一种飞行器系统余度配置优化方法

摘要

本发明提供了一种飞行器系统余度配置优化方法，首先确定机载设备设计目标及约束条件，并固化为数学模型或仿真模型，模型输入参数需要包括不同机载设备或其内部部件的余度参数；然后把每个设计目标模型作为NSGA‑II算法的适应度函数，每个设计约束条件作为NSGA‑II算法的输入，余度参数作为决策变量；之后对决策变量进行编码，判断约束条件是否满足，满足则计算适应度函数，对种群进行选择、交叉、变异并进行非支配排序；最后进行拥挤度计算，直到达到终止条件，此时获得最优余度配置向量集合，通过用户依据实际需要进行选取，最终获得最优余度配置方案。

主权项

一种飞行器系统余度配置优化方法，所述优化方法基于NSGA‑II算法，其特征在于，包括以下步骤：步骤一，确定机载设备的设计目标及约束条件，将所述设计目标固化为数学模型或仿真模型，所述数学模型或仿真模型的输入参数包括不同机载设备的余度参数或该机载设备内部组成单元的余度参数；步骤二，将每个所述数学模型或仿真模型均作为NSGA‑II算法的适应度函数，将每个所述约束条件作为NSGA‑II算法的输入，将所述余度参数作为决策变量；步骤三，对决策变量进行编码，然后判断决策变量的约束条件是否满足，所属约束条件包括第一约束条件，第一约束条件为余度参数是整数，若满足约束条件则计算每个适应度函数；其中适应度函数即优化目标，有时候优化目标可能有多个，也就是多个适应度函数，每个适应度函数都需要计算一遍；步骤四，对个体进行选择、交叉、变异，并进行非支配排序；选择的标准是选择通过适应度函数算出的优化目标的最大值；交叉过程中的交叉算子采用拉普拉斯算子，通过公式(1)对交叉过程进行控制，${\beta }_i=\left\{\begin{array}{c}a-blog\left({\mu }_i\right),{\mu }_i\le 1/2\\ a+blog\left({\mu }_i\right),{\mu }_i>1/2\end{array}\right.---\left(1\right);$ 公式(1)中β_i为随机变量，a为位置参数，b为尺度参数，μ_i为服从0～1均匀分布的随机数，将β_i代入公式(2)中，通过公式(2)对个体进行交叉，$\left\{\begin{array}{c}{y}_i^1=x_i^1+{\beta }_i|x_i^1-x_i^2|\\ y_i^2=x_i^2+{\beta }_i|x_i^1-x_i^2|\end{array}\right.---\left(2\right);$ 公式(2)中x是父代，y是子代，xi是父代决策变量，yi是子代决策变量，xi和yi的上标1和上标2代表从父代个体种群中任意选择的两个中的第一个个体和第二个个体；变异过程中的变异算子采用幂函数算子，通过公式(3)进行变异，$x=\left\{\begin{array}{c}\bar{x}-s(\bar{x}-x^l),t<r\\ \bar{x}+s(x^u-\bar{x}),t\ge r\end{array}\right.---\left(3\right);$公式(3)中x^u是决策变量的上界，x^l是决策变量的下界，r是服从0～1均匀分布的随机变量，t为决策变量均值与极大极小值的关系，并且s为利用幂函数生成的随机变量s＝(s₁)^p，其中p为变异强度，且p为整数，s1为调节变异强度的随机数；步骤五，若未达到终止条件，则对种群进行拥挤度计算，选择拥挤度满足设定标准的个体，然后返回步骤三，若达到终止条件则得到最优余度配置集合； 步骤六，通过F值评判标准对最优余度配置集合进行评判并选出F值最高的余度配置方案，F值评判标准的公式如公式(4)所示，$F=\frac{\underset{i=1}{\overset{n}{\Pi }}{G}_i}{\underset{i=1}{\overset{n}{\Sigma }}{G}_i}---\left(4\right);$ 公式(4)中F值为余度值，Gi为第i个优化目标经过正则化后的值，n为优化目标的总数。