隐身性能约束的多目标气动外形优化设计

从飞机外形设计的总体、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,并采用了群体排序、基于共享机制的小生境技术和Pareto解集过滤器等技术使解集具有良好分布特性,在此基础上建立了一套可满足飞行器外形气动/隐身一体化综合优化设计优化模型和优化方法.文中针对飞行器外形优化设计要求,提出了复杂外形参数化和设计变量的选取原则.并根据某飞行器设计要求,进行了在以隐身特性为约束条件下,以亚声速和超声速气动特性为设计目标的飞行器外形综合优化设计,取得了良好的优化设计结果.     

气动外形多点优化设计研究

将优化方法中的遗传算法与高精度的CFD分析方法相结合,并将其引入到气动优化设计中.在引入实数编码机制的基础上,将遗传算法与线性加权和法结合在一起,建立了可以处理多目标优化设计问题的遗传优化模型,并应用该方法进行了翼型的多点气动外形优化设计.设计实践表明,该方法是可行的.     

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。     

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。     

直升机桨叶气动外形多目标优化设计

基于自由尾迹方法建立了直升机桨叶空气动力学分析模型,应用人工神经网络方法建立代理模型,采用改进的多目标遗传算法构建了优化框架,对直升机的悬停和大速度前飞状态进行优化.以悬停效率、旋翼等效升阻比及桨叶叶素的最大阻力系数为约束,对两个飞行状态的需用功率进行优化,得到了Pareto最优解集.并以UH-60A直升机的桨叶为算例,对其外形进行优化设计,优化结果表明,提出的桨叶气动外形多目标优化框架是有效可行的.      

高超声速飞行器宽速域翼型高效多目标优化设计方法研究

高超声速宽速域飞行器需要从地面零速滑跑起飞,经历亚声速起飞、跨声速/超声速爬升,直至高超声速巡航等多个飞行阶段,因此,除了需要保证高超声速性能以外,还必须兼顾满足工程需求的亚、跨和超声速气动特性。首先,本文提出了一种基于代理模型的高效多目标优化新算法,结合新算法和RANS方程求解器、几何参数化、网格自动生成等技术发展了一套宽速域翼型多目标优化设计方法。然后,进行了兼顾跨声速与高超声速气动性能的翼型多目标气动优化设计,优化获得了包含58个翼型的Pareto最优化解集。本文分析了Pareto前沿上的优化翼型,对宽速域翼型协调跨声速与高超声速气动性能的机理进行了总结。     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法,其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足,采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估;通过改进随机游走策略来提高局部搜索能力;通过引入改进的自适应丢弃概率策略来提高算法的收敛速度;加入档案管理机制,提高解的均匀性。典型的多目标数值算例结果表明,改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例,将改进的MOCS算法应用于多目标气动优化中,改进的MOCS算法共获得64个Pareto解,优化后的翼型气动性能有明显的提升,设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题,改进的MOCS算法与目前主流的NSGA-Ⅱ相比,收敛速度更快。     

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。     

基于遗传算法多段翼型外形优化设计

为提高多段翼型增升效能,开展襟翼外形和缝道参数同时优化设计研究。优化算法采用遗传算法,以求解RANS方程为气动特性分析方法,通过椭圆方程控制生成多段翼型外形,同时优化缝宽、搭接量、襟翼偏角等位置参数和襟翼外形控制参数,实现多段翼型优化设计。设计实践表明,与只优化位置参数相比,同时优化襟翼外形和位置参数得到的多段翼型有更大的升力系数,方法是可行的,具有一定的工程应用前景。     

基于并行CFD和优化技术的返回舱外形多目标优化设计

在给定的质心设计范围内,围绕球冠倒锥返回舱外形的高超声速气动单点静稳定性、配平升阻特性、质心横偏量的综合设计问题,提出了多点多目标优化设计数学模型。通过多目标优化设计方法结合并行数值模拟技术,对该多点多目标气动外形优化设计问题进行研究,为了加快多点数值计算进度,采用了嵌套并行方法,通过有效利用硬件资源来提高多个状态气动数值求解效率。根据以上方法给出的最优设计边界指出了返回舱单点静稳定性与配平升阻比和质心横偏量的矛盾关系,改善单点静稳定性会导致配平升阻比下降,使质心横偏量增加;反之,配平升阻比增加,质心横偏量减少都会使单点静稳定性变差。     

基于混合并行多目标禁忌搜索算法的飞机总体优化设计研究(英文)

基于飞机总体设计中的多目标优化问题,采用了一种全新的混合并行多目标禁忌搜索算法。文章首先提出了一种创新的多目标禁忌搜索(MOTS)算法,该算法在传统的MOTS的基础上,增加了TS算法与\"Pareto解\"的融合机制、优秀解保留机制、\"多方向搜索\"策略等新的元素。随后又将该算法作了改进,创立了并行多目标禁忌搜索算法。最后在此基础上将并行多目标禁忌搜索与基于向量排序的多目标遗传算法相结合,提出了一种新的混合算法—混合并行多目标禁忌搜索算法。通过对以上各种算法运行结果的比较,得出如下结论:与改进前的多目标禁忌搜索算法相比,并行的MOTS运行结果更优,而混合的MOTS的结果又比前两者更胜一筹。     

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。     

基于双层代理模型的无人机气动隐身综合设计

基于双层代理模型方法展开飞翼布局无人机气动隐身综合设计方法研究。DSM模型集成了插值型代理模型和回归型代理模型的优点,在同样样本的条件下,具有更高的预测精度。文中分别以Navier-Stokes方程数值求解方法和稀疏矩阵方法分析无人机气动、隐身特性,并构造了两种分析方法的DSM模型,验证了DSM模型特性。文章最后基于自适应代理模型优化设计策略,结合多目标遗传算法将DSM模型用于无人机气动隐身综合设计,使其在满足一定约束的前提下最小化全机阻力和头向雷达反射截面,取得了令人满意的设计结果,验证了文中方法的实用性。     

一种小波神经网络与遗传算法相结合的优化方法及其在内流中的应用

本文提出一种基于小波神经网络（Wavelet Neural Networks,简称WNN）理论与Pareto遗传算法相结合的优化方法,并用于内流的数值优化计算。小波神经网络是将小波分析与人工神经网络（Artificial Neural Networks,简称ANN）理论相结合而产生的一种新型神经网络模型。它通常由输入层、隐含层和输出层所组成。本文在隐含层用Morlet小波母函数取代了BP神经网络中常用的Sigmoid激励函数。Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集。内流（其中包括超声速射流元件以及叶轮机械内部流动）优化问题的典型算例表明：小波神经网络具有很好的自学习功能和容错能力,可以快速、高效、高精度的完成非线性函数的逼近与映射,并且其泛化能力（generalization ability）很强。在数值优化中还发现,WNN比常用的响应面方法在样本的要求方面更灵活、更高效。将WNN与Pareto遗传算法相结合可以得到工程中较为满意的优化解。     

高空长航时无人机总体参数多目标优化

以高空长航时无人机的总体方案研究为背景,对高空长航时无人机总体参数建立了多目标优化模型,运用多目标遗传算法进行优化设计,最后通过建立的计算机程序得出优化结果.多目标优化用于高空长航时无人机总体参数优化,可以更加合理地评价高空长航时无人机的总体参数的最佳组合,避免设计上的缺陷,提高设计效率.结果表明,高空长航时无人机优化后的总体性能得到改善,说明该方法适用于高空长航时无人机总体方案的优化设计,对方案研究有一定参考价值.     

C919飞机增升装置工程应用技术研究进展

针对通用飞机高效增升装置设计的需求,提出了同时优化富勒襟翼缝道宽度、搭接量、襟翼偏角和襟翼外形的多目标优化设计方法。建立了基于椭圆方程的富勒襟翼参数化方法和RBF网格变形方法,优化算法采用快速非支配排序遗传算法（NSGA Ⅱ）,以求解雷诺平均N-S方程为气动评估方法并采用集群分布并行计算以缩短优化时间。以GA（W）-1为基准翼型,以增加线性段（6°）和接近失速迎角（13°）升力系数为目标进行富勒襟翼优化,16计算节点下耗时约8h,获得最终Pareto前沿面,并对优化变量进行了相关性分析,相比初始构型,Pareto前沿面构型最大使迎角6°和13°升力系数增加7.03%和3.42%,说明该优化方法快速有效的。

     

基于Taguchi方法的转子系统动力学容差设计

提出了基于Taguchi方法的转子系统动力学容差设计理论.从结构的动力响应要求出发,以Taguchi方法为基础,对结构的制造及装配容差进行动力学容差设计,减小结构在制造过程的设计参数不确定和安装工艺不确定影响下其动力响应的波动.该设计过程为:①通过正交试验及方差分析完成参数设计,初步确定符合要求的参数设计值组合;②确定容差设计的初始设计值及初始设计范围,确定目标函数,形成多目标优化问题;③利用遗传算法对多目标优化问题进行解算,得到容差设计结果.对某型双转子航空发动机具有初始不平衡量轮盘的安装工艺进行了容差设计.设计表明:具有初始不平衡量的轮盘在装配时通过控制不平衡量的幅值及相位角差的搭配可有效降低支承振动响应,设计后支承最大振动响应合格率由17.7%提高至97%,验证了该设计理论的可行性.     

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。