非圆截面弹体气动隐身一体化设计方法

从非圆截面弹体气动和隐身设计要求出发,根据多目标优化的基本概念,将Pareto方法与遗传优化搜索相结合,采用了联赛式选择复制算子、小生境技术和Pareto解集过滤器技术使解集具有较好分布特性,并在此基础上应用了旨在提高优化计算效率的响应面方法.通过采用基于N-S方程的数值求解方法计算弹体气动性能,采用物理光学法和物理绕射理论来计算其雷达散射截面积,实现了基于Pareto遗传算法的非圆截面弹体气动与隐身两个目标函数间的折衷与优化,取得了较好的优化设计结果.     

临近空间飞艇外形优化设计与仿真

以临近空间飞艇为对象,针对传统外形设计方法中存在的问题,提出了新的优化设计方法,搭建了流程框架,编制了优化程序。首先研究了遗传算法及多学科设计理论,进而在此基础上建立了飞艇阻力、体面比、应力模型,利用多学科设计理念对飞艇气动、结构、强度进行了一体化设计。其次将遗传算法引入到优化设计当中,并利用Matlab和Fluent开展了联合仿真研究。最后结合实际应用需求进行了算例分析,验证了该方法的可行性和效果。     

基于Pareto遗传算法的复合材料机翼优化设计

针对某型飞机设计过程中遇到的副翼反效问题,提出了复合材料机翼满足气动弹性要求的优 化方法,构造了一种基于Pareto最优解定义的多目标遗传算法——Pareto遗传算法.该算法 以权重信息为基础建立Pareto解集过滤器,引入小生境技术等实现Pareto前沿面的求解.测 试函数计算表明该算法有较好的收敛性.以复合材料机翼的升力系数和滚转力矩系数为目标 函数,采用Pareto遗传算法进行计算得出一组Pareto最优解集,计算结果表明,给出的方案 能够满足工程需求,为决策者提供了多种可选方案.      

改进遗传算法在飞机总体参数优化中的应用

基于飞机总体参数设计中的多目标优化问题,提出了改进的多目标遗传算法.算法围绕Pareto最优解的概念,利用遗传算法的内在并行性,设法求取多目标优化问题的"Pareto前沿".将不同的改进遗传算法应用于同一干线客机总体参数优化设计中,要求巡航升阻比和有效载荷系数两个目标达到最大,并对各种算法所得的结果进行综合分析与比较,结果显示:基于Pareto排序的多目标优化算法(NSGA,Non-dominated Sorting Genetic Algorithm)的Pareto解最优,可以支配改进的向量评价遗传算法(VEGA,Vector-Evaluated Genetic Algorithm)和随机权重遗传算法(RWGA,Random-Weight Genetic Algorithm)的结果;而VEGA和RWGA的结果互有优劣.      

飞翼布局飞机控制/气动/隐身多学科优化设计

飞翼布局是先进飞机广泛应用的布局形式.飞翼布局飞机总体设计阶段不仅要考虑其隐身和气动要求,还必须高度重视控制系统的影响.以飞翼布局飞机为对象,研究控制、气动与隐身多学科优化的策略和方法.建立了适合在各学科的子空间进行多目标优化的流程,基于学科分析分配各个子空间的设计变量,并通过变量综合形成系统级的设计变量.在优化过程中,综合采用了改进的遗传算法和近似模型构造方法.针对飞翼布局飞机的特点,采用基于控制分配的控制系统结构,以时域指标作为控制学科的优化目标和约束条件.优化结果验证了所用方法的有效性,为将控制学科纳入飞翼布局飞机多学科优化提供了可行的途径.     

按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.     

升力体式浮升混合飞艇多学科设计优化

升力体式混合飞艇是全球远距离大载重运输的重要选择,随着全球贸易的发展,逐渐成为国内外的研究热点。作为航空宇航技术、新能源技术和高性能材料技术相结合的新概念飞行器,混合飞艇设计过程需对多个学科进行综合考虑和优化。为了将多学科设计优化（MDO）方法引入到混合飞艇的总体设计中,将其分解为能源子系统、气动和推进子系统以及结构和重量子系统。在子系统模型构建的基础上,提出具有自适应能力的基于响应面的并行子空间优化（CSSO-RS）算法,将重量平衡和能量平衡作为实现远距离载重运输的约束条件,并提出爬升、日间巡航、滑翔和夜间巡航的多阶段任务剖面,以充分利用太阳能电池、燃料电池和锂电池的优势,实现混合飞艇的最优化设计。优化结果表明:具有自适应能力的优化算法在精确度和计算效率上均有明显的优势,同时重量分配的结果也为混合飞艇结构轻量化设计和能源系统设计提出了更高的要求。      

高超声速飞行器后体/尾喷管优化设计

结合试验设计方法、替代模型技术和遗传算法构建一套改进的优化方法,并将其应用于高超声速飞行器后体/尾喷管的一体化设计.在构建优化方法时,针对替代模型采用渐近全局策略提高精度;针对遗传算法,采用实数编码、多目标定级排序和改进小生境技术.在后体/尾喷管的一体化设计应用中,结合高精度的计算流体力学(CFD,Computational Fluid Dynamics)求解,以两个设计点的推力和升力为目标,以力矩为约束,得到优化问题的Pareto最优前沿面,优化结果在综合性能方面有很大提升.该优化方法可进一步推广应用于更复杂的优化设计当中.      

飞机飞行控制律/操纵效率器多学科优化设计

基于近似模型和遗传算法,针对多操纵面布局飞机提出一种对全包线飞行控制律和操纵效率器几何形状与位置进行多学科优化的设计方法.该方法采用力矩控制方式进行控制,应用鲁棒增益调参方法设计全包线飞行控制系统,利用试验设计方法和径向基神经网络响应面获取近似的气动学科模型和控制学科模型,在近似模型基础上由遗传算法获得优化的设计参数并最终获得优化的控制律和操纵效率器.以某多操纵面布局无尾飞机为例进行计算机飞行仿真验证,结果表明该方法具有可行性.      

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念,提出了一种求解非劣解集的多目标遗传算法,重点讨论了算法实现中非劣解集的筛选和适应度的计算.将该算法应用于假想的干线客机方案优化设计,要求巡航段升阻比和有用载荷系数两个目标最大,对优化结果进行了分析比较.研究结果显示出MOGA(Multi-Objective Genetic Algorithms)对飞机方案多目标优化设计具有良好的应用前景.      

A faster optimization method based on support vector regression for aerodynamic problems

In this paper, a new strategy for optimal design of complex aerodynamic configuration with a reasonable low computational effort is proposed. In order to solve the formulated aerodynamic optimization problem with heavy computation complexity, two steps are taken: (1) a sequential approximation method based on support vector regression (SVR) and hybrid cross validation strategy, is proposed to predict aerodynamic coefficients, and thus approximates the objective function and constraint conditions of the originally formulated optimization problem with given limited sample points; (2) a sequential optimization algorithm is proposed to ensure the obtained optimal solution by solving the approximation optimization problem in step (1) is very close to the optimal solution of the originally formulated optimization problem. In the end, we adopt a complex aerodynamic design problem, that is optimal aerodynamic design of a flight vehicle with grid fins, to demonstrate our proposed optimization methods, and numerical results show that better results can be obtained with a significantly lower computational effort than using classical optimization techniques.     

面向扑翼翼面运动参数的优化设计

扑翼机的飞行依赖于扑翼翼面的运动,经过优化的运动策略能够使特定翼面发挥最佳的气动性能。然而目前扑翼机设计中缺乏有效的运动参数优化方法,无法针对给定机翼确定一组最优运动参数。采用非定常涡格法（UVLM）计算扑翼气动力,与现有的实验数据进行对比,验证了气动力计算方法的准确性。基于DIRECT（矩形分割）全局优化算法,以最大化推进效率为特定优化目标,对扑翼运动参数进行了迭代优化。结果表明,通过该优化算法能够得到最优扑翼运动参数,有效提高特定气动性能;应用优化算法计算得到的平均推力与基准运动的平均推力相比,在数值上有1.04倍的提高。在设计过程中,降低气动力约束有利于扑翼运动优化,使给定扑翼翼面具有更大的推进效率,无气动力约束的最大推进效率与基准运动的推进效率相比提高了46.8%。      

超临界层流翼型优化设计策略

针对超临界层流翼型设计问题,提出一种两轮优化策略。采用γ-Reθt转捩模型耦合剪切应力输运(SST)模式的湍流模型对翼型边界层转捩进行预测。翼型几何参数化建模采用形状分类函数转换(CST)方法,设计变量为描述翼型几何特征的参数。第1轮优化的目的是尽量提高层流区域的比例,气动分析模型为基于Kriging模型的代理模型,优化算法为遗传算法,通过优化获得满足约束要求的层流翼型。第2轮优化目的是对第1轮优化获得的翼型进行微调,进一步提高翼型的升阻比,气动分析直接采用CFD程序,优化算法采用基于梯度的优化算法。算例表明,应用本文提出的两轮优化策略,可将超临界翼型NASA SC(2)0412优化设计成超临界层流翼型,翼型的上下表面层流区比例分别达到了55.5%和47.0%,升阻比提高了38.1%。     

跨音速翼型的气动最优化设计方法

将计算流体动力学(CFD)与最优化技术相结合,通过数值求解欧拉方程,对翼型绕流流场作出了数值模拟.再利用几何、流动和最优化控制方程,反复迭代求得在一定约束条件下气动性能最优的翼型.本文以NACA0012为原始翼型,选取两种设计工况,都取得了满意的结果.     

空间科学任务协同设计过程优化

为了对概念设计阶段空间科学任务协同设计过程进行合理规划, 减少设计反馈, 降低系统耦合度, 提出了设计结构矩阵(DSM)过程建模和遗传算法(GA) 过程优化算法. 该方法采用DSM对空间科学任务设计活动序列进行建模, 通过DSM描述设计活动间的信息依赖关系, DSM上三角之和代表该设计活动序列设计反馈次数; 将 DSM对应的设计活动序列视为染色体, 采用GA进行序列优化, 最小化设计反馈次数. 通过过程优化算法获取最佳设计活动序列, 优化设计过程, 降低系统耦合度. 空间科学任务实例分析结果表明, 该方法能够有效应用于空间科学任务协同设计的过程建模和过程优化, 指导设计过程的制定.      

翼型气动性能鲁棒性优化设计

讨论了一种在来流速度不确定的情况下对翼型进行鲁棒性设计的方法.介绍了单点及多点设计方法后,阐述了鲁棒性设计方法在翼型气动性能优化中的应用,并对三者进行了比较.引入了代理模型以减少计算量, 并通过遗传算法对翼型进行鲁棒性设计.借助区间分析方法讨论了翼型设计变量的扰动对气动特性上下界值的影响.应用该方法,在提高了翼型的气动性能的同时,降低了该性能对于来流速度的敏感度.