基于多输出高斯过程的超临界翼型优化

提出了一种基于多输出高斯过程(MOGP)回归模型和模拟退火算法相结合的翼型优化方法。采用拉丁超立方抽样方法在设计空间内构造一系列样本点,其中优化设计采用CST参数化方法对翼型的几何外形进行参数化表示。通过CFD流体计算得到其响应值来建立初始的MOGP代理模型。以阻力最小化为设计目标,考虑面积、升力等约束条件。通过单点优化和多点优化试验表明,发展的翼型优化设计方法达到了优化设计的目的,同时也说明基于MOGP模型的优化设计方法在气动优化设计中的应用是可行的。     

旋翼翼型气动设计与评估软件HRADesign

HRADesign系统作为通用旋翼翼型气动设计和评估系统,研制目的主要是为工业设计环境提供通用、高效、鲁棒的优化设计架构,应用于各类旋翼翼型族的设计,提高旋翼翼型设计的效率和精度,以满足先进直升机对高性能旋翼翼型的迫切需求.旋翼翼型设计技术是直升机旋翼设计的核心技术,旋翼翼型的优化设计具有多点、多目标、强约束的特点.HRADesign系统针对旋翼翼型设计的特点,发展了多目标进化算法、PCA多目标降维技术、Kriging代理模型、基于CST方法的翼型参数化技术以及高精度CFD等优化设计技术,构建了基于进化算法的多目标优化流程.通过详细介绍平台的系统架构、主要的功能模块以及多目标优化流程,展现了系统架构设计的灵活性和功能模块的完备性.通过ADODG基准测试算例、某厚度旋翼翼型常规多目标优化算例和考虑多目标降维的优化算例进行了系统功能验证,优化结果表明,在满足约束的条件下,优化后的旋翼翼型和基准翼型相比,综合性能都有明显改善,验证了优化设计系统的有效性、可靠性.     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。     

分布式进化算法及其在翼型气动反设计中的应用

构造了一种新型基于基因算法与博弈论的并行分级多目标优化方法，并应用于多段翼型气动反设计。此方法基于二进制编码的基因算法和博弈论，优化变量被分配给不同的博弈者，因而总体优化问题转变为分裂空间中的局部优化问题。文中给出了一个多段翼型形状，位置可压位流的反设计问题的求解算例，引入了基于非结构网格的分级结构。与传统基因算法数值算例的对比表明了本文构造的并行分级算法具有较高的计算效率，可广泛应用于多目标优化问题。     

自适应差分进化算法在气动优化设计中的应用

以实数编码的差分进化（DE）算法为基础,引入种群熵估计方法分析种群个体的分散程度,自适应地调整设计变量的搜索范围。采用Navier-Stokes方程作为主控方程计算翼型气动性能,分别采用标准遗传算法（SGA）、基本DE算法和自适应差分进化（ARDE）算法作为气动性能优化算法进行了针对翼型的气动优化设计。函数测试实例表明,ARDE算法具有更好的收敛稳定性和收敛速度。并针对翼型气动优化问题的特点,分析了参数设置对ARDE算法优化结果的影响。实验结果对比表明,ARDE算法得到了更好的优化结果。     

融合体布局超临界翼型设计研究

针对跨声速融合体布局飞机,构建了所需超临界翼型的气动优化设计问题;基于"人在回路"的多轮迭代优化理念建立了翼型多目标多约束优化设计平台,其中:翼型参数化采用基于型函数/类函数变换的参数化方法,气动力解算器采用基于三维雷诺平均Navier-Stokes方程(RANS)的求解程序CCFD-MB,计算网格生成与网格更新采用基于无限插值和椭圆光滑算法的C型结构网格程序,优化算法采用多目标优化遗传算法NSGA-II。设计结果显示,优化翼型具有常规超临界翼型的基本气动力特征,满足阻力发散、抖振边界和低速特性要求;同时具有前加载特征,低头力矩大幅低于常规超临界翼型,满足融合体布局气动力要求。     

气动设计的多目标优化算法比较研究

由于目标函数复杂且流场求解耗时,气动优化设计需要选择搜索能力强且调用目标次数少的优化算法,现有的优化算法种类很多,针对不同类型问题算法性能不同。本文将常用的多目标优化算法进行了分类总结并进行函数测试,判断各个优化算法对不同问题的收敛性和稳定性,找出适合气动优化的多目标优化算法。将该算法应用于气动优化问题当中,进行了针对翼型的气动优化设计,缩短了优化时间,取得了一定的优化效果。     

Pareto基因算法多目标翼型优化设计

 基于 Pareto最优解的定义,通过构造新型的联赛式选择复制等算子而发展了一种适合于求解多目标优化设计的 Pareto基因算法。通过等级法来正确识别每一代中近 Pareto波阵面的解,从而消除选择误差达到快速收敛的目的。为提高解的分布性:采用小生境技术解决了基因材料多样性损失问题;采用常规实数编码方式配合平均交叉算子解决了编码端点效应问题。将所发展的方法应用于多目标翼型优化设计中,获得了理想的 Pareto波阵面,为决策者提供了一个可选的有效解数据库。     

基于熵产理论设计方法的多目标翼型优化

将熵产理论引入翼型的多目标气动优化设计,通过理论推导湍流流场熵产率计算公式,进而阐述熵分析方法在翼型气动优化中的作用。通过CST参数化方法对翼型进行参数化建模,并将多目标优化算法与CFD计算耦合起来,计算翼型升阻比和流场熵产率,建立一种以最大升阻比和最小熵产率为目标的翼型优化方法,进而得到优化翼型的Pareto解,并与传统翼型优化方法进行对比。与初始种群相比,优化翼型具有更优的气动性能,在升阻比提高的条件下,流场熵产率减少,能量效率提高。采用多目标遗传算法得到的非支配解集分布均匀,质量较高,设计者可以根据设计需要选择具有相对低熵产的一组翼型来改善空气动力性能。结果分析表明,本文所建方法具有较强的全局收敛性,具有一定的工程应用前景。     

基于CST参数化的翼型优化遗传算法研究

用外形建模的CST参数化方法,构建翼型几何可直接利用其后缘角、前缘半径等几何特征,其控制参数更能反映翼型特有的气动敏感性,有助于遗传算法搜索寻优。基于这一参数化方法,结合遗传算法,构造了用于翼型优化的设计方法。算法中,CST控制参数作为设计变量,采用二进制编码,并通过引入精英策略,提高了遗传算法的收敛性能。算法适应度评估涉及的流场求解则采用了基于Jameson有限体积法的Euler方程解算程序。先以NACA0012翼型为例,以其某一已知的表面压力分布为目标,进行了遗传算法的重构运算,给出了重构的翼型几何外形,验证了方法。在此基础上,进行了带约束的跨音速翼型优化设计,给出了升力系数极大化和阻力系数极小化等设计算例,展示出翼型优化设计的效果。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

基于小生境遗传算法和RANS方程的平面叶栅气动优化设计

发展了一种将小生境遗传算法与RANS方程数值求解相结合的平面叶栅全局优化设计方法.该方法针对遗传算法的搜索原理和平面叶栅的气动外形特点, 提出了与之相适应的Bezier曲线参数化表达, 构造了用于优化设计的适应度函数.优化设计变量是平面叶栅的参数化Bezier曲线特征多边形控制点坐标, 目标函数为极大化叶栅的升阻比, 约束条件综合考虑了叶栅的进出口几何安装角及叶片强度和性能等要求, 约束条件的处理采用松紧罚函数法.优化得到的叶栅升阻比比初始叶栅提高了8.3%.      

分级型进化算法及其在翼型跨声速气动优化中的应用

提出了变精度模型的分级型进化算法并对初始翼型为NACA0012的二维翼型进行了跨声速流动下的形状增升优化。借鉴自然进化中不同进化阶段个体适应度评估环境不同的机理，构造了分级精度模型以加速优化过程。对翼型进行了给定气动条件下的形状增升优化，给出了优化结果，并与传统基因算法及单精度模型算法结果进行了对比。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

基于社会模型改进粒子群算法的翼型优化设计

为了解决粒子群算法在寻优过程中全局最优和局部最优的矛盾,通过在粒子群算法优化过程中引入鱼类的聚群行为,发展了一种基于社会模型的改进粒子群算法。算法以粒子可视范围的不同用法为基础,提出了两种不同的优化策略,同时探讨了种群规模等参数对算法性能的影响,并通过函数测试结果证明了两种优化策略的有效性和不同的优化特性。将改进的优化算法应用在翼型的气动优化中,显著改善了翼型气动特性,提高了算法的全局搜索能力,取得了良好的优化效果。     

透平跨音速叶栅的优化设计

将遗传算法用于透平跨音速叶栅的优化设计,提出了相应的数学模型和优化方法。优化算例表明,本文所提出的模型及算法能有效的优化叶型方案,避免了一般优化算法的局部最优或维数灾难问题,从而在新的领域内将优化计算在叶轮机械设计中的应用进行了有益的探索。      

基于工程环境的气动多目标优化设计平台研究

工程环境中,飞机气动力设计面临在多个目标和多种约束条件下寻找最优值,需在较短时限内完成设计优化,并保证最终方案可靠。基于高性能计算环境,采用现代计算流体力学(CFD)数值模拟技术和优化技术等构建了面向实际工程的飞行器气动多目标优化设计平台:采用基于非均匀有理B样条(NURBS)方法的自由曲面变形技术,实现对工程复杂气动外形的参数化表达;采用网格变形技术,实现优化过程中计算网格的自动更新;采用基于有限体积方法和多块结构网格的雷诺平均Navier-Stokes(RANS)方程并行解算器进行气动力求解;采用基于精英保留策略的非支配排序的多目标遗传算法(NSGA-II)进行多目标全局优化求解;采用非线性单纯形算法进行局部优化求解,优化过程中,通过人工调整优化种群,引入人工经验,构建"人在回路"的设计流程。以某翼型/机翼气动力优化设计为例对该平台技术进行验证:多目标优化设计可得到清晰的Pareto前沿解分布;优化后的翼型/机翼在满足各项约束的前提下,具备更高的综合气动性能。结果表明:所发展的气动多目标优化设计平台具有很好的工程适用性。     

基于伴随理论的大型客机气动优化设计研究进展

大型民用客机的气动设计具有巡航马赫数高、部件间流动干扰复杂、外形精细化修形难度大等特点，完全依靠人工试凑法进行气动设计工作量巨大。基于高可信度数值模拟的优化设计技术可以对该类问题进行自动寻优设计，给设计师提供有力参考，因此在大型民用客机气动设计中发挥着越来越显著的作用。首先，以大型民用客机为背景，总结了民机气动设计中的关键科学问题，指出了梯度优化设计方法在民用客机不同优化设计问题中的适用性，并进一步对梯度求解中的伴随方法理论进行了详细介绍。然后，分析了基于伴随理论的气动优化设计方法以及气动结构多学科优化设计方法在民用客机设计中的研究进展，其中气动优化设计方面着重突出了复杂全机多部件气动外形优化设计方法以及飞机/发动机一体化优化设计方法。最后，对基于伴随理论的气动优化设计方法在大型民机中的应用进展进行了提炼，对未来发展趋势进行了展望与建议。     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。