应用遗传算法的气动优化设计

首先对简单遗传算法进行改进，并对改进前、后算法的计算效率进行了比较；然后以跨音速翼型为例，应用改进的遗传算法进行气动优化设计。经过优化的翼型气动特性垢改善，表明了遗传算法在优化设计中的有效性。在优化设计的过程中，翼型用解析函数的线性叠加表示，目标函数和个体和适应值由欧方程的流场解来提供。     

基于遗传算法的翼型气动优化设计

采用遗传算法进行跨声速翼型的阻力和升阻比的优化设计。在优化设计的过程中,为避免进化的早熟和停滞,引入了自适应变异并对其作了适当的修改。进行减阻优化设计后的翼型其气动特性有显著的改善,这表明了遗传算法应用于翼型气动优化设计是可行的。在此基础上,进行了最大升阻比和双目标优化设计,得到了较为满意的结果。     

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.     

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。     

基于遗传算法的低雷诺数高升力翼型的优化设计

利用遗传算法进行低雷诺数高升力翼型的气动优化设计,优化后的翼型其气动特性有明显改善,从而表明利用遗传算法进行翼型气动优化的可行性.在优化设计过程中翼型由解析函数线性叠加法表示,并对设计翼型进行了升力系数和阻力系数的气动计算,以提供目标函数和个体的适应值.     

基于遗传算法的翼型气动优化设计

采用遗传算法进行跨声速翼型的反设计与阻力和升阻比的优化设计。翼型的反设计达到了设计要求,优化设计后的翼型其气动特性也有显著的改善,这表明了遗传算法应用于翼型气动优化设计的可行性。在优化设计的过程中,翼型由解析函数线形叠加法表示,目标函数和个体的适应值由二维欧拉方程的流场解来提供。     

旋翼翼型多目标多约束气动优化设计

为了克服传统旋翼翼型优化设计方法的不足,发展了一种基于Kriging模型与遗传算法的旋翼翼型多目标多约束气动优化设计方法。采用基于雷诺平均Navier-Stokes方程的数值模拟获得样本翼型气动性能,并建立目标函数和状态函数的Kriging模型,采用遗传算法搜索Kriging模型最小值和相应的EI(Expected Improvement)函数最大值,更新Kriging 模型直至找到满足约束的最优翼型。运用加权目标函数法进行了旋翼翼型的多设计点优化设计。优化结果表明,优化后旋翼翼型在满足约束的同时,与基准旋翼翼型OA209相比:在悬停状态下,阻力系数下降了2.1%;在机动状态下,最大升力系数提高了4.2%;在前飞状态下,阻力系数在不同马赫数下均有所减小。     

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。     

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。     

基于遗传算法的翼型多目标气动优化设计

采用遗传算法实现了单/多目标情况下NACA0012翼型的气动优化设计。绕翼型的外部无粘流场解采用基于非结构网格的显式时间推进Jameson有限体积方法。遗传算法采用二进制编码,通过外部调用流场解算器对种群适应度函数进行评估。为提高计算效率,使用了动弹网格技术以及使得优化程序可以从任一进化代继续计算的中间进化结果存储技术。优化参数为翼型气动型面,分别以给定来流条件下的升力系数、阻力系数作为优化目标进行了单目标优化设计,并以此为基础,结合博弈论中的Nash博弈,实现了升力系数和阻力系数的多目标优化设计,得到了优化结果。分析表明,该方法具有较高的计算效率,能够给出更优的翼型气动性能,具有一定的实际工程应用前景。     

结冰区流场特征一致的混合缩比翼型设计

提出了一种基于翼型前缘范围流场相似的多控制点混合缩比翼型优化设计方法:以前缘局部范围内的空间流场特征相同为目标,采用多目标遗传优化算法结合翼型参数化、多控制点、网格自适应技术及CFD,进行了不同工况下的混合缩比翼型设计,分别通过低湍流度风洞及结冰风洞对翼型的气动性能及积冰过程进行了实验。设计及实验结果表明:该混合缩比翼型与对应的全尺寸翼型在前缘15%弦长范围内的压力系数偏差均在5%以内,翼型绕流相似;在相同时间历程内两者的冰型增长及气动特性均具有相同的变化规律。该设计方法可以应用于不同实验状态下的混合缩比翼型的设计,提高多状态下结冰实验效率。     

基于遗传算法的微型飞行器气动力优化设计

本文以固定机翼式微型飞行器的翼型气动力优化设计为研究背景,在105量级的低雷诺数范围内,把遗传算法与Navier-Stokes方程数值解法相结合,建立了一种以实数编码为基础的自适应算法模型.在基准翼型的基础上,结合锦标赛选择、部分交叉以及自适应变异算子,对翼型进行了升阻比气动力优化设计,并设计了一种高效的复制算子来提高算法的稳定性和计算效率.优化后的翼型升阻比提高显著,表明该算法对低雷诺数翼型的气动外形设计合理有效.     

基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

飞翼布局隐身翼型优化设计

针对飞翼布局设计中气动与隐身设计矛盾更为突出的问题,采用高精度气动和隐身计算方法,建立了基于Parsec参数化方法、径向基函数（RBF）神经网络、Pareto遗传算法和松散式代理模型管理方法的翼型多目标优化设计平台。根据飞翼布局内外翼不同功能和特点,确定了内外翼翼型不同的优化设计目标和约束条件,开展了兼顾气动与隐身性能要求的翼型综合优化设计研究。结果表明：对兼顾气动与隐身性能要求的飞翼布局,内翼段翼型主要通过弯度、前缘半径、尾缘角及厚度等设计,减小低头力矩和重点方位角的雷达散射截面（RCS）均值。外翼段翼型上表面的几何形状对跨声速气动效率的影响很大,应通过上表面设计提高跨声速气动效率,重点方位角RCS均值的减小则通过下表面设计实现。某些翼型参数对气动和隐身性能均有较大影响,但作用相反,应作为综合优化设计的主要设计参数,并采用不同的优化设计策略。Pareto方法给出的前沿阵面可为飞翼布局的三维设计提供更丰富的信息。     

高升力翼型的气动优化设计和实验研究

利用遗传算法进行了低雷诺数高升力翼型的气动优化设计,并利用风洞实验检查了设计的正确性。优化后的翼型其气动特性有明显改善,这说明了利用遗传算法进行低雷诺数翼型气动优化的可行性。风洞实验结果验证了优化设计方法的正确性,同时也表明新设计翼型有较高的升力系数和相对大的升阻比,其升阻比提高了10%。     

应用混合演化策略的机翼气动优化设计

把基于实数编码的遗传算法与可变容差法相结合,建立了数值优化设计中的混合演化策略(HES),并将其与机翼的气动分析相结合进行跨音速机翼的气动优化设计.与基准机翼相比,优化设计的机翼其气动性能有较大程度的改善,表明了混合演化策略在机翼优化设计中的有效性.与单纯的遗传算法(GA)相比,应用混合演化策略的气动优化设计具有更高的优化效率和优化质量.     

前加载翼型多点综合优化设计

前加载翼型具有低头力矩小、隐身性能好的特点,能够对气动和隐身特性进行合理折中,是理想的飞翼布局飞机截面翼型。首先介绍典型翼型参数化方法和评估方法,并对前加载翼型外形的控制能力进行评估,结果表明Hicks-Henne方法和CST方法对前加载翼型外形的控制能力较强,并且CST方法参数个数较少。然后依据飞翼布局飞机设计需求,在确定翼型设计状态和优化设计模型的条件下,将CST翼型参数化方法、N-S方程数值求解方法和遗传算法相结合进行前加载翼型多点综合优化设计,得到比参考翼型具有更大相对厚度和更优气动特性的设计结果。     

基于Kriging模型的翼型气动性能优化设计

将基于Kriging模型的近似技术引入气动优化设计。通过计算两个测试函数的全局极值以及翼型几何形状的重构,比较了基于Kriging模型的优化方法与传统的梯度类优化方法、标准遗传算法的特点。结果表明基于近似模型的优化方法不仅全局性良好,而且有效节约了计算资源。用此方法进行了翼型的气动优化设计,目标函数为来流马赫数为0.7、攻角为3°时升阻比最大。设计结果表明,与参考翼型相比,优化翼型升阻比提高了81%,而翼型截面积减少不到1%,优化效果非常明显。