超燃冲压发动机可调尾喷管多目标优化设计

针对超燃冲压发动机宽马赫数、攻角范围内高性能工作要求,建立了基于试验设计方法和代理模型的可调尾喷管多目标优化设计方法,获得了尾喷管结构随马赫数和攻角变化的调节规律.以推力系数、升力系数和力矩系数为优化目标,以三次型线尾喷管为对象,采用遗传算法优化设计,得到Pareto最优解集;以一组Pareto最优解为基准在不同马赫数和攻角下进行尾喷管变结构设计优化,拟合得到尾喷管结构随马赫数和攻角的变化曲线.仿真结果显示了理论分析的正确性,并发现:变结构设计实现了尾喷管大范围高性能工作;尾喷管性能和几何参数,飞行状态参数均高度非线性,任一个改变都会影响其性能;采用试验设计方法和代理模型,能大大缩小优化设计时间,简化设计过程.     

基于Rao方法的二维单壁膨胀喷管优化设计

针对高超声速飞行器后体尾喷管的优化设计问题,发展了与多目标优化程序NSGA-Ⅱ相结合的自动优化流程。利用Rao喷管的近似方法建立喷管优化模型,采用区域推进求解PNS方程的流场解算器和网格自动化生成技术获得尾喷管的性能;引入目标约束设计和自适交叉技术,自动加速目标空间的搜索,大幅度提高了多目标优化设计效率;获得了给定来流和喷流条件下的一种具有良好性能的二维后体尾喷管设计方案。     

单边膨胀尾喷管下壁面型线优化设计及实验研究

基于Isight优化平台,将多目标遗传算法与CFD计算相结合,针对超燃冲压发动机非对称尾喷管冷/热态俯仰力矩差较大的问题,对下壁面为三次曲线的尾喷管构型进行多目标优化,分析了初始膨胀角和尾缘角的相互耦合及其对喷管性能影响所占比重。结果表明,设计区间内,下壁面三次曲线构型在保持较高推力特性的前提下,可以大范围调整喷管俯仰力矩,显著改善喷管冷/热态俯仰力矩差较大的问题。在此基础上,选取优化所得点进行冷流缩比风洞实验,根据实验条件进行了相应的数值模拟,对比发现数值模拟与实验结果吻合很好,验证了该优化设计方法及结果的有效性和可靠性。     

吸气式高超声速飞行器三维后体尾喷管优化设计

三维后体尾喷管是吸气式高超声速飞行器产生推力、升力的关键部件,需要精细设计,最大限度地提升三维膨胀过程中的气动特性。本文在二维后体尾喷管优化设计的基础上,发展了一种三维后体尾喷管的优化设计方法。通过参数化建模、三维喷管计算网格自动生成、空间推进CFD解算器及NSGA-II多目标优化软件等技术手段,对后体尾喷管三维构型进行了多目标优化设计。优化后的三维后体尾喷管与原始喷管相比,推力和升力都得到了较大提升。     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。     

基于多可信度代理模型的尾喷管优化设计

尾喷管是飞行器机体/推进一体化设计中的关键部件之一,直接影响着飞行器的推阻匹配、俯仰力矩配平等特性。为了提高尾喷管优化设计效率,建立基于多可信度代理模型的多目标优化模型。以基于粗网格、无黏模型的CFD 结果作为低可信度数据,以基于细密网格、SST k-ω 湍流模型的CFD 结果作为高可信度数据,将最大化推力系数、升力系数和俯仰力矩系数作为优化目标,构建Cokriging 模型,并结合NSGA-Ⅱ算法得到Pareto 解集。结果表明：以上三个目标分别提升了2.94%、13.0% 和40.6%,误差低于0.5%,并进行了敏感性分析;优化后流场波系结构更为复杂,改变了壁面压强分布规律;与Kriging 模型相比,Cokriging 模型具有相当的预测性能,构建时间成本节省了62%。     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

基于多目标遗传算法的大型客机总体参数优化

在大型客机总体参数设计的基础上,提出总体参数优化的问题。建立多目标优化的数学模型,采用多目标遗传算法对大型客机的总体参数进行优化设计。考虑只对一个目标函数进行优化的单目标优化问题,设计程序进行单目标优化的计算。比较单目标优化和多目标优化的结果,分析两种优化方法的差异。算例表明,采用单目标优化在提升优化目标性能的同时会牺牲其他目标函数的总体性能,而多目标优化能兼顾各个目标函数的需求,并使整体达到最优。     

乘波飞行器一体化构型设计

为提高高超声速飞行器设计的水平,提出一种结合优化设计和灵敏度分析的新设计策略,并将其应用于高超声速乘波飞行器的二维一体化构型的设计.结合实验设计方法、响应面技术和遗传算法构建了一套改进的优化方法,结合设计参数取值域、正交设计和方差分析发展了一种灵敏度分析方法.在优化设计过程中,通过参数化建模、网格自动生成和CFD求解,应用改进的优化方法对飞行器进行了多点多目标设计,得到了Pareto最优前沿面和优化推荐构型.针对推荐构型,应用灵敏度分析方法进行了非设计状态的性能分析,并基于灵敏度分析结果对推荐构型进行了修形设计.     

超燃冲压发动机一体化设计与优化方法研究

建立了超燃冲压发动机一体化设计的优化模型，研究了超燃冲压发动机在总体性能要求与约束条件下，进气道、燃烧室（含隔离段）、尾喷管之间的性能匹配和参数优化。针对将计算流体力学（CFD）方法应用到优化设计过程中所带来的运算量巨大的问题，引入了基于PVM（并行虚拟机）的遗传算法，为包含有复杂流场计算过程的优化设计问题提出了一条易于实现并经济、可靠的解决途径。     

某型发动机喷管的多学科设计优化

以某型发动机喷管为研究对象，在iSIGHT软件平台上利用单级优化算法对其进行多学科设计优化，目标为权衡喷管推力和质量的综合改善。采用了较为稳健的组合优化策略，依次进行试验设计、全局探索和局部寻优。优化目标函数是通过对多个优化目标的线性加权平均获得的。改进的计算结果表明了MDO在喷管设计中的可行性和实用性。     

一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

基于直二元喷管形面优化的涡扇发动机参数优化设计研究

为了在设计阶段提升带直二元喷管涡扇发动机的总体性能,本文开展了基于直二元喷管形面优化的涡扇发动机参数优化的研究。首先,建立了带直二元喷管的涡扇发动机模型,提出了发动机正后向排气系统红外辐射特征的计算方法,分析了直二元喷管尺寸对发动机性能参数的影响;其次,提出了基于序列二次规划算法的设计参数多目标优化方法,优化的目标包括高单位推力、低油耗和低红外辐射强度;最后,基于以上模型,利用序列二次规划算法对在设计点非加力情况下的涡扇发动机设计参数进行多目标优化。仿真结果表明：在设计点上,相较于不带直二元喷管的涡扇发动机,带直二元喷管的涡扇发动机具有更好的红外性能,并且通过算法优化后,带直二元喷管的涡扇发动机具有更好的性能参数。     

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.     

航空燃油柱塞泵滑靴油膜的多目标优化设计

以锥形转子球面斜盘轴向燃油柱塞泵为研究对象,在分析滑靴油膜设计中的摩擦功率损失、泄漏功率损失、容积效率随滑靴的机械结构参数变化的基础上,基于遗传算法对上述多变量、多目标优化问题进行计算.权重系数法优化结果表明:优化后燃油柱塞泵设计点的摩擦功率损失和泄漏功率损失减少了7%左右,容积效率略微提升,并且优化得到的机械结构参数在不同转子转角和柱塞倾角的情况下也显示出性能上的优势,从而证明了多目标遗传算法对设计航空燃油柱塞泵油膜静压润滑是一种有效的方法.     

基于遗传算法和空间推进方法的单壁扩张喷管优化设计研究

 将单目标遗传算法和多目标遗传算法（包括NSGA-II和NCGA），与高效、高精度的空间推进流场数值模拟方法——SSPNS方法相结合，对二维超燃冲压发动机尾喷管即单壁扩张喷管（SERN）进行了气动优化设计研究。在巡航点（Ma=6.0）讨论了推力系数C_T最大单目标模型，推力系数C_T最大升力系数C_L最大两目标模型，以及推力系数C_T最大升力系数C_L最大俯仰力矩系数C_m最小三目标模型，分别得到了喷管的最大推力设计和关于多个目标性能的Pareto最优前沿。结果表明，扩张壁初始扩张角θ_r,i和外罩长度L_c对C_T影响较大；较小的L_c和较大的θ_r,i设计，将降低外罩内表面的负升力作用而使得SERN的C_L较大；较长外罩和较小的θ_r,i，对应Pareto最优设计的C_M较小。     

基于流形结构重建的多目标气动优化算法

在多目标优化中，Pareto解集是一个分段连续的k维流形，这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法，首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射，建立解集的概率分布，并在目标空间中扩展流形结构，从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性，能够极大提高算法的收敛效率。多目标气动优化算例验证，本文算法相比于常规多目标进化算法能够减少约80%的计算量，极大程度缩短了气动设计的周期。     

基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.