基于混合遗传算法的进气道性能设计与优化

针对冲压发动机前体/进气道的性能优化设计问题,提出基于遗传算法和单纯形法的混合遗传算法。根据均匀分析提供的样本,选取气流折转角为设计变量,阻力系数、总压恢复系数、进气道升压比及三者的组合作为优化目标。通过该文设计的混合遗传算法对不同目标优化结果的比较,表明该混合遗传算法可以广泛用于目标优化,具有较强的适应能力。     

涡轮叶顶间隙数值仿真

叶顶间隙显著地影响着现代航空发动机的经济性和可靠性,叶顶间隙主动控制技术可以降低燃油消耗率的同时,保证安全性的要求.基于某型航空发动机的结构尺寸,分别建立了机匣、叶片、轮盘的数学模型.利用自行开发的叶顶间隙仿真程序,改进了叶片和涡轮盘数学模型,并与某型发动机整机的模拟程序相结合,计算了某型航空发动机高压涡轮叶顶间隙的时间历程变化.结果表明:叶顶间隙分别在慢车突然加速和反推力状态下出现最小值.叶顶间隙的计算结果基本上符合试验数据,说明该仿真程序不仅计算速度快,而且还具有足够的精度.     

基于混合粒子群算法的PID参数寻优

提出一种将单纯形法SM与粒子群算法PSO结合的混合粒子群算法HPSO。通过对3种常用测试函数进行优化和比较．结果表明HPSO比PSO和SM都更容易找到全局最优解。然后用HPSO优化算法对某涡扇发动机PID控制中的参数进行优化并将结果与混合遗传算法HGA的结果进行比较，结果表明HPSO在找寻最优解效率上好于HGA。且算法实现简单，具有很高的可靠性，是一种PID控制参数寻优的有效方法。     

基于数字孪生和多智能体的航天器智能试验

为推动航天器以物理试验为主导的模式向以物理试验与虚拟试验深度融合的模式转型,针对航天器试验过程中存在的周期长、成本高与其他制造环节海量数据共享困难等问题,提出基于数字孪生和多智能体的智能试验体系架构设计方法.该方法首先建立包含物理空间、数字空间和数学空间的智能试验任务分析范式,基于数字孪生和多智能体的智能试验体系功能建...     

某矿风井井壁破坏原因分析与修复

某进风井井筒在施工期间发生了严重的变形与破坏,通过系统分析产生破坏的原因,针对性的提出了修复及加固方案。实践证明,所采取的加固及修复方案在该矿山取得了良好的经济效果。     

基于RBF神经网络的涡轮性能预测

针对某型弹用航空发动机涡轮，建立了基于径向基函数神经网络的性能预测近似模型。由均匀设计提供训练样本，选取静叶叶身5个关键截面上的7个参数作为设计变量，涡轮效率作为输出变量，采用遗传算法对径向基网络进行训练，并和BP网络算法求解的模型进行了对比。结果表明：该算法能够广泛地利用样本空间，得到较高的训练和测试精度；构建的RBF网络具有较小的网络规模．较强的泛化能力。