基于近似技术的导弹总体设计优化方法研究

实施多学科设计优化方法有助于提高总体设计水平，但同时也使总体优化问题变得更加复杂、计算更加困难，因此需要采用近似技术。在对设计空间探索方法和多学科设计优化中应用的近似技术进行研究的基础上，提出在优化系统中采用综合探索近似寻优方法以实现快速寻优，最后通过一个应用实例验证了综合探索近似寻优方法的可行性。     

稀土串级萃取分离过程智能优化控制仿真系统

稀土串级萃取分离过程具有多变量、非线性、大滞后、工况复杂等综合复杂性,萃取过程元素组分含量难以连续在线检测、产品纯度难以实现优化控制,因此,以提高产品纯度和金属直收率为目标的自动控制技术的研究成为关键。以La、Ce、Pr、Nd四组分串级萃取分离Ce/Pr稀土分离过程为研究对象,开发了稀土串级萃取分离过程智能优化控制仿真系统。该软件提供了稀土串级萃取分离过程的仿真模型及相应的智能优化控制算法,为深入研究和分析设计稀土串级萃取分离过程的自动控制方法提供了有力的实验平台。     

武器装备体系结构演化仿真研究

受经费和生产能力的限制,武器装备建设过程呈现渐进发展的特点。科学的建设计划方案成为实现武器装备体系结构优化的重要条件。从武器装备的体系层次出发,提出了武器装备体系结构演化仿真的概念,明确了体系结构演化仿真的使命任务及总体思路。在分析了武器装备体系演化过程的主要影响因素、确定了基本优化思路的基础上,提出了体系结构演化仿真的优化指标。最后,从顶层设计的角度提出了软件系统的功能模型。     

基于递归小波网络的直升机动力学模型研究

提出一种基于递归小波网络建立直升机动力学模型的方法,给出了模型结构并利用粒子群优化算法对小波网络权参数进行调整。这种网络模型利用内部状态反馈来描述系统的非线性动力学特性,不必事先确定系统模型的类别和阶次,直接建立操纵量与加速度、角速度等变量之间的对应关系,从而避免了建立复杂的气动系数、气动导数模型的过程。与传统的机理模型相比,该模型具有结构简单、并行解算程度高、运算速度快的特点。在某型直升机飞行模拟器中取得了良好的应用效果。     

数字化功能样机的多学科设计优化与仿真

高效精密化、智能集成化、虚拟数字化是现代产品设计的发展方向。提出了一种将多学科设计优化方法融于产品的数字化设计过程，智能集成化设计复杂产品数字化功能样机的多学科综合设计模式。针对汽车实例，构建了多学科自动化设计优化平台，给出了集成优化分析流程，实现了多性能集成全分析与优化仿真，基于整车虚拟测试，验证了该模式的有效可行性。     

辊弯成形过程仿真与参数优化

采用动力显式弹塑性有限元方法对U型钢辊弯成形过程进行仿真,分析了成形过程中应力、应变的分布演化特性,获得了弯曲角增量、机架间距对辊弯成形过程的影响规律,计算结果与实验结果有较好的一致性。基于数值模拟,对辊弯成型轧辊辊径进行优化设计。通过正交模拟实验获取计算结果样本,进而建立轧辊辊径设计目标函数的响应面模型,最终获得辊径优化设计结果,优化后辊弯成形板带截面上的纵向应变差显著降低,改善了成形性能。     

基于有向循环图的多学科设计优化模型调度方法

复杂产品的多学科设计优化过程中，往往会涉及到不同学科的专业分析模型以及各种商业软件应用的集成调度运行问题。在多学科设计优化过程中模型应用集成的基础上，结合设计模型的调度需求，研究了多学科模型的调度运行，并给出了基于有向循环图的通用模型调度解决方案，包括回路探测算法和模型调度算法。最后设计并实现了支持复杂产品多学科设计优化软件框架——iDesign的调度引擎，并以一个设计模型的调度为例，验证了方法的正确性和可行性。     

基于主从结构的遗传算法研究

提出一种主-从结构的遗传算法。算法中,主级为全局搜索染色体;从级为局部邻域搜索染色体。通过主-从协调机制和从级转换函数设计,使算法不依赖复杂的编码方式和复杂的遗传算子进行全局精确搜索。通过仿真和比较实验,验证了算法的有效性。     

基于GANN的机翼盒段试验件传感器的优化配置

对机翼盒段试验件进行了结构分析,采用有限单元方法,建立了其结构的有限元模型,并进行了冲击压电响应数值仿真。构造了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法,采用该方法对机翼盒段试验件压电传感器进行了优化配置,得到了传感器对应于其初始布置模式下的最优配置,为该结构试验件的实际压电传感器的优化配置提供指导依据。仿真结果也表明,对于更多传感器的初始布置模式,采用该遗传神经网络方法可有效减少更多传感器的数量,从而降低成本。     

一种随机微粒群混合算法求解约束优化问题

将微粒群算法（Particle Swarm Optimization,PSO）与随机优化方法-Alopex算法相结合,提出一种随机微粒群混合算法（APSO）求解约束优化问题。该算法使PSO算法中微粒的飞行速度无记忆性,结合Alopex算法重新生成停止进化微粒的位置;采用双群体搜索机制,一个群体保存具有可行解的微粒,用APSO算法使微粒逐步搜索到最优解,另一个群体保存具有不可行解的微粒,并且可行解群体以一定的概率接受性能较优的不可行解微粒,这种简单的群体多样性机制使微粒能够快速、准确地找到位于约束边界上或附近的最优解。结果表明该算法寻优性能优良且具有较好的稳定性。