多目标优化问题
• 4.2.2 多目标粒子群优化算法的粒子运动
• 4.2.3 多目标粒子群优化算法的实现
• 4.3 一种混合多目标粒子群优化算法
• 4.3.1 Pareto过滤算子
• 4.3.2 小生境技术
• 4.3.3 引入模拟退火算法
• 4.4 算例
• 4.4.1 数值函数优化
• 4.4.2 可重复使用运载器机翼外形多目标优化设计
• 4.5 小结
• 第5章 物理规划方法及其应用
• 5.1 引言
• 5.2 物理规划的数学模型
• 5.2.1 物理规划的设计思路
• 5.2.2 偏好函数的建立
• 5.2.3 物理规划的优化模型
• 5.3 物理规划与传统多目标优化方法的比较
• 5.4 物理规划方法求解多目标优化模型的Pareto解集
• 5.4.1 伪偏好结构
• 5.4.2 求解Pareto解集的过程
• 5.5 交互式物理规划方法
• 5.5.1 构造决策矩阵
• 5.5.2 偏好结构调整
• 5.5.3 设计流程
• 5.6 算例
• 5.6.1 数值算例
• 5.6.2 飞机方案设计
• 5.6.3 吸气式高超声速飞行器前体/进气道布局优化设计
• 5.7 小结
• 第6章 通用大气飞行器气动设计优化
• 6.1 引言
• 6.2 基于二次曲线模线的参数化建模方法
• 6.2.1 基于二次曲线的模线设计
• 6.2.2 通用大气飞行器参数化外形
• 6.3 高超声速气动特性计算
• 6.3.1 一阶平面面元法
• 6.3.2 飞行器气动力系数计算方法
• 6.3.3 CAV气动力系数计算
• 6.4 飞行轨迹仿真及优化
• 6.4.1 飞行轨迹仿真
• 6.4.2 飞行轨迹优化
• 6.5 气动布局优化模型
• 6.6 优化设计结果
• 6.6.1 单目标优化
• 6.6.2 应用多目标粒子群优化算法求解多目标优化Pareto解集
• 6.6.3 应用物理规划方法求解多目标优化Pareto解集
• 6.6.4 基于物理规划方法的交互式设计
• 6.7 小结
• 第7章 结束语
• 7.1 全文工作总结
• 7.2 未来工作展望
• 参考文献
• 攻读博士学位期间论文发表及课题研究
• 攻读博士学位期间获奖情况
• 致谢