基于模拟退火算法的垂直轴风机翼型优化设计

为了实现智能优化垂直轴风机翼型的气动特性,提高垂直轴风机的功率系数,通过模拟退火算法作为寻优方法,用气动性能计算工具XFOIL与MATLAB程序下的失速修正模型相结合用来计算翼型优化前后的气动特性;通过CST(class/shape function transformation)翼型建模法构建控制翼型曲线的翼型数学模型,选取翼型的控制参数为设计变量,翼型最大相对厚度以及最大相对厚度所处位置为约束条件,以翼型的最大升阻比为目标函数,建立翼型智能优化算法,并完成了对NACA0018翼型的优化设计.结果表明:优化后翼型的气动性能得到提高;最大升力系数提高了2％,升阻比的峰值提高了5.22％,最大切向力系数提高了6.77％.可见优化后翼型的失速性能得到了有效改善.     

基于熵产方法的跨音速翼型减阻优化设计

将熵产方法引入跨音速翼型气动优化设计中,采用涡黏性模型对翼型流场熵产进行计算,进而阐述熵产对翼型阻力的影响.通过类别形状函数(CST)方法和径向基函数(RBFs)网格变形方法完成翼型参数化建模与网格变形,并将改进的NSGA2多目标遗传算法与CFD计算耦合起来实现了翼型自动优化设计,用此方法进行了跨音速翼型的气动优化设计,目标函数为来流马赫数为0.73、攻角为2.54°时升阻比最大,熵产最小.设计结果表明:优化方法在小种群下有很好的全局收敛性,得到的非支配解集分布均匀,质量较高.与参考翼型相比,优化翼型通过降低流场熵产,有效地减少了翼型阻力,大幅度提高了翼型升阻比,消除或减弱了翼型上表面激波,有效提高了翼型的气动性能.     

量子人工鱼群算法

融合量子计算与智能优化的新型高效优化算法层出不穷,成为现在优化算法研究的主流.为此,将量子计算引入到人工鱼群算法中,提出一种新型的量子进化算法———量子人工鱼群算法.该算法用量子计算的方法重新描述了人工鱼的行为,用量子比特对人工鱼进行编码,用量子旋转门实现人工鱼的更新操作,用量子非门进行人工鱼变异,从而实现了目标的优化求解.并分别以函数极值和TSP问题为例进行了仿真,验证了算法的有效性.     

基于遗传算法及Hicks-Henne型

以高空长航时无人机大展弦比机翼的层流翼型为研究对象,在低雷诺数范围内结合遗传算法与N-S方程气动数值解法,依靠计算流体动力学(CFD)计算技术,对翼型进行气动外形优化设计.在基准翼型的基础上,翼型描述采用了基于Hicks-Henne型函数的解析函数线性叠加法,个体以解析函数中的变量组成,通过选择、交叉及变异操作,进行了以高升阻比为目标的优化设计.优化后翼型在低雷诺数条件下的升力系数及升阻比有所提高,证明了利用遗传算法进行层流翼型气动外形优化是可行的.     

基于文化算法的改进遗传人工鱼群优化算法

针对人工鱼群算法精度不高,后期收敛速度慢等缺点,文章提出了一种基于文化算法框架的遗传人工鱼群优化算法。该算法利用文化算法框架,建立了遗传算法优化的信仰空间和人工鱼群算法优化的种群空间,两个空间并行演化,同时通过接受函数和影响函数相互促进,克服了人工鱼群算法易陷入局部极值导致后期收敛速度慢和精度不高的缺点。通过对4个基准测试函数进行求解,表明了该算法相比基本鱼群算法在求解过程中精度更高,鲁棒性更强,收敛速度更快。     

基于Isight的自适应翼型前缘气动优化设计

为了兼顾翼型在各个飞行状态下的气动效率,基于Isight优化设计平台对自适应翼型前缘进行了气动优化设计研究.首先对Hicks-Henne型函数进行了改进,实现了翼型前缘的参数化描述;然后采用拉丁超立方实验设计方法生成样本点,并运用CFD软件进行翼型流场的气动计算,进而利用该样本数据完成对RBF神经网络的训练;最后对神经网络近似模型应用多岛遗传算法进行优化.以NACA 0006翼型为例,采用上述组合优化策略以升阻比为目标函数进行优化设计.仿真结果表明:改进后的Hicks-Henne型函数较好地描述了翼型前缘;组合优化方法显著提高了翼型气动优化效率.     

改进型人工鱼群算法在PMD补偿中的仿真研究

本文首先分析比较了国内外各种已有的PMD补偿算法，其次简要介绍了基本人工鱼群算法。为提高局部搜索能力和寻优精度，重点对基本人工鱼群算法进行了改进，提出了智能视野和步长的概念，并将这种改进型人工鱼群算法应用于自适应PMD补偿中。3个经典测试函数和PMD补偿仿真实验的结果表明：该算法具有更高的寻优精度和克服局部极值的能力，是一种适用于PMD补偿的优秀算法。     

基于混合遗传算法和复合形法的翼型优化设计

遗传算法的缺点在于计算过多的目标函数适应值而增加了优化设计的计算量。为了提高遗传算法的优化效率,将遗传算法和复合形法相结合,建立了基于混合遗传算法和复合形法的气动优化设计方法,对超临界翼型进行了单目标和多目标的优化设计,流场计算采用雷诺数平均N-S方程。算例表明,该设计优化方法稳定,设计质量高,效率比单纯遗传算法有很大提高,在工程中有较大的应用价值。     

基于人工鱼群算法的分类规则发现

人工鱼群算法(AFSA)是一种最新提出的新型仿生优化算法,具有良好的克服局部极值和获得全局极值的能力.利用鱼群算法进行分类规则挖掘,建立了相应的优化模型.通过对公用数据的实验和CN2算法的对比表明,本算法可得到预测准确率较高的分类规则,同时规则更为简单.     

利用人工鱼群算法求解一类函数的极值

人工鱼群算法是一种基于动物行为的群体智能寻优算法。具有并行性、全局性、简单性、快速性、跟踪性等优点。可以处理一些非凸、非线性等方面的问题．针对一类不可用经典方法求解极值的函数,提出了一种基于人工鱼群算法求解这一类函数极值的方法,并通过仿真实验的研究,验证了该算法求解函数极值是有效可行的．     

基于改进人工鱼群算法的软硬件划分方法

将人工鱼群算法应用于软硬件划分,从而提出一种软硬件划分方法．针对人工鱼群算法在应用于离散型问题时普遍存在的最优解出现概率低、收敛速度慢等问题,采用随机步长来改善鱼的游走行为,使用邻域搜索来获得邻域内的更优状态,并根据无效迭代次数来提前终止迭代、提高算法效率．在对不同结点数的随机 DAG 图划分实验中,改进后算法的平均耗时约为原算法的6.5%～34.5%,而最优解出现概率则为原算法的5～7倍．因此,改进后算法在寻优能力和收敛速度上均优于原始算法,可更高效地完成软硬件划分任务．     

一种基于动态参数调整的改进人工鱼群算法

针对经典鱼群算法收敛速度慢、寻优精度低的缺陷,提出了一种基于参数动态调整的改进人工鱼群算法.动态调整视野和拥挤度因子以提高算法的搜索效率;改进去交叉算子以消除交叉路径;引入了再寻优算子确保再次搜索去交叉后路径能够快速找到最优值.求解TSP问题的实验结果表明:改进的人工鱼群算法提高了收敛速度、增强了搜索最优解的能力.     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析.结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程.     

基于Hicks-Henne型函数的翼型参数化设计以及收敛特性研究

翼型参数化是风力机翼型优化设计中的重要环节。针对风力机翼型参数化中建立统一数学模型问题,研究HicksHenne型函数法及其改进算法在风力机翼型参数化中的应用。通过对Hicks-Henne型函数各项系数进行控制,避免出现翼型交叉与不光顺现象,保证了翼型整体形状的平滑。通过对关键点和设计变量的控制,研究设计空间覆盖性和设计变量对翼型的影响。分析了Hicks-Henne型函数法对翼型后缘设计的缺陷,并提出改进的Hicks-Henne算法改善尾缘夹角。Hicks-Henne型函数及其改进算法扩展了风力机翼型参数化表达方法,具有一定的工程实用价值。     

基于精英高斯学习的改进鱼群粒子群混合算法

为提高算法在高维函数上的寻优性能,提出改进鱼群粒子群混合算法。该算法将鱼群算法全局搜索性能好与粒子群算法局部搜索性能强的优点相结合,在寻优初始阶段采用鱼群算法获得最优群体,在后期用粒子群算法实现精搜索。针对初始种群随意性大、分布不均的问题,通过均匀初始化,优化初始种群的分布; 并对算法全局搜索方向性差、效率低的问题,采用仿照蛙跳算法的分组方式对种群进行分组,同时对组内优秀个体和一般个体使用不同搜索策略,提高搜索的目的性和效率。引入改进的精英高斯学习,从而提升最终结果的精度。利用该算法对6 个标准函数寻优并与其他算法比较,结果表明,该算法的改进有效且性能优于其他算法。     

一种混合仿生算法在弹道优化中的应用

针对导弹滑翔段弹道优化问题,考虑人工鱼群算法局部搜索不精确、微粒群优化算法易发生过早收敛等问题,提出一种新的人工鱼群与粒子群混合优化算法。算法的主要策略是在人工鱼群算法的基础上,将人工鱼群优化算法中的觅食行为变为粒子群在感知范围内进行小范围寻优,在人工鱼群算法的最后,再利用粒子群进行精确寻优。以导弹飞行中的吸热量为优化目标,运用此算法设计得出了导弹滑翔段的优化弹道。     

一种人工鱼群混合智能优化算法

针对人工鱼群算法一般在初期拥有较快的收敛性,后期收敛较慢的特性,笔者提出一种改进的人工鱼群算法——GPAFSA．该算法将杂交PSO算法引入到人工鱼群算法中,在人工鱼群算法陷入局部最优时,通过使用杂交PSO算法,克服陷入局部最优的缺陷,实现全局最优．仿真实验表明,该算法在收敛性、全局寻优方面比原始算法有很大提高．     

Aerodynamic Characteristics and Noise Collaborative Optimization of an Airfoil

Aerodynamic noise is the main problem restricting its development nowadays in green energy, ocean engineering and aerospace engineering. In order to limit the aerodynamic noise of an airfoil structure, a method is proposed in this paper by designing low noise airfoils. This method optimized the aerodynamic noise of two-dimensional airfoil, and considered the aerodynamic performance of the airfoil at the same time. Based on Joukowski conformal transformation, airfoil geometry is parameterized firstly. Then, the optimization model taking the lift-to-drag ratio and airfoil self-noise as the design objective, is established to modify the airfoil by active set algorithm until the airfoil can satisfy the design condition. Finally, the noise of the optimized airfoil is verified according to the prediction theory of airfoil noise. Moreover, the relationship between airfoil geometry and noise is analyzed. The results show that the lift-to-drag ratio of the optimized airfoil increased, and the noise also decreased. Thus, the optimization method can be used to address special design of low-noise airfoil. Besides, the optimization method in this paper can provide reference for improving lift-to-drag ratio and reducing noise of the airfoil in aircraft and submarine rudder system.     

改进人工鱼群算法在认知无线电决策引擎中的应用

针对遗传算法、粒子群算法等应用于认知无线电决策引擎时存在收敛速度慢,容易陷入局部最优解的缺陷,提出了一种基于改进人工鱼群算法的认知无线电决策引擎．利用改进人工鱼群算法全局收敛性强、鲁棒性能好、初值敏感度低等特点,更快速、高效地优化调整传输参数,从而寻找特定条件下的最优配置方案．仿真结果表明,在多载波通信系统下,该认知决策引擎具有收敛精度高、平均适应度值高、稳定性强等特点,性能优于二进制量子粒子群认知引擎．