基于全自由尾涡模型的最佳环量分布风力机叶片气动优化方法

通过优化环量分布,开发了一种快速的风力机叶片气动优化设计方法.方法中引入了全自由尾涡模型,通过并行处理技术和快速多极子方法加速计算.采用傅里叶级数参数化叶片附着涡环量分布,大幅减少了优化变量数目.以风能利用系数为目标函数,以给定轴向力系数为约束条件,获得环量分布后反求得到叶片最优几何参数.最后通过优化美国可再生能源实验室（NREL）实验风轮进行方法验证,结果表明:在约束条件下,当尖速比分别为3.79和4.74时,优化使风轮的风能利用系数分别提升了32%和8%.在无约束条件下,针对不同叶片数和尖速比,分别对原NREL风轮进行全局优化,得到了风能利用系数均超过0.48以上的最优设计.      

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

基于多目标遗传算法的航空发动机总体性能优化设计

采用一种基于Pareto最优解的多目标遗传算法—NSGAⅡ算法,以双轴混合排气式涡轮风扇发动机为算例,集成发动机性能模型、流路尺寸模型和质量模型,以单位推力、耗油率等为目标函数进行了多目标优化设计。计算结果表明:NSGAⅡ算法具有较好的稳健性和鲁棒性;基于NSGAⅡ算法的发动机总体性能优化方法能够获得目标空间内分布均匀的Pareto最优解集,有效克服了发动机总体性能方案设计时人工经验依赖较重的缺点,可为决策者进行目标权衡提供充分依据。      

基于自由尾迹法的小翼形状对风机气动性能影响分析

基于(势流)涡方法开发了水平轴风力机叶片气动性能分析程序,采用自由尾迹模型对增加O型小翼和L型小翼后的叶片气动设计性能进行分析,计算了风力机设计工况下的涡位置及诱导速度分布等气动性能参数,对比了增加小翼后功率输出情况。结果表明,增加小翼后风力机叶片在设计工况下功率系数有明显增加,下风向小翼功率提升高于上风向小翼。     

考虑气动-结构的高空螺旋桨多学科优化方法

为实现高空螺旋桨高效率和轻质量之间的权衡设计,提出一种考虑螺旋桨气动-结构性能的多学科多目标优化设计方法,理论上可得到约束条件下推力最大和质量最小的Pareto解集。但工程应用中,变量太多,可接受时间内仅能获得Pareto解集拟合趋势。为避免优化周期太长,提出以下阶段性优化方法。阶段1：根据上述Pareto解集拟合趋势和平台约束,确定最优桨径;阶段2：进行基于最优桨径的气动优化获得气动外形,结构优化获得结构方案。使用该方法对高空太阳能无人机螺旋桨优化,两个阶段耗时分别为96 h和4 h。对获得螺旋桨制造,仿真和试验,对比结果表明：推力最大误差为10.9%,质量误差为6.9%,刚度误差为15.2%,固有频率误差为15.4%,试验结果也表明该方法的合理有效性。     

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Pareto集与多目标决策的飞控参数优化

针对传统的单目标优化方法不能对飞控系统多个性能指标同时进行优化的问题,提出了一种基于Pareto遗传算法和多目标决策的飞控系统参数优化方法。通过NSGA-Ⅱ算法对飞控系统参数进行优化获得最优解集,在此基础上首先进行方案的初选,然后利用综合权重的Vague集决策方法对备选方案进行模糊评价和优选,找到最终满意解。仿真结果验证了所设计方法的有效性。     

基于代理模型的飞翼多目标气动优化设计

针对飞翼布局飞行器,采用雷诺平均N-S方程（ RANS）计算流场,使用基于代理模型的多目标优化方法进行了同时考虑起飞性能和巡航性能的多点多目标气动优化设计。在设计过程中,将飞翼的平面形状、剖面形状及扭转角同时作为设计变量（共58个设计变量）,将提高起飞时的升力系数和提高巡航升阻比为设计目标,以起飞状态和巡航状态的力矩系数作为气动约束,并以飞翼平面面积不减和剖面厚度不减作为几何约束。通过采用基于Kriging模型的多目标优化方法,以较小的计算花费得到了较好的Perato前沿。取Pareto前沿中一个最优解与基准外形的性能进行了对比,结果显示,优化外形的性能较基准外形的气动性能得到全面大幅提高且所有约束得到严格满足。     

平流层飞艇总体多目标优化设计与决策

将多目标优化与多属性决策相结合应用于平流层飞艇总体多目标优化中。建立平流层飞艇多目标优化模型,实现优化模型参数化建模,采用多目标进化算法NSGA－Ⅱ得到Pareto最优解集,构成多属性决策矩阵,采用模糊熵权TOPSIS（ M－TOPSIS）法对Pareto非劣解进行排序,获得最佳设计方案。最终结果验证了NSGA－Ⅱ平流层飞艇多目标优化中的有效性。     

基于 Kriging模型机翼平面外形气动优化设计

使用基于Kriging模型的优化设计方法,进行了非常规布局机翼的平面外形多目标优化设计。利用CFD技术进行机翼升力系数和阻力系数的气动计算,通过拉丁超立方试验设计生成样本点,建立了Kriging代理模型,结合多目标遗传算法对机翼平面外形进行多点多目标优化设计,最终得到了Pareto最优解集。根据设计需求,从Pa-ret0前沿选取一个非劣解作为优化结果。结果表明：陆ging模型与cFD计算误差很小,可信度高;在不问设计状态下,机翼气动性能都得到了提高,表明优化设计方法具有可行性和高效性。