题目：飞行器概念设计参数化建模与 智能支持技术研究

飞行器概念设计作为飞行器设计的初始阶段，对飞行器的全寿命周期成本有着关键性的影响，甚至决定着一个设计项目的成败。随着设计要求的不断提高和相关学科的飞速发展，从设计的方法和工具等方面对概念设计进行研究已经成为设计中的迫切需要，也推动该学科的不断发展。 本文从概念设计中的参数化建模和智能支持两个方向展开研究。在考察计算机辅助飞行器概念设计系统的开发与应用现状的基础上，提出在直升机概念设计阶段，以部件特征为基础，对部件整体进行参数化建模，可以较快的生成体现设计意图、满足概念设计需求的直升机方案。另一方面，对人工智能在概念设计阶段的应用进行概述，提出用改进的神经网络进行直升机的参数选择，利用多Agent技术对飞机的机身外形进行优化，并对这些智能支持方法和技术通过示例进行了验证。具体而言，论文的研究可归纳如下： 在分析直升机部件外形特征的基础上，提出直升机概念设计阶段部件的分类方法。将基于特征的参数化建模方法用于直升机的部件建模，并应用B样条曲线和NURBS曲面对部件进行显示。论文详细阐述了旋翼桨叶、桨毂、整流罩、机身、常规尾桨以及涵道尾桨的描述方法，给出了通过该方法实现的快速造型部件的示例。应用以上方法构建了计算机辅助直升机方案造型系统，可对所建立的直升机部件和整机的隐身性能进行计算。通过几个典型初始方案的造型，验证了所用方法的便捷性和有效性，该方法也为进行设计方案的性能分析和优化等后续工作奠定了基础。 讨论了直升机初始设计阶段的参数选择方法，提出神经网络在通用性和精度上比传统的估算方法有很多优势。分析了神经网络中应用最为广泛的BP（Back Propagation，简称BP）网络的结构和运行特点，对其存在的缺点进行了总结。将遗传算法与BP神经网络结合，对标准BP网络进行改进，提出了混合式编码方法、混合式选择算子、混合式交叉算子和混合式变异算子，利用遗传算法优化三层神经网络的结构和连接权值。利用优化后的网络结合已有直升机数据对直升机的主旋翼直径和弦长进行估算，结果表明这种方法不但可以给出一个最优的神经网络结构和连接权重，而且降低了估算误差，具有及时应用最新数据学习的能力，从而也验证了该方法用于直升机概念设计中的有效性和可行性。 分析了飞机方案外形优化的发展状况及采用的技术，并针对应用中存在的问题，提出了一个基于多Agent系统的机身外形优化模型，并将其用于飞机概念设计阶段的机身多学科优化中。该模型继承了多Agent系统的自主、协作等优点，并且结合了机身段和机身剖面的建模方法，提出并定义了不同类型的Agent及其功能，对各类Agent选用了不同的协调方式及协调规则。作为对模型的验证，针对一个战斗机方案多学科优化设计的算例,给出了机身外形中各Agent的协调过程。优化结果表明这一模型在优化过程中能有效地减少机身的优化变量，缩短了计算时间。不仅如此，由于各Agent之间的自主协调避免了复杂机身外形在优化中产生扭曲，从而增加了可行解的数量。此外，通过一个机身、机翼和垂尾外形优化的算例，说明了将该模型用于整机外形优化的可行性。 总之，论文针对直升机和飞机概念设计的参数化建模和智能支持技术提出了新方法和新思路，并通过示例验证了所提方法的有效性，为进一步的研究奠定了基础。