导读:本文包含了高超声速试飞器系统论文开题报告文献综述及选题提纲参考文献，主要关键词:高超飞行器,试飞器,基于分解的多目标进化算法,敏感稳健性
高超声速试飞器系统论文文献综述
范培蕾,杨涛,张晓今[1]（2010）在《高超声速试飞器系统的多目标优化设计》一文中研究指出为了将高超飞行器可靠地运载至理想工作条件,满足"平坦"型试验弹道和入轨点的约束要求,在详细分析系统气动力特性、动力特性、结构特性、质量特性的基础上,以起飞质量、高超动力飞行段射程倒数为目标函数,建立了试飞器系统的多目标优化模型,并采用MOEA/D算法进行求解计算,在综合分析系统敏感稳健性的基础上,确定最终优化方案。结果表明:最终优化方案在满足约束要求的前提下,其起飞质量大幅度降低,高超声速动力飞行段射程(R2-R1)增加较多,验证了对试飞器系统进行多目标优化的必要性和合理性。(本文来源于《宇航学报》期刊2010年04期）
范培蕾[2]（2009）在《多目标优化方法及其在高超声速试飞器系统中的应用研究》一文中研究指出随着高超声速推进理论的不断深入,用于验证高超飞行器空中工作性能的高超声速飞行试验日益成为世界各国大力发展的重点方向。而设计综合性能最优的高超声速试飞器系统是保证试验可靠性与成功率的关键因素,因此,系统分析与设计过程中的多目标优化问题得到了诸多研究人员的普遍关注。本文以高超声速试飞器系统为应用对象,在综合考虑多项性能指标的同时,系统开展了多目标优化方法及其应用研究,取得了相应的研究成果。(1)在综述多目标进化机制的基础上,分析比较了常用的MOEA算法,构造分析了不同类型的测试函数,研究了算法性能评价方法。(2)研究了MOPSO算法。混沌变异机制引入到PSO算法中,克服了进化过程中出现的早熟收敛现象,改进了PSO算法的全局寻优能力;并将混沌变异机制应用于MOPSO算法,结合无变异机制的MOPSO算法,提出了分组MOPSO算法,解决了优化计算易陷入局部最优区域的问题;针对分布性与收敛性相互冲突而难以达到最优的难题,采用角度坐标方法与辅助适应度策略,提出了IMOPSO算法,更适合于飞行器系统等复杂优化问题的求解计算。(3)对Pareto最优解进行了深入分析。首先,建立了不同设计准则下的偏好函数模型,根据优化目标的取值范围确定了偏好区间;接着,依据优化目标的灵敏度分析,提出了Pareto最优解改进计算方法,给系统设计人员提供了更多满足偏好要求的候选解;最后,将目标总损失量作为方案稳健性指标融入决策过程,提出了基于目标总损失量择优的多目标决策方法,具有较强的工程应用性。(4)对高超声速试飞器系统进行了多目标优化设计研究。首先,概述了高超声速试飞器系统及其功能,确定了技术指标及结构组成;然后,对系统进行了多目标优化分析,研究了进行多目标优化设计的方法与思路;最后,开展了多目标优化方法在高超声速试飞器系统中的应用研究,包括:在详细分析动力模型、空气动力学模型、质量与结构模型、弹道计算模型等学科设计模型的基础上,以起飞质量、高超声速动力飞行段射程为目标函数,进行了多目标优化设计与决策分析,验证了进行多目标优化设计的必要性和合理性。(5)结合工程实际情况,研究了不确定因素影响下高超声速试飞器系统的多目标优化设计问题。在不确定多目标优化理论的基础上,综合考虑各学科设计模型中的诸多不确定性因素,建立了试飞器系统不确定多目标优化模型,采用基于概率支配关系的UC-IMOPSO算法进行进化计算,获得了稳健可靠的最终设计方案;并针对无控飞行方式下由不确定因素引起的弹道参数偏差较大的问题,提出了高度修正算法,提高了高超飞行器在正常工作动压范围内飞行的概率。本文工作是多目标优化方法在航天领域的一个典型应用,为其他具有不同试验任务的飞行器系统的优化设计提供了分析方法与研究思路。(本文来源于《国防科学技术大学》期刊2009-09-01）
高超声速试飞器系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着高超声速推进理论的不断深入,用于验证高超飞行器空中工作性能的高超声速飞行试验日益成为世界各国大力发展的重点方向。而设计综合性能最优的高超声速试飞器系统是保证试验可靠性与成功率的关键因素,因此,系统分析与设计过程中的多目标优化问题得到了诸多研究人员的普遍关注。本文以高超声速试飞器系统为应用对象,在综合考虑多项性能指标的同时,系统开展了多目标优化方法及其应用研究,取得了相应的研究成果。(1)在综述多目标进化机制的基础上,分析比较了常用的MOEA算法,构造分析了不同类型的测试函数,研究了算法性能评价方法。(2)研究了MOPSO算法。混沌变异机制引入到PSO算法中,克服了进化过程中出现的早熟收敛现象,改进了PSO算法的全局寻优能力;并将混沌变异机制应用于MOPSO算法,结合无变异机制的MOPSO算法,提出了分组MOPSO算法,解决了优化计算易陷入局部最优区域的问题;针对分布性与收敛性相互冲突而难以达到最优的难题,采用角度坐标方法与辅助适应度策略,提出了IMOPSO算法,更适合于飞行器系统等复杂优化问题的求解计算。(3)对Pareto最优解进行了深入分析。首先,建立了不同设计准则下的偏好函数模型,根据优化目标的取值范围确定了偏好区间;接着,依据优化目标的灵敏度分析,提出了Pareto最优解改进计算方法,给系统设计人员提供了更多满足偏好要求的候选解;最后,将目标总损失量作为方案稳健性指标融入决策过程,提出了基于目标总损失量择优的多目标决策方法,具有较强的工程应用性。(4)对高超声速试飞器系统进行了多目标优化设计研究。首先,概述了高超声速试飞器系统及其功能,确定了技术指标及结构组成;然后,对系统进行了多目标优化分析,研究了进行多目标优化设计的方法与思路;最后,开展了多目标优化方法在高超声速试飞器系统中的应用研究,包括:在详细分析动力模型、空气动力学模型、质量与结构模型、弹道计算模型等学科设计模型的基础上,以起飞质量、高超声速动力飞行段射程为目标函数,进行了多目标优化设计与决策分析,验证了进行多目标优化设计的必要性和合理性。(5)结合工程实际情况,研究了不确定因素影响下高超声速试飞器系统的多目标优化设计问题。在不确定多目标优化理论的基础上,综合考虑各学科设计模型中的诸多不确定性因素,建立了试飞器系统不确定多目标优化模型,采用基于概率支配关系的UC-IMOPSO算法进行进化计算,获得了稳健可靠的最终设计方案;并针对无控飞行方式下由不确定因素引起的弹道参数偏差较大的问题,提出了高度修正算法,提高了高超飞行器在正常工作动压范围内飞行的概率。本文工作是多目标优化方法在航天领域的一个典型应用,为其他具有不同试验任务的飞行器系统的优化设计提供了分析方法与研究思路。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高超声速试飞器系统论文参考文献
[1].范培蕾,杨涛,张晓今.高超声速试飞器系统的多目标优化设计[J].宇航学报.2010
[2].范培蕾.多目标优化方法及其在高超声速试飞器系统中的应用研究[D].国防科学技术大学.2009
标签：高超飞行器; 试飞器; 基于分解的多目标进化算法; 敏感稳健性;