基于Kriging模型的旋翼翼型优化设计研究

以基于进化算法的多目标优化方法为基础,结合多目标优化设计Pareto解的思想和约束处理机制,采用Kriging代理模型和基于B样条的翼型表示方法,建立了旋翼翼型的优化设计系统.代理模型采用均匀设计进行模型采样,在优化过程中根据EI(expected improvement)准则动态增加采样点来调整代理模型的精度.采用B样条方法进行翼型参数化,保证了翼型的光顺性.在翼型的气动性能分析中引入转捩模型提高阻力计算的精度.利用该系统对旋翼翼型进行了优化设计,经风洞试验验证,满足设计要求.     

超声速翼型气动优化设计

首先分析了几何外形和相对厚度对超声速翼型气动特性的影响。基于遗传算法(GA)和气动力快速工程算法,对于相对厚度为3.5%的多边形翼型进行优化设计,多边形翼型的优化外形趋于四边形,最大厚度点后移到翼型弦线的60%左右,随着迎角或者马赫数增大下翼面会变薄,上翼面变厚,最大厚度点相应稍有后移。对于相对厚度为4%的双圆弧翼型,采用两步优化设计方法,第1步优化结合基于B样条的类别形状函数变换(CST)参数化方法与小波分解方法,实现几何外形的局部控制与光顺处理,并且采用本征正交分解(POD)代理模型降低优化过程中流场计算的工作量;第2步优化采用基于Navier-Stokes方程的最速下降法(SDA),修正第1步优化中代理模型和小波光顺引入的误差;优化设计得到的翼型近似为四边形,其相对厚度最大点后移到翼型弦线的60%~65%处,升阻比可以提高7%。     

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。     

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。     

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。     

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。     

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,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。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

一种高效高精度的气动弹性结构优化方法

气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容。针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法。针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法。针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费。最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法。优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5%以下,副翼效率预测的平均误差甚至低于1%;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力。     

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。     

基于遗传算法的液体火箭发动机参数优化

建立了液体火箭发动机系统设计的仿真模型和多目标优化模型,采用组合优化策略和遗传算法,针对全流量补燃循环发动机,进行了不同设计变量和目标函数下发动机性能参数的优化,求得全局最优解.计算结果表明,遗传算法是解决该类问题的有效方法,可为其它类似发动机的优化提供一定的指导作用.      

基于改进CST参数化方法和转捩模型的翼型优化设计

为提高翼型优化设计效率,增大设计空间,采用B样条基函数替代传统的形状类别函数(CST)方法中的Bezier多项式,增强了对翼型参数化表达的局部控制能力并提高了翼型局部表达精度。为了确保翼型在优化设计过程中的几何光顺特性和代理模型的准确性,采用小波分解技术提出了多分辨率翼型的局部光顺方法。采用基于本征正交分解(POD)的流场数值代理模型,并结合γ-Reθt转捩模型实现了快速准确的气动力与流动转捩预测。采用小波技术光顺的CST翼型参数化建模、POD流场数值计算代理模型以及γ-Reθt转捩模型,结合遗传算法建立了完整的翼型气动优化设计系统。针对低速层流翼型与超临界翼型进行优化设计,优化设计后的翼型升阻比分别提高了47.42%和45.85%,且对改进前后参数化建模方法的优化性能进行了对比,结果表明本文构建的翼型气动优化设计系统具备很高的优化效率。     

基于特征正交分解的跨声速流场重构和翼型反设计方法研究

在二维流场的重构问题中应用特征正交分解(Proper Orthogonal Decomposition,POD)数据处理方法。利用CFD技术计算得到的流场快照对气动力模型进行降阶,然后利用基于POD的降阶模型(Reduced Order Model,ROM)对所需的流场参数进行重构,在快照范围内可以得到高精度的结果,且具有一定的外插能力。在翼型反设计问题中该方法仍然是成功的,通过修正快照向量,利用基于POD降阶模型的数据重构方法,由已知的翼型表面压力分布通过反设计就能够高效精确地得到对应的最优翼型形状,这极大地简化了翼型反设计问题。本文分别在跨声速范围对RAE 2822翼型的流场重构和Korn翼型及NACA 63212翼型的反设计进行了验证,证明了基于POD的流场重构和翼型反设计方法的有效性和高效性。     

基于混合优化算法的无叶片粒子分离器优化设计

将混合优化算法引入粒子分离器优化设计,减小粒子分离器流动损失并简化结构.利用四次样条曲线参数化描述粒子分离器模型,建立粒子分离器自动化仿真流程.采用优化拉丁方实验设计方法获取样本点并建立椭球径向基函数神经网络代理模型,基于该模型使用非支配排序遗传算法进行全局多目标优化,最后采用序列二次规划算法进行局部优化,得到了粗砂分离效率达到100%、细砂分离效率达到86.7%,总压损失小于0.6%、出口总压畸变较小的设计方案.      

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

Variable-fidelity optimization with design space reduction

Advanced engineering systems, like aircraft, are defined by tens or even hundreds of design variables. Building an accurate surrogate model for use in such high-dimensional optimization problems is a difficult task owing to the curse of dimensionality. This paper presents a new algorithm to reduce the size of a design space to a smaller region of interest allowing a more accurate surrogate model to be generated. The framework requires a set of models of different physical or numerical fidelities. The low-fidelity (LF) model provides physics-based approximation of the high-fidelity (HF) model at a fraction of the computational cost. It is also instrumental in identifying the small region of interest in the design space that encloses the high-fidelity optimum. A surrogate model is then constructed to match the low-fidelity model to the high-fidelity model in the identified region of interest. The optimization process is managed by an update strategy to prevent convergence to false optima. The algorithm is applied on mathematical problems and a two-dimen-sional aerodynamic shape optimization problem in a variable-fidelity context. Results obtained are in excellent agreement with high-fidelity results, even with lower-fidelity flow solvers, while showing up to 39% time savings.     

Global aerodynamic design optimization based on data dimensionality reduction

In aerodynamic optimization, global optimization methods such as genetic algorithms are preferred in many cases because of their advantage on reaching global optimum. However, for complex problems in which large number of design variables are needed, the computational cost becomes prohibitive, and thus original global optimization strategies are required. To address this need, data dimensionality reduction method is combined with global optimization methods, thus forming a new global optimization system, aiming to improve the efficiency of conventional global optimization. The new optimization system involves applying Proper Orthogonal Decomposition (POD) in dimensionality reduction of design space while maintaining the generality of original design space. Besides, an acceleration approach for samples calculation in surrogate modeling is applied to reduce the computational time while providing sufficient accuracy. The optimizations of a transonic airfoil RAE2822 and the transonic wing ONERA M6 are performed to demonstrate the effectiveness of the proposed new optimization system. In both cases, we manage to reduce the number of design variables from 20 to 10 and from 42 to 20 respectively. The new design optimization system converges faster and it takes 1/3 of the total time of traditional optimization to converge to a better design, thus significantly reducing the overall optimization time and improving the efficiency of conventional global design optimization method.     

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.      

基于代理模型的二元收扩喷管流道型面优化设计

在二元收扩（2D-CD）喷管设计参数对喷管气动性能影响研究的基础上,以获得尽可能高的喷管推力系数为目标,以喉道宽高比、喉道型面半径比、收敛半角和扩张半角为设计变量,对二元收扩喷管的流道型面进行了优化设计。设计过程中,利用正交试验设计方法确定初始样本点,建立喷管推力系数与设计参数间的Kriging代理模型,采用自适应模拟退火算法（ASA）对代理模型进行分析求解。结果表明,二元收扩喷管的优化型面参数为:喉道宽高比为6,喉道型面半径比为0.3,收敛半角为15°,扩张半角为5.64°,此时最大推力系数为0.97847,流量系数为0.98778.      

Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization

An efficient method employing a Principal Component Analysis (PCA)-Deep Belief Network (DBN)-based surrogate model is developed for robust aerodynamic design optimization in this study. In order to reduce the number of design variables for aerodynamic optimizations, the PCA technique is implemented to the geometric parameters obtained by parameterization method. For the purpose of predicting aerodynamic parameters, the DBN model is established with the reduced design variables as input and the aerodynamic parameters as output, and it is trained using the k-step contrastive divergence algorithm. The established PCA-DBN-based surrogate model is validated through predicting lift-to-drag ratios of a set of airfoils, and the results indicate that the PCA-DBN-based surrogate model is reliable and obtains more accurate predictions than three other surrogate models. Then the efficient optimization method is established by embedding the PCA-DBN-based surrogate model into an improved Particle Swarm Optimization (PSO) framework, and applied to the robust aerodynamic design optimizations of Natural Laminar Flow (NLF) airfoil and transonic wing. The optimization results indicate that the PCA-DBN-based surrogate model works very well as a prediction model in the robust optimization processes of both NLF airfoil and transonic wing. By employing the PCA-DBN-based surrogate model, the developed efficient method improves the optimization efficiency obviously.