机载相控阵雷达探测参数优化

相控阵雷达(phased array radar,PAR)可通过合理配置工作参数优化其性能.针对机载相控阵雷达目标探测过程中的射频隐身需求,提出了一种雷达工作参数优化方法.首先建立了以评估发现目标能力的检测概率和评估射频隐身能力的截获概率为指标,以脉冲峰值功率和驻留时间为优化参数的雷达探测多目标优化模型;然后根据多目标优化理论,采用改进非支配遗传算法(improved non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)求解Pareto最优解集,并由这些Pareto解构成决策矩阵;最后,利用熵权法对各个目标进行客观赋权,再运用逼近理想解的排序法(techninque for order preference by similarity to an ideal solution,TOPSIS)进行多属性决策(multi-attribute decision making,MADM),得到参数控制方案.结合具体实例进行仿真计算,结果表明,运用多目标优化理论可以有效地配置雷达工作参数,优化雷达工作性能.     

基于模糊偏好的多目标粒子群算法的应用研究

研究了基于模糊偏好的多目标粒子群算法,算法将种群的最优解集进行Pareto排序,并动态更新Pareto解集,使其更快速的靠近Pareto前沿,对非劣解进行模糊评价,根据目标偏好的模糊信息,来确定折衷解的满意解。经典算例验证,该算法在计算时间及非劣解质量上,要优于多目标遗传算法。     

基于数字孪生的铣削参数动态多目标优化策略

为解决机床性能动态变化过程中的铣削参数动态多目标优化问题,提出一种基于数字孪生的铣削参数动态多目标优化策略.首先采用梯度提升回归树算法构建加工参数与加工结果间的非线性映射关系;然后基于动态非支配排序遗传算法进行铣削参数动态寻优;最后在Pareto最优解的基础上,结合层次分析法和理想解相似度顺序偏好法建立决策分析模型并进...     

水射流加工中过程参数的多目标优化设计研究

针对水射流切割工艺中过程参数的优化选择进行了研究,考虑切割速率和比能消耗两个目标函数,采用改进非支配排序遗传算法(NSGAII)研究了多目标优化设计问题。根据Pareto最优解形成决策矩阵,基于信息熵法得到属性的权重,利用逼近理想解的排序方法(TOPSIS)进行多属性决策。讨论了一个木材切割过程中参数优化的算例,分析了喷嘴直径、间隙、压力等参数对切割速率和比能消耗的影响。综合采用多目标优化和多属性决策技术,可以迅速选择生产过程中的系统参数。     

汽车车门多学科性能分析与轻量化多目标优化设计

为确保车门力学性能、结构性能、安全性能以及实现轻量化,以汽车前车门为研究对象对其进行有限元模型建立、动静态特性分析并基于LS-DYNA进行碰撞分析。将分析结果结合预期目标,提出以轻量化为主要目标,同时提升下沉工况刚度、窗框中部刚度、优化一阶模态频率的多目标尺寸优化问题。通过建立数学模型,结合Plackett-Burman设计对变量进行灵敏度分析,再通过Hammersley法进行试验设计(DOE)并运用HyperKriging法得到拟合模型。采用多目标遗传算法(NSGA-Ⅱ)进行优化,得到Pareto解集。根据经验,从非劣解中挑选最优解。将优化结果进行分析验证。结果表明:优化后汽车车门性能达到预期目标,质量减轻0.23 kg。     

基于自适应代理模型的翼型气动隐身多目标优化*

针对翼型气动隐身多目标优化设计存在的计算量大与权重难以选取的问题,提出基于自适应径向基函数代理模型与物理规划的高效多目标优化策略(Multi-objective optimization strategy using adaptive radial basis function and physical programming, ARBF-PP)。利用物理规划法通过非线性加权的方式将多目标优化问题转化为直接反映设计偏好的单目标优化问题,然后分别对综合偏好函数和约束条件构造径向基函数代理模型,采用增广Lagrange乘子法处理约束,并用遗传算法(Genetic algorithm, GA)进行求解。优化迭代过程中,在当前可能最优解附近增加样本点,更新代理模型,提高代理模型在最优解附近的近似精度,引导搜索过程快速收敛。使用数值多目标优化算例与翼型气动隐身多目标优化实例验证了本文所提出优化策略的有效性。翼型气动隐身多目标优化结果表明：相比于初始翼型,优化翼型的升阻比提高了34.28%,重点方位角的雷达散射截面(Radar cross section, RCS)均值减小了24.19%。此外,在相同样本规模的情况下,本文方法所得最优翼型的气动隐身性能比静态径向基函数代理模型方法的优化结果分别提高了11%与25.6%;与遗传算法相比,本文方法所需的分析模型调用次数(Number of evaluation function, Nfe)降低了93.5%。     

多目标一维下料决策方法研究

研究目标为最小化原料浪费、最小化下料方式数和最小化可用余料返回的多目标优化下料问题。运用多目标优化和多属性决策相结合的方法设计下料决策方法,即先用改进的非支配排序启发式进化算法求出问题的Pareto最优解集,再采用综合主客观赋权法计算各优化目标的权重,最后运用多属性决策方法选出一个满意解作为下料方案。实验结果证实所提方法对多目标下料决策是有效的。     

工期不确定下产品开发任务调度的多目标优化

针对产品开发中任务工期的不确定性,以产品开发时间最短和成本最低为目标,运用区间数方法描述任务工期的不确定性,建立了工期不确定条件下区间型多目标优化数学模型,并基于区间序关系将该模型转化为确定性的优化模型。采用改进的非支配排序遗传算法(NSGA-II)进行求解,得到了产品开发任务调度的Pareto最优解集。通过实例说明了该方法的实施过程,计算结果表明了该方法的有效性。     

基于多目标优化的乘用车后排座椅轻量化设计

提出第二代非劣排序遗传算法(NSGA-II)结合响应面法(RSM)-径向基神经网络方法(RBF)混合近似模型和逼近理想解排序(TOPSIS)方法对某乘用车后排座椅进行结构-材料一体化多目标轻量化设计研究。结合有限元理论建立仿真模型,并通过行李箱碰撞试验验证仿真模型的正确性,根据工程经验和座椅靠背骨架吸能分析确定了6个优化部件厚度、材料的设计变量及取值范围;采用RSM-RBF混合近似模型方法拟合设计变量与响应之间的关系;利用NSGA-Ⅱ算法对优化问题进行求解,得到Pareto最优解集。最后采用基于熵权TOPSIS方法对Pareto最优解集进行排序确定最佳折中解。结果表明:在满足各项安全性能法规的前提下,乘用车后排座椅减重3.57 kg。     

基于遗传算法的多目标设施定位方法

提出了一种基于遗传算法的多目标设施定位方法。设计了一种新的整数和浮点数结合的编码方式;通过列举法使得每代个体满足约束条件,避免了罚函数的使用;可调整的双参数变异算子使进化过程能够较好地跳出局部最优解;应用基于Pareto排序的适应值分配方式得到目标函数的非劣解集,为决策者提供了多种选择方式。仿真实验说明了该方法的有效性。     

基于近似模型的高速列车头型多目标优化设计

为改善高速列车气动性能,建立一套高效的多目标气动优化设计方法,对流线型头型进行多目标气动优化设计。建立高速列车流线型头型三维参数化模型,并提取5个优化设计变量;为减少优化设计时间,利用最优拉丁超立方设计方法在优化设计空间中进行均匀采样,利用计算流体力学方法获得对应于各个采样点的气动载荷,利用Kriging代理模型构建优化设计变量和气动载荷之间的近似模型;利用多体系统动力学方法计算气动载荷作用下的高速列车轮重减载率;以气动阻力和轮重减载率为优化目标,利用多目标遗传算法NSGA-II对高速列车流线型头型进行多目标优化。优化设计变量和优化目标均呈现收敛的趋势,采用Kriging近似模型优化计算的Pareto前沿与采用CFD（Computational fluid dynamics,CFD）优化计算的Pareto前沿较为接近。优化后高速列车的气动阻力最多可降低3.27%,轮重减载率最多可降低1.44%,气动阻力最优的头型与轮重减载率最优的头型的主要差异在于中部辅助控制线的变化,前者向内凹,后者则向外凸。     

基于Pareto挖掘的白车身侧碰安全件轻量化优化设计

为提高白车身轻量化优化效果,提出了熵权灰色关联分析法用于挖掘非支配Pareto解集中的最优解。建立了白车身及整车侧碰有限元模型,通过实车侧碰试验验证了所建模型的准确性。以侧碰安全件料厚为设计变量,综合考虑白车身弯扭刚度、振动频率等基本静-动态性能及侧碰安全性能,构建径向基函数神经网络结合Kriging（RBFNN-Kriging）混合近似模型并联合第二代非支配排序遗传算法（NSGA-Ⅱ算法）进行了多目标优化。最后,提出了熵权灰色关联分析法计算所有非支配Pareto解的灰色关联度,并以此为评价指标进行多目标决策。优化决策结果表明：在满足白车身性能设计基线的要求下,白车身侧碰安全件质量减小了2.68 kg,取得了较好的轻量化效果。     

A new multi-objective ant colony algorithm for solving the disassembly line balancing problem

The disassembly line is the best choice for automated disassembly of disposal products. Therefore, disassembly line should be designed and balanced so that it can work as efficiently as possible. In this paper, a mathematical model for the multi-objective disassembly line balancing problem is formalized firstly. Then, a novel multi-objective ant colony optimization (MOACO) algorithm is proposed for solving this multi-objective optimization problem. Taking into account the problem constraints, a solution construction mechanism based on the method of tasks assignment is utilized in the algorithm. Additionally, niche technology is used to embed in the updating operation to search the Pareto optimal solutions. Moreover, in order to find the Pareto optimal set, the MOACO algorithm uses the concept of Pareto dominance to dynamically filter the obtained non-dominated solution set. To validate the performance of algorithm, the proposed algorithm is measured over published results obtained from single-objective optimization approaches and compared with multi-objective ACO algorithm based on uniform design. The experimental results show that the proposed MOACO is well suited to multi-objective optimization in disassembly line balancing.     

基于网格支配的微型多目标遗传算法

提出了一种基于网格支配的微型多目标遗传算法,该算法在求解较多目标函数的优化问题时具有较好的收敛性和较高的计算效率。该算法引入网格支配概念并结合微型多目标遗传算法,在每一代进化种群中计算各个个体的网格值、网格拥挤距离和网格坐标点距离,根据网格支配分级和网格选择机制策略选取精英个体,并对其进行交叉和变异操作,使其朝前沿面收敛以获得Pareto最优解。4个测试函数和2个工程实例验证了该算法的有效性。     

多目标柔性作业车间调度决策精选机制研究

针对多目标柔性作业车间调度优化无法找到唯一最优解的问题，提出多目标遗传算法和层次分析法模糊综合评判的分阶段优化策略。提出优化阶段和精选阶段的优化任务，优化阶段选出一组Pareto解集，精选阶段从Pareto解集中选出最优解；在精选阶段运用层次分析法和模糊评判集成的策略精选调度决策。决策算例证明提出的方法是可行的，可很好地帮助决策者选择出一个最满意的解。     

Multi-disciplinary design optimization and performance evaluation of a single stage transonic axial compressor

The multidisciplinary design optimization method, which integrates aerodynamic performance and structural stability, was utilized in the development of a single-stage transonic axial compressor. An approximation model was created using artificial neural network for global optimization within given ranges of variables and several design constraints. The genetic algorithm was used for the exploration of the Pareto front to find the maximum objective function value. The final design was chosen after a second stage gradient-based optimization process to improve the accuracy of the optimization. To validate the design procedure, numerical simulations and compressor tests were carried out to evaluate the aerodynamic performance and safety factor of the optimized compressor. Comparison between numerical optimal results and experimental data are well matched. The optimum shape of the compressor blade is obtained and compared to the baseline design. The proposed optimization framework improves the aerodynamic efficiency and the safety factor.     

MULTIOBJECT OPTIMIZATION OF A CENTRIFUGAL IMPELLER USING EVOLUTIONARY ALGORITHMS

Application of the multiobjective evolutionary algorithms to the aerodynamic optimization design of a centrifugal impeller is presented. The aerodynamic performance of a centrifugal impeller is evaluated by using the three-dimensional Navier-Stokes solutions. The typical centrifugal impeller is redesigned for maximization of the pressure rise and blade load and minimization of the rotational total pressure loss at the given flow conditions. The Bezier curves are used to parameterize the three-dimensional impeller blade shape. The present method obtains many reasonable Pareto optimal designs that outperform the original centrifugal impeller. Detailed observation of the certain Pareto optimal design demonstrates the feasibility of the present multiobjective optimization method tool for turbomachinery design.     

横风下高速列车流线型头型多目标气动优化设计

为改善高速列车的横风气动性能,建立高速列车流线型头型的多目标优化设计方法,以横风下高速列车的侧力和升力为优化目标,对高速列车流线型头型进行多目标自动优化设计。建立高速列车流线型头型的参数化模型,提取出5个优化设计变量,利用计算流体动力学方法进行高速列车流场计算,并结合多目标遗传算法,实现横风下高速列车流线型头型的自动寻优设计。通过相关性分析,得到影响侧力和升力的关键优化设计变量,并进一步研究关键优化设计变量和优化目标之间的非线性关系。经过多目标优化设计,获得一系列的Pareto最优头型,这些头型的横风气动性能均得到明显改善。同时为保证无风环境下高速列车的基本气动性能不发生恶化,最终筛选出8个Pareto最优头型。对于这8个Pareto最优头型,相对于原始头型来说,横风下的侧力最多可降低3.06%,横风下的升力最多可降低19.60%,无风时的气动阻力最多可降低4.51%,无风时的气动升力最多可降低9.68%。     

基于MOPSO的航空发动机分支管路多目标布局优化

分支管路的布局优化属于NP难问题,其多目标优化情况则更加复杂。针对航空发动机分支管路多目标敷设问题,以分支管路长度最小化、分支点数量最小化以及管路平滑度最优为优化目标,建立了基于避障Steiner树的分支管路多目标布局模型。考虑到模型的复杂性,设计基于多目标粒子群优化（Multi-objective particle swarm optimization,MOPSO）的模型求解算法。其中,以分支点数量和坐标作为决策变量;针对分支管路拓扑结构特点,提出一种分支管路平滑度计算方法,结合非支配排序和网格密度计算完成个体多目标评价;通过可视图和测地线处理约束条件;通过多目标粒子群进化计算求得Pareto解集。所建立的分支管路多目标布局模型及求解算法考虑了多端点情况、多目标优化以及避障约束。最后通过管路敷设算例验证了可行性。