基于代理模型的高效全局气动优化设计方法研究进展

基于高可信度计算流体力学的数值优化设计方法，在提高飞行器气动与综合性能方面正发挥着越来越重要的作用。基于代理模型的优化算法（SBO），由于能够实现高效全局优化，逐渐成为了气动优化设计领域的研究热点之一。近20年来，代理优化算法研究已取得了长足进步，多种先进的新型代理模型被提出，优化理论和算法也不断完善和发展。以飞行器精细化气动优化设计为背景，综述了基于代理模型的高效全局气动优化设计方法研究进展。首先，介绍了基于变可信度代理模型的气动优化设计方法、结合代理模型和伴随方法的气动优化设计方法以及基于非生物进化的并行气动优化设计方法的研究现状和最新进展。然后，针对飞行器气动优化设计学科领域的前沿问题，介绍了基于代理模型的多目标气动优化设计方法、混合反设计/优化设计方法、稳健气动优化设计方法的研究进展，以及基于代理模型的多学科优化设计方法的研究进展。文献综述表明，代理优化算法在设计效率、全局性以及鲁棒性等方面性能优良，已经发展到可以解决100维（100个设计变量）以内的气动优化设计问题，具有良好的工程应用前景。最后，探讨了基于代理模型的高效全局气动优化设计在理论、方法及飞行器设计应用方面所面临的问题和挑战，给出了未来研究方向的建议。     

基于代理模型的气动外形优化

探讨了一种将CAD软件、CFD商用软件与代理模型相结合的飞机气动外形优化方法。重点介绍建立气动分析代理模型的过程,这一过程包括确定设计变量及其取值范围、生成试验设计点、建立参数化几何模型、CFD数值计算、提取气动特性和构造代理模型。通过一个简单的机翼气动外形优化算例验证了这种方法的可行性和有效性。     

基于新型高维代理模型的气动外形设计方法

随着现代飞行器性能需求的不断提高，飞行器精细化气动优化设计要求更高可信度的CFD数值分析及更多的独立设计变量，使得基于代理模型的全局优化算法在超过一定的设计变量后显著降低了效率，难以满足复杂工程的设计需求。而目前的高维代理模型过程复杂、时间花费高，缺乏对工程问题的广泛适应性。针对以上难题，提出了利用监督式非线性降维代理建模方法来缓解代理优化过程中的高维变量设计难题。该方法将核主成分分析（非线性）降维与高斯回归过程模型统一训练，自适应构建新型高维代理模型，并随着优化过程不断学习改进模型，建立了从高维输入到输出的准确映射，有效解决了传统高维代理模型训练时间花费高和适应性差等难题。然后基于该新型代理模型发展了适用于飞行器复杂气动设计的高维全局优化设计方法，并将其应用到美国航空航天学会（AIAA）优化小组发布的2个复杂跨声速优化算例中。通过与传统代理优化方法全面比较，验证了所提的方法能大幅提高飞行器高维变量全局优化效率和全局寻优能力。     

基于代理模型的气动外形平面参数多目标匹配设计

将Kriging代理模型和Pareto遗传算法引入气动外形平面参数匹配设计中,提出一种基于代理模型的多目标平面参数匹配设计方法。将拉丁超立方试验设计用于平面参数筛选,确定出参数匹配方案库;基于方案库的计算流体力学(CFD)分析结果构建Kriging气动代理模型;将Kriging模型替代CFD分析,用于气体布局参数匹配优化设计,提高了设计效率并保证了可信度;通过Pareto遗传算法优化解决多点设计要求下气动布局参数匹配问题,一次性给出参数匹配方案的最优解集,从Pareto前沿中根据设计偏向选择气动布局最佳匹配方案。以典型的双后掠布局平面参数多点匹配优化设计问题作为算例,研究结果表明:Kriging气动代理模型与实际CFD分析结果的误差均小于5%,满足精度要求;根据不同设计偏向,选择了3种参数匹配Pareto优化方案,与原样本方案相比超声速阻力减小6.0%~12.8%,跨声速升阻比增加0.01%~3.40%,证明了匹配设计方法的有效性;通过试验设计的Pareto分析与主、交互效应分析,获得了气动布局平面参数对气动性能影响的定量关系,能够为参数匹配设计提供依据。所提出的平面参数匹配设计方法可应用于其他常规与非常规气动布局型式。     

Kriging模型及代理优化算法研究进展

代理模型方法由于能显著提高工程优化设计问题的效率,在航空航天及其他领域得到了广泛重视,并逐渐发展成为一类优化算法,本文称其为代理优化（SBO）算法。在现有的代理模型方法中,如多项式响应面、径向基函数、神经网络、支持向量回归、多变量插值/回归、多项式混沌展开等,源于地质统计学的Kriging模型具有代表性,是一种非常具有应用潜力的代理模型方法。以飞行器设计领域的优化问题为背景,介绍了Kriging代理模型及应用于优化设计的理论和算法的最新研究进展。首先,概述了Kriging模型的基本理论和算法,并讨论了影响Kriging模型鲁棒性和效率的几个关键性问题。其次,回顾了Kriging模型理论和算法研究的3个最新研究进展,包括梯度增强型Kriging、CoKriging和分层Kriging模型。而后,分析提炼了基于Kriging模型的代理优化算法的优化机制和优化框架,给出了“优化加点准则”和“子优化”的概念,并介绍了目前常用的几种优化加点准则及其相应子优化问题的求解与约束处理;同时,还介绍了最新提出的局部EI加点准则以及代理优化的终止条件。最后,介绍了代理优化在标准测试函数算例验证、飞行器气动与多学科优化设计典型算例确认方面的研究进展,并对当前存在的一些关键科学问题以及未来研究方向进行了讨论。     

宽包线吸气式高超声速飞行器外形优化研究

针对吸气式宽包线高超声速飞行器的气动优化问题，基于任务要求建立了基于多点权重分配的气动外形优化模型，并采用“CFD+准一维流”方法开展了气动性能分析。为兼顾气动外形优化的效率与精度，通过改进现有的并行加点策略，发展了一套基于代理模型与梯度算法的分层优化框架，并采用函数算例对改进后的加点策略进行了验证。对吸气式高超声速飞行器的气动外形进行了分层优化，在满足各学科约束的情况下使飞行器在各个优化评估点处的气动性能均有所提升。     

飞翼式客机机翼气动/结构综合优化方法研究

针对目前在飞翼客机机翼优化过程中对气动弹性效应考虑不充分、气动/结构耦合不充分的问题,分别对飞翼客机机翼的CFD（Computational Fluid Dynamics,简称CFD）气动模型、平板气动模型和三维板杆模型进行参数化建模,开展了针对飞翼布局客机机翼的气动/结构综合优化设计的研究,搭建了一套基于Kriging模型的前瞻性设计方法,获得了机翼最优的气动外形和结构构型,在有效降低机翼结构重量的同时,显著地减少了气动阻力。在满足精度及效率的前提下,气动子学科选用亚声速偶极子格网法以及基于Euler方程的CFD方法,结构子学科选用有限元分析方法,优化算法采用遗传算法。     

基于Kriging自适应代理模型的气动优化方法

气动优化设计中,引入代理模型可以有效减少计算周期,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间,因此提出了一种基于Kriging自适应代理模型的气动优化方法。使用Kriging方法建立代理模型,通过求解EI函数最大值得到添加样本点更新代理模型,提高了代理模型的拟合精度。针对Kriging自适应代理模型的精确性和有效性,分别进行典型函数测试分析和翼型算例验证。结果表明:基于Kriging自适应代理模型气动优化方法可以实现高效的翼型气动性能优化设计。     

倾转旋翼机多部件对机翼气动干扰的分析及优化

为研究倾转旋翼机各部件对机翼的气动干扰效应，建立了一套适用于倾转旋翼机流场CFD求解方法，提出并生成了一套由三棱柱/四面体组成的适用于倾转旋翼机多种飞行状态的非结构混合网格系统.以三维Navier-Stokes方程为主控方程，采用动量源方法进行倾转旋翼的模拟，并引入了高效的OpenMP并行加速技术等，提出了一套新型的动量源项添加及搜索方法.计算分析了倾转旋翼机旋翼/机身/短舱对于机翼气动特性的干扰影响，得出了一些对设计有指导意义的结论.采用基于径向基函数（RBF）的代理模型方法，根据机翼不同展向位置的干扰程度对各段翼型配置进行气动优化.优化结果表明:考虑气动干扰作用，在巡航速度下优化后的全机升阻比增长达到了36.78%.      

基于代理模型的运载器头罩外形优化设计

引入Kriging代理模型,选取若干不同头罩外形的运载器,进行气动性能分析,利用运载器气动性能参数作为拟合样本建立代理模型.以具有足够精度的代理模型替代CFD分析,发展了一种基于代理模型的运载器头罩外形优化设计方法.在马赫数为3、飞行攻角为3°、飞行高度为8km条件下,利用该方法对运载器进行最小阻力系数、最大纵向压心系数的单目标优化和综合考虑上述2个目标的多目标优化.结果表明:2个目标存在冲突,为同时兼顾减小阻力和增强纵向稳定性,必须对运载器头罩外形进行多目标优化,得到的外形阻力系数减小了1.95%,纵向压心系数增大了5.93%,采用基于代理模型的优化设计方法能在保证精度条件下有效提高计算效率.      

基于梯度增强型Kriging模型的气动反设计方法

基于Kriging模型的代理优化算法目前在气动优化设计中得到了广泛应用。但在高维(设计变量大于30个)气动优化中,计算量过大的问题对其进一步发展产生了严重制约。将翼型和机翼气动反设计问题转化为优化问题,采用Adjoint方法进行快速梯度求解,利用基于梯度增强型Kriging(GEK)模型的代理优化算法分别开展了18、36和108个设计变量的气动反设计。首先,通过采用在设计空间局部建立GEK模型的方法成功地将基于代理优化算法的气动反设计问题的维度拓展到了100维以上。其次,研究了梯度计算精度对基于GEK模型的反设计的影响,发现梯度精度越高,反设计的最终效果越好,同时效率相当。最后,通过不同维度的气动反设计算例,比较了改进拟牛顿法(BFGS)、基于GEK模型和Kriging模型的代理气动反设计方法,结果表明基于GEK模型的代理优化算法的效率大幅度高于基于Kriging模型的代理优化算法,并且维度越高,效率优势越明显;同时,基于GEK模型的代理优化算法在优化效果及分析程序调用次数上相比于BFGS方法也略有优势。     

Multi-infill strategy for kriging models used in variable fidelity optimization

In this paper, a computationally efficient optimization method for aerodynamic design has been developed. The low-fidelity model and the multi-infill strategy are utilized in this approach. Low-fidelity data is employed to provide a good global trend for model prediction, and multiple sample points chosen by different infill criteria in each updating cycle are used to enhance the exploitation and exploration ability of the optimization approach. Take the advantages of low-fidelity model and the multi-infill strategy, and no initial sample for the high-fidelity model is needed. This approach is applied to an airfoil design case and a high-dimensional wing design case. It saves a large number of high-fidelity function evaluations for initial model construction. What’s more, faster reduction of an aerodynamic function is achieved, when compared to ordinary kriging using the multi-infill strategy and variable-fidelity model using single infill criterion. The results indicate that the developed approach has a promising application to efficient aerodynamic design when high-fidelity analyses are involved.     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.     

悬停状态剪刀式尾桨气动/噪声特性优化分析

建立了一套基于CFD(computational fluid dynamics)方法和FW-H(Ffowcs Williams-Hawkings)方程的剪刀式尾桨气动噪声预估技术和组合优化算法的尾桨外形参数设计方法。基于嵌套网格方法采用雷诺平均Navier-Stokes(RANS)方程作为尾桨流场求解控制方程,采用了一套适用于剪刀式尾桨悬停气动特性模拟的高效CFD方法。在流场分析的基础上,采用FW-H方程预测剪刀式尾桨在典型观察位置处的气动噪声。分别在控制总距以及控制拉力系数不变的情况下,以提高尾桨悬停效率同时降低气动噪声为目标,对剪刀式尾桨的剪刀角和轴间距两个主要外形参数进行优化设计。将基于拉丁超立方(LHS)方法和径向基函数(RBF)的代理模型方法与遗传算法过程相结合,建立了一种有效的组合优化算法。结果表明:剪刀角和轴间距的不同组合可以通过削弱桨-涡干扰现象从而实现降低旋翼桨-涡干扰噪声的目的。在当前的计算状态下,优化得到的剪刀式尾桨的悬停效率比常规尾桨高16%,其平均声压级比常规尾桨降低了2.3 dB。      

悬停状态直升机桨叶扭转分布的优化数值计算

建立了一套基于高精度计算流体力学(CFD)技术和代理模型优化算法的旋翼气动外形设计方法。在该方法中,旋翼流场气动性能的计算采用了基于Navier-Stokes/Euler方程的CFD方法,并根据流场特点、精度和效率的要求采用Baldwin-Lomax(B-L)湍流模型,通量计算采用Roe-MUSCL格式进行。为提高网格生成质量和便于流场控制方程的求解,将流场分成两个区域,即围绕旋翼的黏性区和无黏的背景网格区。其中,桨叶网格使用了基于二维翼型网格的参数化方法生成,数值计算结果表明该方法有效地提高了网格生成质量及效率。在参考旋翼流场及桨叶细节流动分析的基础上给出设计变量及范围,有效减小了优化问题的规模;为满足优化和机理分析的需要,将基于置换遗传算法优化的拉丁超立方(PermGA LHS)方法和径向基函数(RBF)的代理模型优化方法引入到桨叶外形的优化设计中。首先以Helishape 7A旋翼为算例,检验了数值模拟方法的准确性。然后,应用所建立的优化方法针对旋翼负扭转分布进行了优化计算,结果表明优化后的旋翼悬停气动性能比优化前有了明显提高。     

Aerodynamic/Stealthy/Structural Multidisciplinary Design Optimization of Unmanned Combat Air Vehicle

An optimization strategy is proposed to deal with the aerodynamic/stealthy/structural multidisciplinary design optimization (MDO) issue of unmanned combat air vehicle (UCAV). In applying the strategy, the MDO process is divided into two levels, i.e. system level optimization and subsystem level optimization. The system level optimization is to achieve optimized system objective (or multi-objective) through the adjustment of global external configuration design variables. The subsystem level optimization consists of the aerodynamic/stealthy integrated design and the structural optimization. The aerodynamic/stealthy integrated design aims at achieving the minimum aerodynamic drag coefficient under the constraint of stealthy requirement through the adjustment of local external configuration design variables. The structural optimization is to minimize the structural weight by adjusting the dimensions of structural components. A flowchart to implement this strategy is presented. The MDO for a flying-wing configuration of UCAV is employed to illustrate the detailed process of the optimization. The results indicate that the overall process of the surrogate-based two-level optimization strategy can be implemented automatically, and quite reasonable results are obtained.     

Adaptive optimization methodology based on Kriging modeling and a trust region method

Surrogate-Based Optimization (SBO) is becoming increasingly popular since it can remarkably reduce the computational cost for design optimizations based on high-fidelity and expensive numerical analyses. However, for complicated optimization problems with a large design space, many design variables, and strong nonlinearity, SBO converges slowly and shows imperfection in local exploitation. This paper proposes a trust region method within the framework of an SBO process based on the Kriging model. In each refinement cycle, new samples are selected by a certain design of experiment method within a variable design space, which is sequentially updated by the trust region method. A multi-dimensional trust-region radius is proposed to improve the adaptability of the developed methodology. Further, the scale factor and the limit factor of the trust region are studied to evaluate their effects on the optimization process. Thereafter, different SBO methods using error-based exploration, prediction-based exploitation, refinement based on the expected improvement function, a hybrid refinement strategy, and the developed trust-region-based refinement are utilized in four analytical tests. Further, the developed optimization methodology is employed in the drag minimization of an RAE2822 airfoil. Results indicate that it has better robustness and local exploitation capability in comparison with those of other SBO methods.