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。     

超临界翼型稳健型优化设计研究

基于标准遗传算法、RBF神经网络以及类函数/型函数变形技术建立了翼型气动优化设计系统,在选取3次CST方法即分别对翼型上下表面采用4个设计变量进行参数化,对某型客机基本翼型在给定设计指标下进行优化设计,分别研究了巡航状态下的气动优化,以及结合蒙特卡洛分析方法马赫数随机平均分布下的翼型稳健型优化设计。结果显示,优化后的翼型的气动特性有着显著提高。     

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。     

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。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。     

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。     

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%。     

高高空长航时无人机翼型优化设计研究

针对高高空长航时无人机的特点和使用要求,开展了高高空长航时无人机翼型的优化设计研究.为了提高采用遗传算法的气动优化设计的效率,将分布式计算与遗传算法相结合,形成了基于遗传算法和分布式计算的气动优化设计方法,并将该方法与基于反设计概念的工程方法相结合进行了高高空长航时无人机翼型的气动优化设计.设计实践表明,该方法是可行的,设计出的翼型是能够满足工程需要的.     

基于分层策略的翼型多参量气动优化设计研究

与基于梯度的优化方法相比,遗传算法因其极强的鲁棒性、随机搜索及优化结果全局性等特点在工程优化中得到越来越广泛的应用。为提高优化设计的效率,改进了传统的遗传算法,采用并行分层策略基因遗传算法开展了翼型多参量气动优化设计研究,包括翼型和多段翼型的基因编码、外形参数化,以及动网格技术。结果表明,并行分层策略在得到较优气动优化结果的同时,极大地缩短了优化时间,提高了计算效率,具有广阔的工程应用前景。     

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。     

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。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群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,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

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。     

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。     

垂直轴风力机翼型气动优化设计

对小型垂直轴风力机常用的NACA0015翼型进行优化设计,使其具有更优的气动性能。在优化过程中,利用CST参数化方法对翼型的几何外形进行扰动,选取翼型的厚度及弯度作为约束,翼型切向力系数作为目标函数,以基于非支配排序的遗传算法（NSGA－II）作为优化方法,最后建立优化流程,优化过程中利用XFOIL程序结合Viterna-Corrigan失速后模型计算优化前后翼型的气动性能。结果表明,与NACA0015翼型相比,优化后的翼型气动性能有了较大提升,最大升力系数提高了6．63％,最大升阻比提高了27．5％,最大切向力系数提高了22．7％。     

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。     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。     

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.     

基于遗传算法的旋转机翼飞机机翼优化设计

将基于实数编码的遗传算法与能准确描述翼型粘性流动的NS方程以及旋翼气动分析模型结合起来,以旋翼最大悬停效率作为优化设计的目标对旋转机翼飞机的机翼进行优化设计,设计结果表明通过优化设计旋翼的气动性能得到了提高,达到了优化设计的目的,旋翼优化设计方法是可行的.