本征正交分解在翼型气动优化中的应用研究

为降低机翼翼型气动优化的仿真代价,提出了一种基于本征正交分解(POD)的翼型自适应快速优化方法。建立气动流场数据的代理模型以预测流场。为简化求解规模和难度,采用POD代理模型优化。为进一步提高精度,提出了基于序贯POD代理模型自适应优化,在优化过程中实时更新POD基,即在优化中间结果的基础上重新采样,以更新POD空间,基于动态数据库构建代理模型。给出了不同优化方法的求解流程。以NACA0012翼型为例分别对直接翼型优化、基于代理模型的翼型优化和基于POD代理模型的翼型优化方法进行了对比分析。结果表明:与直接优化方法相比,基于POD代理模型的翼型优化能显著提升优化效率,且拟合精度更高。