基于代理模型的大型民机机翼气动优化设计

先进的气动优化设计思想与方法，对于提升大型民机气动与综合性能具有至关重要的意义。探讨了大型民机超临界机翼气动优化设计的基本准则和要点，并结合代理优化算法，提出了一种面向工程应用的多轮次高效全局气动优化设计方法。首先，通过一系列解析函数/翼型/机翼优化测试算例进行了验证。其次，将所提出的方法与人工修型相结合，开展了针对宽体客机超临界机翼的两轮气动优化设计，使其气动性能得到显著改善。最后，采用不同的雷诺平均Navier-Stokes（RANS）方程求解器对安装优化机翼的全机巡航构型进行了典型状态的气动性能综合评估。研究结果表明，所提出的代理优化算法具有很高的优化效率、较强的约束处理和全局优化能力；将所发展的基于代理模型的多轮次气动优化设计方法与人工修型相结合，能够获得满足设计要求的气动外形，验证了该方法在大型民机超临界机翼气动设计中的有效性和工程实用性。     

人工智能气动特性预测技术在火箭子级落区控制项目的应用

发展了一种基于人工智能算法的气动特性预测技术,在开展部分工况风洞试验基础上,结合少量数值仿真结果,通过机器学习模型预测全部工况气动特性。该方法能够降低研制成本,缩短周期。先后解决了相关函数选择、模型超参数训练、数据检验和“人在回路”应用等关键算法与技术问题,应用于运载火箭子级栅格舵落区控制项目气动研制,获得了设计所需完整的气动特性数据。2019年7月26日火箭飞行搭载试验验证了预测方法的正确性。最后,提出了人工智能技术在气动设计应用的分级概念和标准,划分和识别人工智能的能力,确定阶段性功能,为人工智能与气动设计结合与应用提供参考。     

基于非结构网格求解器的CHN-T1 标模气动特性计算研究

高可信度计算流体力学(CFD)技术在大型运输机精细化气动设计中发挥着越来越重要的作用。虽然目前基于RANS方程的数值模拟技术已经应用于大型运输机复杂外形的气动性能计算与分析中,但其可信度仍需进一步确认。针对AeCW-1组委会发布的CHN-T1运输机标模,采用基于RANS方程的非结构网格求解器TNS进行了气动性能计算,并与组委会提供的风洞试验结果进行了对比。此外,还研究了网格量和湍流模型等因素对巡航气动特性计算结果的影响,以及支撑干扰和静气弹变形对跨声速抖振特性的影响。结果表明,TNS预测的巡航升阻比及跨声速抖振特性等气动性能与试验值吻合良好,计算结果完全位于试验值误差带内,验证了所采用的非结构网格求解器在大型运输机复杂外形气动力预测中的可靠性。     

基于代理模型的高效全局气动优化设计方法研究进展

基于高可信度计算流体力学的数值优化设计方法，在提高飞行器气动与综合性能方面正发挥着越来越重要的作用。基于代理模型的优化算法（SBO），由于能够实现高效全局优化，逐渐成为了气动优化设计领域的研究热点之一。近20年来，代理优化算法研究已取得了长足进步，多种先进的新型代理模型被提出，优化理论和算法也不断完善和发展。以飞行器精细化气动优化设计为背景，综述了基于代理模型的高效全局气动优化设计方法研究进展。首先，介绍了基于变可信度代理模型的气动优化设计方法、结合代理模型和伴随方法的气动优化设计方法以及基于非生物进化的并行气动优化设计方法的研究现状和最新进展。然后，针对飞行器气动优化设计学科领域的前沿问题，介绍了基于代理模型的多目标气动优化设计方法、混合反设计/优化设计方法、稳健气动优化设计方法的研究进展，以及基于代理模型的多学科优化设计方法的研究进展。文献综述表明，代理优化算法在设计效率、全局性以及鲁棒性等方面性能优良，已经发展到可以解决100维（100个设计变量）以内的气动优化设计问题，具有良好的工程应用前景。最后，探讨了基于代理模型的高效全局气动优化设计在理论、方法及飞行器设计应用方面所面临的问题和挑战，给出了未来研究方向的建议。     

机器学习数据融合方法在火箭子级栅格舵气动特性建模应用中的比较研究

机器学习数据融合方法可帮助降低飞行器气动数据库建立的成本,加快研制进度,目前已经成为飞行器设计方法领域越来越活跃的研究方向,但其在工程复杂问题方面的应用研究并不充分。将多种常见变可信度数据融合模型应用于运载火箭子级栅格舵落区控制的工程项目,在开展部分工况的风洞试验基础上,结合少量的CFD数值模拟结果,研究相关函数和不同模型预测完整工况气动特性数据的差异性。通过对比加法标度函数修正模型、Co-Kriging模型、分层Kriging模型和多可信度神经网络模型等4种不同的数据融合模型发现:高斯指数相关函数对气动建模问题的适应性更好;Co-Kriging模型对气动数据的内插表现最好;分层Kriging模型对内插的预测精度较高,外插效果不理想;多可信度神经网络模型在外插区域能获得更光滑、合理的预测结果。