提出了一种基于Alpha stable分布的新型变异方法。针对粒子群算法容易陷入局部最优的缺点,通过对比分析确定了一种调整Alpha stable分布的稳态系数动态变异策略,使粒子群算法能够在搜索初始阶段具有更强的种群多样性以及算法探索能力,减少陷入局部最优的可能;在算法末期增强粒子群优化算法的局部搜索能力,提高解的精度。将基于Alpha stable变异的粒子群优化算法(Alpha stable particle swarm optimization, ASPSO)与多种改进型粒子群优化算法以及差分进化算法(differential evolution algorithm, DE)进行了比较,基准测试函数结果表明新建立的ASPSO算法极大地提高了算法的收敛速度和精度。将其应用到RAE2822翼型的单点跨声速减阻优化中,在保持种群规模等参数相同的情形下,ASPSO算法的优化效果和效率都远高于传统PSO算法,最终得到的翼型也比PSO优化的翼型具有更高的升阻比,翼...

飞行器气动隐身多目标优化设计存在计算代价过大的问题,亟需一种高效的优化设计方法来解决此类问题。以某型无人机为设计对象,采用自由曲面变形(FFD)方法实现飞翼布局的参数化表达,分别采用基于雷诺平均N灢S方程的计算流体力学方法、大面元物理光学法和一致性几何绕射理论相互配合来计算边缘绕射场的RCS,进而计算飞翼布局无人机的气动、隐身性能;选择结合基于动态超体积期望改善(EHVI)加点的动态Kriging代理模型与ASMOPSO算法的高效多目标粒子群算法对飞翼布局无人机进行综合寻优设计。在较少地调用真实目标函数的情况下,获得了比较优秀的Pareto前沿,表明优化后的飞翼布局无人机在气动及隐身方面均优于原始构型。

多目标的粒子群算法(MOPSO)在各个领域的优化设计中得到了广泛应用及改进,但是目前仍然存在着在进化后期容易陷入局部最优导致收敛精度低、解的多样性差等问题。引入α-stable分布理论,发展建立了一种新的基于α-stable动态变异的多目标粒子群优化算法(ASMOPSO)。通过α-stable分布生成随机数对PSO算法的种群进行变异操作,增加种群的多样性,在算法中动态调整稳定性系数α实现变异范围和幅度的变化,从而使得改进的ASMOPSO算法具有兼顾计算精度和全局寻优的能力。使用ZDT系列无约束函数和带约束的Tanaka及Srinivas函数对改进前后的算法进行了测试,结果显示出了ASMOPSO算法的快速全局寻优性能。将改进后的算法应用到RAE2822跨音速翼型的减阻和力矩绝对值不增大的综合优化中,得到了较好的多目标气动优化结果。

针对无附面层隔道超声速进气道(DSI)气动隐身多目标优化设计问题,以DSI进气道三维鼓包压缩面(bump)为设计对象,开展DSI的气动、隐身多目标优化设计研究。采用自由曲面变形(FFD)方法实现DSI进气道bump面的参数化表达;分别采用基于雷诺平均N-S方程的计算流体力学方法(CFD)及大面元物理光学法(LEPO)配合一致性几何绕射理论(UTD)计算边缘绕射场的RCS分析方法计算DSI进气道的气动、隐身性能;选择结合基于动态超体积期望改善(EHVI)加点的动态Kriging代理模型与ASMOPSO算法的高效多目标粒子群算法对DSI进气道进行综合寻优设计研究。在较少的调用真实目标函数的情况下,获得了比较优秀的Pareto前沿,通过对所选解的分析比较可知优化后的DSI进气道在气动及隐身方面均优于原始构型。