CN111199074A - 基于遗传算法的无人机机翼铺层优化方法 - Google Patents
基于遗传算法的无人机机翼铺层优化方法 Download PDFInfo
- Publication number
- CN111199074A CN111199074A CN201911358110.4A CN201911358110A CN111199074A CN 111199074 A CN111199074 A CN 111199074A CN 201911358110 A CN201911358110 A CN 201911358110A CN 111199074 A CN111199074 A CN 111199074A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- wing
- layer
- vehicle wing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明提供了一种基于遗传算法的无人机机翼铺层优化方法,包括以下步骤:S1,创建关于无人机机翼铺层角度的初代种群;S2,根据初代种群计算无人机机翼各铺层的应力值;S3,根据无人机机翼各铺层的应力值得到无人机机翼各铺层的适应度值;S4,根据无人机机翼各铺层的适应度值对初代种群进行重组,以得到次代种群;S5,利用得到的次代种群替代步骤S2‑S4中的初代种群,并重复步骤S2‑S4直至达到遗传算法的最大遗传次数。本发明能够较为简单快速地完成无人机机翼铺层优化。
Description
技术领域
本发明涉及无人机机翼设计技术领域,具体涉及一种基于遗传算法的无人机机翼铺层优化方法。
背景技术
在无人机的设计过程中,如何减轻无人机的重量一直是设计人员关心的问题。目前设计人员主要从两个方面解决这一问题,其中一方面是改进无人机的复合材料,例如在无人机的结构设计中使用碳纤维复合材料,另一方面是对无人机所使用的复合材料进行铺层优化,以减轻无人机的重量。
目前,在对无人机所使用的复合材料进行铺层优化设计中,通常将铺层厚度、铺层角度、铺层顺序作为设计变量,进行优化设计以达到减轻无人机重量的目的。但是目前的铺层优化方法大多计算复杂,难以有效地完成铺层优化工作。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的目的在于提出一种基于遗传算法的无人机机翼铺层优化方法,能够较为简单快速地完成无人机机翼铺层优化。
为达到上述目的,本发明实施例提出了一种基于遗传算法的无人机机翼铺层优化方法,包括以下步骤:S1,创建关于无人机机翼铺层角度的初代种群;S2,根据所述初代种群计算无人机机翼各铺层的应力值;S3,根据所述无人机机翼各铺层的应力值得到无人机机翼各铺层的适应度值;S4,根据所述无人机机翼各铺层的适应度值对所述初代种群进行重组,以得到次代种群;S5,利用得到的次代种群替代所述步骤S2-S4中的所述初代种群,并重复所述步骤S2-S4直至达到遗传算法的最大遗传次数。
根据本发明实施例的基于遗传算法的无人机机翼铺层优化方法,通过创建关于无人机机翼铺层角度的初代种群,根据所述初代种群计算无人机机翼各铺层的应力值,根据所述无人机机翼各铺层的应力值得到无人机机翼各铺层的适应度值,基于适应度值通过遗传算法对无人机机翼铺层进行优化,由此,能够较为简单快速地完成无人机机翼铺层优化。
另外,根据本发明上述实施例提出的基于遗传算法的无人机机翼铺层优化方法还可以具有如下附加的技术特征:
根据本发明的一个实施例,所述步骤S3包括:根据所述无人机机翼各铺层的应力值计算无人机机翼各铺层的强度值;根据所述无人机机翼各铺层的强度值得到无人机机翼各铺层的强度比值;选取所述无人机机翼各铺层的强度比值中最小的强度比值作为无人机机翼各铺层的适应值。
进一步地,根据所述无人机机翼各铺层的适应度值进行选择、交叉、变异操作以重组所述初代种群。
进一步地,通过MTALAB运用所述遗传算法对所述无人机机翼铺层进行优化。
进一步地,所述遗传算法包括约束条件,所述约束条件为所述无人机机翼铺层角度为所述无人机机翼的标准铺层角度。
进一步地,通过MTALAB调用ANSYS的APDL程序根据所述初代种群计算所述无人机机翼各铺层的应力值。
进一步地,通过Tsai-Wu失效准则计算所述无人机机翼各铺层的强度值,所述Tsai-Wu失效准则为:
其中,F为所述无人机机翼的结构的失效因子,σ1,σ2分别为所述无人机机翼的材料沿纤维方向的主应力和沿垂直于纤维方向的主应力,τ12为所述无人机机翼的材料在垂直于纤维方向且沿垂直于纤维方向的剪应力,Xt,Xc分别为所述无人机机翼参数化模型的材料在纤维方向拉伸强度极限和纤维方向压缩强度极限,Yt,Yc分别为所述无人机机翼参数化模型的材料在垂直纤维方向拉伸强度和垂直纤维方向压缩强度极限,S为所述无人机机翼参数化模型的剪切强度极限。
进一步地,通过适应度函数计算所述无人机机翼各铺层的适应度值,所述适应度函数为:
G(i)=min(R(i))
其中,G为所述无人机机翼各铺层的适应度值,R为所述无人机机翼各铺层的强度比值,i为所述无人机机翼的铺层,i=1,2,...,n。
进一步地,所述无人机机翼铺层优化的目标函数为:
min m(X1r,X1t,X2r,X2t,θa,θb)
其中,m为所述无人机机翼的质量,x1r,x1t分别为所述无人机机翼的中前翼梁在翼根面、翼梢面的横坐标,x2r,x2t分别为所述无人机机翼的中后翼梁在翼根面、翼梢面的横坐标,θa为所述无人机机翼的上蒙皮壁板和下蒙皮壁板的铺层角度,θb为所述无人机机翼的翼肋和翼梁的铺层角度
附图说明
图1为本发明实施例的基于遗传算法的无人机机翼铺层优化方法的流程图;
图2为本发明一个实施例的无人机机翼质量与迭代次数的关系图;
图3为本发明一个具体实施例的无人机机翼模型图;
图4为本发明一个具体实施例的基于遗传算法的无人机机翼铺层优化方法的流程图;
图5(a)为本发明一个具体实施例的无人机机翼铺层优化前的等效应力云图;
图5(b)为本发明一个具体实施例的无人机机翼铺层优化后的等效应力云图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例的基于遗传算法的无人机机翼铺层优化方法的流程图。
如图1所示,本发明实施例的基于遗传算法的无人机机翼铺层优化方法,包括以下步骤:
S1,创建关于无人机机翼铺层角度的初代种群。
具体地,可通过MATLAB创建关于无人机机翼铺层角度的初代种群,即关于无人机机翼每一层的铺层角度的集合。
S2,根据初代种群计算无人机机翼各铺层的应力值。
具体地,可通过MATLAB调用ANSYS的APDL程序根据初始种群中无人机机翼铺层角度,分析计算得到无人机机翼每一层的应力值。
S3,根据无人机机翼各铺层的应力值得到无人机机翼铺层的适应度值。
具体地,可先根据无人机机翼各铺层的应力值计算无人机机翼各铺层的强度值;然后根据无人机机翼各铺层的强度值得到无人机机翼各铺层的强度比值;最后选取无人机机翼各铺层的强度比值中最小的强度比值作为无人机机翼铺层的适应值。其中,无人机机翼各铺层的强度值小于最大许用强度值。
更具体地,可通过Tsai-Wu失效准则判断无人机机翼各铺层的强度值:
其中,F为无人机机翼的结构的失效因子,σ1,σ2分别为无人机机翼的材料沿纤维方向的主应力和沿垂直于纤维方向的主应力,τ12为无人机机翼的材料在垂直于纤维方向且沿垂直于纤维方向的剪应力,Xt,Xc分别为无人机机翼参数化模型的材料在纤维方向拉伸强度极限和纤维方向压缩强度极限,Yt,Yc分别为无人机机翼参数化模型的材料在垂直纤维方向拉伸强度和垂直纤维方向压缩强度极限,S为无人机机翼参数化模型的剪切强度极限。
通过无人机机翼的结构的失效因子F能够判断无人机机翼的材料的失效情况,具体地,若无人机机翼的结构的失效因子F=1,则表示无人机机翼的材料处于临界状态;若无人机机翼的结构的失效因子F>1,则表示无人机机翼的材料发生破坏;若无人机机翼的结构的失效因子F<1,则表示无人机机翼的材料未发生破坏。
其中,强度比值最小的无人机机翼铺层为最先失效,因此选取无人机机翼各铺层的强度比值中的最小值作为无人机机翼铺层的适应值。
进一步地,可通过适应度函数计算无人机机翼铺层的适应度值:
G(i)=min(R(i))
其中,G为无人机机翼铺层的适应度值,R为无人机机翼各铺层的强度比值,i为无人机机翼的铺层,i=1,2,...,n。
S4,根据无人机机翼铺层的适应度值对初代种群进行重组,以得到次代种群。
具体地,可根据无人机机翼铺层的适应度值进行选择、交叉、变异操作以重组初代种群,将适应值大于设定阈值的个体,即对应的无人机机翼铺层角度保留下来以组成次代种群。
S5,利用得到的次代种群替代步骤S2-S4中的初代种群,并重复步骤S2-S4直至达到遗传算法的最大遗传次数。
具体地,在根据遗传算法对每一代种群进行迭代运算时,可得到相应的无人机机翼铺层角度与无人机机翼铺层优化的目标函数值,同时得到相应的遗传次数,即迭代运算时的迭代次数与无人机机翼铺层优化的目标函数值的关系。
其中,无人机机翼铺层优化的目标函数为:
min m(X1r,X1t,X2r,X2t,θa,θb)
其中,m为无人机机翼的质量,x1r,x1t分别为无人机机翼的中前翼梁在翼根面、翼梢面的横坐标,x2r,x2t分别为无人机机翼的中后翼梁在翼根面、翼梢面的横坐标,θa为无人机机翼的上蒙皮壁板和下蒙皮壁板的铺层角度,θb为无人机机翼的翼肋和翼梁的铺层角度。
通过该无人机机翼铺层优化的目标函数,能够得到无人机机翼铺层优化的目标函数值,即无人机机翼质量与迭代运算的迭代次数的关系,具体地如图2所示。进一步地,通过图2可知,在遗传算法迭代50次后,无人机机翼质量趋于稳定,即在遗传算法迭代50次时,可完成无人机机翼轻量化的目标,得到无人机机翼最轻量时对应的无人机机翼铺层角度。
需要说明的是,在本发明中通过遗传算法根据无人机机翼铺层角度对无人机机翼铺层优化时,还需要对遗传算法设置对应的约束条件,即无人机机翼的标准铺层角度,具体地该无人机机翼的标准铺层角度可包括0°、±45°、90°,同时该无人机机翼的标准铺层角度可在MATLAB中采用整数编码形式进行表达,例如可分别用[0/1/2/3]对应表达无人机机翼的标准铺层角度[-45°/0°/45°/90°]。此外,上述步骤均可通过MATLAB在计算机中完成,能够保证计算过程快速准确。
根据本发明实施例提出的基于遗传算法的无人机机翼铺层优化方法,通过创建关于无人机机翼铺层角度的初代种群,根据所述初代种群计算无人机机翼各铺层的应力值,根据所述无人机机翼各铺层的应力值得到无人机机翼各铺层的适应度值,基于适应度值通过遗传算法对无人机机翼铺层进行优化,由此,能够较为简单快速地完成无人机机翼铺层优化。
下面将选取无人机机翼上蒙皮壁板铺层角度、下蒙皮壁板铺层角度、翼肋铺层角度、翼梁铺层角度作为变量,并根据该变量构建图3所示的无人机机翼模型,然后根据本发明的基于遗传算法的无人机机翼铺层优化方法具体对图3所示的无人机机翼模型进行铺层优化,以阐述本发明的基于遗传算法的无人机机翼铺层优化方法的实用性。此外,还同时选择了无人机机翼的前翼梁在翼根面、翼梢面的横坐标作为变量。
具体地,如图4所示,根据无人机机翼上蒙皮壁板铺层角度、下蒙皮壁板铺层角度、翼肋铺层角度、翼梁铺层角度对无人机机翼铺层进行优化,包括以下步骤:
S10,通过MTALAB创建关于无人机机翼上蒙皮壁板铺层角度、下蒙皮壁板铺层角度、翼肋铺层角度、翼梁铺层角度的初始种群,并输入步骤S11。
S11,通过MTALAB调用ANSYS的APDL程序根据输入的种群计算无人机机翼各铺层的应力值。
S12,通过MTALAB根据步骤S11得出的应力值计算无人机机翼铺层的适应度值。
S13,根据无人机机翼的适应度值对输入的种群进行重组。
S14,判断是否达到遗传算法的最大遗传次数。若是,则执行步骤S15;若否,则执行步骤S16。
S15,输出无人机机翼最优铺层。
S16,将重组的种群输入步骤S11。
综上所述,可得到无人机机翼铺层优化结果,并可将该无人机机翼铺层优化结果统一输入表1。
表1
进一步地,根据表1所示的无人机机翼铺层优化结果可得到无人机机翼铺层优化后的最大应力值,并将其与无人机机翼铺层优化前的最大应力值统一输入表2。
无人机机翼铺层优化前的最大应力值 | 无人机机翼铺层优化后的最大应力值 |
19.4004MPa | 12.405MPa |
表2
通过表2能够得出无人机机翼铺层优化后的最大应力降幅为6.9954MPa,降幅比例接近无人机机翼铺层优化前的最大应力值的三分之一。
同时,根据表1所示的无人机机翼铺层优化结果还可得到图5(a)所示的无人机机翼铺层优化后的等效应力云图,通过与图5(b)所示的无人机机翼铺层优化前的等效应力云图比较,可看出无人机机翼铺层优化后结构更加稳定。
综上所述,根据本发明的基于遗传算法的无人机机翼铺层优化方法,能够使得无人机机翼在铺层优化后具有明显的最大应力降幅和更为稳定的结构,从而能够说明本发明的基于遗传算法的无人机机翼铺层优化方法的实用性。
在本发明中,除非另有明确的规定和限定,术语“相连”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于遗传算法的无人机机翼铺层优化方法,其特征在于,包括以下步骤:
S1,创建关于无人机机翼铺层角度的初代种群;
S2,根据所述初代种群计算无人机机翼各铺层的应力值;
S3,根据所述无人机机翼各铺层的应力值得到无人机机翼各铺层的适应度值;
S4,根据所述无人机机翼各铺层的适应度值对所述初代种群进行重组,以得到次代种群;
S5,利用得到的次代种群替代所述步骤S2-S4中的所述初代种群,并重复所述步骤S2-S4直至达到遗传算法的最大遗传次数。
2.根据权利要求1所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,所述步骤S3包括:
根据所述无人机机翼各铺层的应力值计算无人机机翼各铺层的强度值;
根据所述无人机机翼各铺层的强度值得到无人机机翼各铺层的强度比值;
选取所述无人机机翼各铺层的强度比值中最小的强度比值作为无人机机翼各铺层的适应值。
3.根据权利要求1所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,其中,根据所述无人机机翼各铺层的适应度值进行选择、交叉、变异操作以重组所述初代种群。
4.根据权利要求3所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,其中,通过MTALAB运用所述遗传算法对所述无人机机翼铺层进行优化。
5.根据权利要求4所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,其中,所述遗传算法包括约束条件,所述约束条件为所述无人机机翼铺层角度为所述无人机机翼的标准铺层角度。
6.根据权利要求5所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,其中,通过MTALAB调用ANSYS的APDL程序根据所述初代种群计算所述无人机机翼各铺层的应力值。
7.根据权利要求6所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,其中,通过Tsai-Wu失效准则计算所述无人机机翼各铺层的强度值,所述Tsai-Wu失效准则为:
其中,F为所述无人机机翼的结构的失效因子,σ1,σ2分别为所述无人机机翼的材料沿纤维方向的主应力和沿垂直于纤维方向的主应力,τ12为所述无人机机翼的材料在垂直于纤维方向且沿垂直于纤维方向的剪应力,Xt,Xc分别为所述无人机机翼参数化模型的材料在纤维方向拉伸强度极限和纤维方向压缩强度极限,Yt,Yc分别为所述无人机机翼参数化模型的材料在垂直纤维方向拉伸强度和垂直纤维方向压缩强度极限,S为所述无人机机翼参数化模型的剪切强度极限。
8.根据权利要求7所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,其中,通过适应度函数计算所述无人机机翼各铺层的适应度值,所述适应度函数为:
G(i)=min(R(i))
其中,G为所述无人机机翼各铺层的适应度值,R为所述无人机机翼各铺层的强度比值,i为所述无人机机翼的铺层,i=1,2,...,n。
9.根据权利要求8所述的基于遗传算法的无人机机翼铺层优化方法,其特征在于,其中,所述无人机机翼铺层优化的目标函数为:
min m(X1r,X1t,X2r,X2t,θa,θb)
其中,m为所述无人机机翼的质量,x1r,x1t分别为所述无人机机翼的中前翼梁在翼根面、翼梢面的横坐标,x2r,x2t分别为所述无人机机翼的中后翼梁在翼根面、翼梢面的横坐标,θa为所述无人机机翼的上蒙皮壁板和下蒙皮壁板的铺层角度,θb为所述无人机机翼的翼肋和翼梁的铺层角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358110.4A CN111199074A (zh) | 2019-12-25 | 2019-12-25 | 基于遗传算法的无人机机翼铺层优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358110.4A CN111199074A (zh) | 2019-12-25 | 2019-12-25 | 基于遗传算法的无人机机翼铺层优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111199074A true CN111199074A (zh) | 2020-05-26 |
Family
ID=70746782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911358110.4A Pending CN111199074A (zh) | 2019-12-25 | 2019-12-25 | 基于遗传算法的无人机机翼铺层优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199074A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844664A (zh) * | 2017-11-23 | 2018-03-27 | 江苏理工学院 | 一种应用于单层板铺层角度的优化设计方法 |
CN107992657A (zh) * | 2017-11-23 | 2018-05-04 | 江苏理工学院 | 一种满足复合材料铺层准则的层合板优化设计方法 |
CN109190262A (zh) * | 2018-09-10 | 2019-01-11 | 中山大学 | 六旋翼无人机机身铺层设计方法 |
-
2019
- 2019-12-25 CN CN201911358110.4A patent/CN111199074A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844664A (zh) * | 2017-11-23 | 2018-03-27 | 江苏理工学院 | 一种应用于单层板铺层角度的优化设计方法 |
CN107992657A (zh) * | 2017-11-23 | 2018-05-04 | 江苏理工学院 | 一种满足复合材料铺层准则的层合板优化设计方法 |
CN109190262A (zh) * | 2018-09-10 | 2019-01-11 | 中山大学 | 六旋翼无人机机身铺层设计方法 |
Non-Patent Citations (1)
Title |
---|
郭学伟: "《复合材料无人机机翼结构的轻量化优化研究》" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106874573B (zh) | 一种分区变厚度复合材料层合板的设计方法 | |
US8181345B2 (en) | Method for optimizing the mass of a composite panel | |
Schramm et al. | Recent developments in the commercial implementation of topology optimization | |
CN106126832B (zh) | 一种复合材料层合板非概率可靠性双层级优化方法 | |
CN108009323B (zh) | 一种基于多工况失效载荷的复合材料结构不确定优化方法 | |
CN105760619B (zh) | 一种考虑疲劳可靠性的复合材料铺层优化设计方法 | |
CN111191401B (zh) | 高超声速飞行器气动/控制/结构多学科协同优化方法 | |
CN107844664A (zh) | 一种应用于单层板铺层角度的优化设计方法 | |
CN108491576B (zh) | 一种复合材料机翼开口补强的优化设计方法 | |
CN107016182A (zh) | 一种复合材料舱门优化方法 | |
Peeters et al. | High-fidelity finite element models of composite wind turbine blades with shell and solid elements | |
Carini et al. | Aerodynamic analysis and optimization of a boxwing architecture for commercial airplanes | |
CN104229155A (zh) | 考虑屈曲约束与铺层顺序的复合材料机翼壁板铺层确定方法 | |
CN110866353B (zh) | 基于应变邻域的飞机复合材料结构优化方法 | |
CN107748937B (zh) | 一种基于moead的比例区间偏好引导多目标决策优化方法 | |
CN111199074A (zh) | 基于遗传算法的无人机机翼铺层优化方法 | |
Bordogna et al. | Aeroelastic tailoring for static and dynamic loads with blending constraints | |
Zein et al. | A repair operator for the preliminary design of a composite structure using genetic algorithms | |
Chedrik et al. | Structural design of aircraft wing based on topology and global-local optimization | |
CN111125958A (zh) | 应用于cfrp无人机机翼的结构材料一体化设计方法 | |
Hou et al. | Multilevel optimisation method for vehicle body in conceptual design | |
Yang et al. | Optimum design based on reliability for a composite structural system | |
CN113868761A (zh) | 一种复合材料翼面蒙皮优化设计方法 | |
Baranovski et al. | STRUCTURALLY OPTIMIZED POLYMER COMPOSITE WING DESIGN. PART 2: TOW-STEERED COMPOSITE | |
Lu et al. | Optimization of crenellation patterns for fatigue crack retardation via genetic algorithm and the reduction in computational cost |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |