基于POD-BPNN的热启动策略及其在气动代理优化中的应用

传统气动优化设计需要大量CFD 分析,而代理优化（SBO）方法能够有效降低CFD 分析次数,但该方法并没有改变单个CFD 分析时间。提出一种基于本征正交分解-反向传播神经网络（POD-BPNN）模型的热启动策略,并应用于气动代理优化。使用POD-BPNN 模型对SBO 中的初始样本建立从几何设计变量到流场数据的预测模型...     

时变可靠性分析的高效近似最大可能轨迹法

现有的时变可靠性分析方法在处理飞行器复杂时变可靠性分析问题时,存在求解效率过低的问题。在基于近似最大可能轨迹的时变可靠性分析方法的基础上,根据时间离散所得串联系统瞬时可靠度最小的组件决定整个系统可靠度的特点,在最大可能轨迹自适应建模过程中同时考虑轨迹模型的预测误差和预估值增加样本,提出时变可靠性分析的高效近似最大可能轨迹法;采用解析算例验证最大可能轨迹自适应采样方法的有效性,并将该可靠性分析方法应用于水动力涡轮叶片和某空天飞行器机翼的时变可靠性分析。结果表明：在精度相近的情况下,所提方法对极限状态函数调用次数不高于基于时间离散的可靠性分析方法的3%。     

基于两层POD和BPNN的翼型反设计方法

翼型优化过程需要大量的 CFD 分析,计算量大、耗时长。本文发展基于本征正交分解（POD）和反向传播神经网络（BPNN）的翼型反设计方法,该方法的优化过程如下：首先,通过 Hicks-Henne 参数化,在设计空间中构造翼型外形的样本库,并利用 Xfoil/Fluent 对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立 POD 模型,即两层 POD 模型,并得到对应的基模态系数;最后,使用 BPNN 建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测。通过算例分析,结果表明：在亚/跨声速状态,基于 200 个样本训练所得的两层 POD+BPNN 模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求。     

一种适用于气动优化的高效自适应全局优化方法

随着设计空间的增大和优化问题非线性程度的提高，基于代理模型的优化（SBO）过程收敛越来越慢，并且在局部勘测上呈现不足。本文发展了一种高效自适应全局优化方法，在整个样本细化迭代过程中采用变设计空间取样：即在每一步样本细化迭代过程中，利用当前设计空间中的样本建立代理模型，并且根据样本的内部特征，利用模糊聚类算法将该设计空间分割成几个子空间，然后在每个子空间内通过最大化目标函数的期望提高函数和最小化模型预测目标来增加新的样本，之后对子空间进行融合更新设计空间。6个解析测试算例的结果表明，所发展的方法相比于一般的代理模型优化方法，具有更好的鲁棒性以及全局探索和局部勘测能力，更适用于具有强非线性和多极值的优化问题。RAE2822气动优化实例表明，所发展的方法在处理工程实际问题时，仍然能够保持很好的效率、鲁棒性和自适应性。     

T型尾翼民机深失速气动特性的计算研究

以非结构混合网格上的雷诺平均N-S方程(RANS)求解方法为基础,对采用T型尾翼的某民机外形在大迎角深失速情况下的粘性绕流进行了数值模拟,获得了该机在巡航和降落外形在深失速情况下的气动特性变化规律.通过对T型尾翼深失速情况下的流动特点进行分析,解释了T型尾翼布局飞机在深失速情况下俯仰力矩系数会随迎角出现不利于纵向稳定性的变化趋势的原因.     

一种基于径向基函数和峰值选择法的高效网格变形技术

基于径向基函数的网格变形方法因其具有诸多优点,而被广泛应用于气动外形优化设计等领域。对于大规模网格或复杂构型,该方法所需计算量是难以承受的。为了提高网格变形效率,可以通过减少建立插值模型所需支撑点数目来实现。为此,提出一种高效的选点算法--峰值选择法。该算法在选点过程的每个迭代步中对边界节点处的误差进行分析,从物面节点中选取多个峰值点来更新支撑点集,减少迭代步数,提高选点效率。在该算法的基础上,实现了网格的高效变形。三段翼型的网格变形算例证明：该方法可以在保证网格质量的同时实现复杂网格的变形。以DLR-F6复杂模型（约1 000万网格）的刚性运动和弹性大变形为算例对该方法的变形效率和变形后网格质量做了进一步评估：当相对误差设置为5.0×10^-7时,在保证变形后网格质量的前提下,该方法变形效率最快比传统贪婪算法提高了13倍,其中在选点效率方面最快提高了31倍。