| 耦合梯度与分级Kriging模型的高效气动优化方法 |
| |
| 引用本文： | 宋超,杨旭东,宋文萍.耦合梯度与分级Kriging模型的高效气动优化方法[J].航空学报,2016(7):2144-2155. |
| |
| 作者姓名： | 宋超 杨旭东 宋文萍 |
| |
| 作者单位： | 西北工业大学翼型叶栅国家重点实验室,西安,710072 |
| |
| 基金项目： | 国家自然科学基金(11272263)，中央高校基本科研业务费专项资金(310201401JCQ01017)，National Natural Science Foundation of China(11272263)，the Fundamental Research Funds for the Central Universities(310201401JCQ01017) |
| |
| 摘 要： | Kriging代理模型中引入梯度信息能够提高模型的预测精度,但常规耦合梯度的方法都有不足之处。本文结合分级Kriging模型,提出了一种变可信度分级Kriging模型耦合梯度(GEHK)信息的新方法。首先利用梯度信息,选取扰动步长得到初始样本点附近的派生点,以派生点拟合出能够预测目标函数趋势的低精度Kriging模型。然后以初始样本点修正该模型得到高精度的Kriging模型。翼型减阻优化设计算例表明,与常规耦合梯度的Kriging模型相比,基于分级Kriging的梯度耦合方法对于扰动步长引入的误差不敏感,明显提高了模型预测精度,优化效率因此提升并使得目标函数值下降得更加迅速。相比Euler解作为低精度数据的常规分级Kriging模型,由梯度信息得到的派生点为模型提供了更准确的全局趋势预测,取得了更好的优化结果。本文方法成功应用于翼型多点减阻优化问题,说明该方法对复杂设计问题有很好的适应性。基于分级Kriging模型的耦合梯度方法克服了常规方法的缺点,提高了模型全局拟合精度,是一种优化效率更高的Kriging方法。
|
| 关 键 词： | 翼型 分级Kriging模型 耦合梯度 气动优化 减阻 |
Efficient aerodynamic optimization method using hierarchical Kriging model combined with gradient |
| |
| Abstract: | |
| |
| Keywords: | airfoil hierarchical Kriging model combining gradient aerodynamics optimization drag reduction |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
