基于设计变量相关性的翼型设计方法

针对传统设计方法缺乏物理背景等不足,利用流动数值仿真及相关性分析的手段,对几何外形与流动变化的相关性规律进行经验总结,并将这种设计经验进行数值化描述后,引入到优化设计中,建立新的气动外形优化设计模型,使设计模型具有一定的物理意义,从而提高设计效率,改善设计结果。通过高速自然层流翼型HSNLF0213的优化设计,利用相关性的分析结果,建立具有物理意义的优化模型,开展了基于单点优化设计且同时满足多点设计要求的设计方法的应用研究,对这种设计方法及思路进行了初步的探索。设计结果证明了该方法的可行性。     

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。     

基于多方法协作优化算法的飞机总体优化设计

针对飞机总体优化设计中存在目标函数与变量之间没有显式关系式等问题,在建立包含推进、气动、性能及重量四个学科的飞机总体设计模型的基础上,采用遗传算法、模式搜索法和Powell法结合的多方法协作优化策略实现了飞机总体参数的优化;并对优化方案进行参数灵敏度分析,优化后飞机正常起飞总重较优化前降低11.6%,优化效果显著.分析结果表明了基于多方法协作优化算法的飞机总体优化设计的有效性.     

飞行器外形多目标多学科综合优化设计方法研究

从多目标多学科综合设计的角度出发，探讨了飞行器外形优化设计方法。建立了针对飞行器外形设计的气动与隐身一体化优化设计模型；采用Pareto遗传算法，建立了多目标优化设计方法；并针对具体算例进行气动外形与隐身特性的综合优化设计，将所得优化设计结果，与初始外形相比较，可以看出，优化后气动和隐身性能都有较大提高，实际结果表明本文提出的方法具有可行性和适用性。     

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。     

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。     

超临界机翼多目标气动优化设计的策略与方法

超临界机翼的气动设计十分复杂,往往需要借助于有效的优化手段。然而,优化方法本身往往无法直接表达真实完整的设计意图,因此需要将工程需求和约束转换为优化方法所能处理的数学形式。本文首先探讨了梯度优化方法和进化类优化方法在气动优化中的表现。之后简要总结了前人在飞机气动设计中提出的准则和要求,并基于压力分布形态定义了超临界机翼气动设计的关键特征及定量要求,探究其在超临界机翼气动优化设计中的应用效果。研究结果表明,在多目标优化中引入面向压力分布形态特征的目标和约束,能有效引导优化体现工程设计思想,进而提高优化效率。     

自适应设计空间扩展的高效代理模型气动优化设计方法

对基于Kriging模型气动优化的加点方法和设计空间的构建问题进行了研究。首先,针对高效全局优化（EGO）方法收敛缓慢的问题,提出了一种混合加点方法,该方法通过引入期望提高（EI）阈值控制EI和最小预测值（MP）加点准则,利用先全局再局部的优化思想,提高了EGO方法在确定设计空间内的收敛性。其次,针对设计空间的构建问题,对比了扩大设计变量范围和多轮优化两种不同的设计空间构建方法,分析了设计变量范围对设计空间大小和样本密度的影响,进而提出了自适应设计空间扩展的代理模型优化方法。相对于传统固定设计空间的方法,自适应设计空间扩展的方法在动态的设计空间中进行优化搜索,只在有潜力的维度扩展设计变量范围,通过构建自适应设计空间,实现了样本的高效配置。最后,通过ADODG标准翼型优化算例证实,自适应设计空间优化方法可以大幅提高气动优化设计效率。     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法,其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足,采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估;通过改进随机游走策略来提高局部搜索能力;通过引入改进的自适应丢弃概率策略来提高算法的收敛速度;加入档案管理机制,提高解的均匀性。典型的多目标数值算例结果表明,改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例,将改进的MOCS算法应用于多目标气动优化中,改进的MOCS算法共获得64个Pareto解,优化后的翼型气动性能有明显的提升,设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题,改进的MOCS算法与目前主流的NSGA-Ⅱ相比,收敛速度更快。     

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。     

气动设计的多目标优化算法比较研究

由于目标函数复杂且流场求解耗时,气动优化设计需要选择搜索能力强且调用目标次数少的优化算法,现有的优化算法种类很多,针对不同类型问题算法性能不同。本文将常用的多目标优化算法进行了分类总结并进行函数测试,判断各个优化算法对不同问题的收敛性和稳定性,找出适合气动优化的多目标优化算法。将该算法应用于气动优化问题当中,进行了针对翼型的气动优化设计,缩短了优化时间,取得了一定的优化效果。     

直升机桨叶气动外形多目标优化设计

基于自由尾迹方法建立了直升机桨叶空气动力学分析模型,应用人工神经网络方法建立代理模型,采用改进的多目标遗传算法构建了优化框架,对直升机的悬停和大速度前飞状态进行优化.以悬停效率、旋翼等效升阻比及桨叶叶素的最大阻力系数为约束,对两个飞行状态的需用功率进行优化,得到了Pareto最优解集.并以UH-60A直升机的桨叶为算例,对其外形进行优化设计,优化结果表明,提出的桨叶气动外形多目标优化框架是有效可行的.      

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。     

基于多可信度代理模型的尾喷管优化设计

尾喷管是飞行器机体/推进一体化设计中的关键部件之一,直接影响着飞行器的推阻匹配、俯仰力矩配平等特性。为了提高尾喷管优化设计效率,建立基于多可信度代理模型的多目标优化模型。以基于粗网格、无黏模型的CFD 结果作为低可信度数据,以基于细密网格、SST k-ω 湍流模型的CFD 结果作为高可信度数据,将最大化推力系数、升力系数和俯仰力矩系数作为优化目标,构建Cokriging 模型,并结合NSGA-Ⅱ算法得到Pareto 解集。结果表明：以上三个目标分别提升了2.94%、13.0% 和40.6%,误差低于0.5%,并进行了敏感性分析;优化后流场波系结构更为复杂,改变了壁面压强分布规律;与Kriging 模型相比,Cokriging 模型具有相当的预测性能,构建时间成本节省了62%。     

载重飞机总体参数的多目标优化设计方法

利用遗传算法进行了低雷诺数下全机气动布局设计及优化,并制作原理样机以检查设计的可行性及正确性.主要优化对总体外形和飞机性能影响较大的机翼、尾翼的平面形状几何参数以及少数几个机身几何参数;优化目标是巡航段最大升阻比和空机重量.试验结果表明该优化设计方法是十分有效的,可以用来对具有正常布局形式的飞机进行气动外形的优化设计.     

基于支持向量回归代理模型的气动力优化设计

目前,气动力优化设计中通常基于经验风险最小化原则构建代理模型,预测精度的提高需要更多的训练样本,计算代价较大,同时盲目降低代理模型的训练误差难以避免过学习问题。针对上述问题,首先提出采用支持向量回归(SVR)方法基于结构风险最小化原则构建代理模型的思路,然后对测试函数和翼型阻力进行预测,最后对某型运输机机翼进行优化设计试验。结果表明:与其他代理模型对比,基于SVR的代理模型在小样本情况下具有较好的泛化能力,并且能够快速准确地预测气动特性,在飞机优化设计中,可以提高工作效率,优化结果可靠、可控。     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.     

基于多设计点方法的涡轴发动机热力循环分析

针对航空发动机设计中涉及多性能需求和多约束条件的热力循环分析问题,提出了多设计点热力循环分析方法。详细介绍了多设计点热力循环分析方法的构建以及求解过程,用单设计点方法和多设计点方法对单转子燃气发生器带自由式动力涡轮的涡轴发动机进行热力循环分析,并分析了2种方法得到的设计域。结果表明：在由传统单设计点方法所获得的设计域内的某些区域,由于性能需求和使用限制的矛盾而不可行,而在这部分不可行区域内,有可能包含性能最优的设计点,从而使最优设计点不可行;在多设计点方法分析中,采用了多个（或所有）有性能需求和使用限制的工作状态作为其设计点,可以在合适的工作状态选取正确的设计变量,从而使设计域内的每一设计点都满足所有工作状态的要求。     

基于熵产理论设计方法的多目标翼型优化

将熵产理论引入翼型的多目标气动优化设计,通过理论推导湍流流场熵产率计算公式,进而阐述熵分析方法在翼型气动优化中的作用。通过CST参数化方法对翼型进行参数化建模,并将多目标优化算法与CFD计算耦合起来,计算翼型升阻比和流场熵产率,建立一种以最大升阻比和最小熵产率为目标的翼型优化方法,进而得到优化翼型的Pareto解,并与传统翼型优化方法进行对比。与初始种群相比,优化翼型具有更优的气动性能,在升阻比提高的条件下,流场熵产率减少,能量效率提高。采用多目标遗传算法得到的非支配解集分布均匀,质量较高,设计者可以根据设计需要选择具有相对低熵产的一组翼型来改善空气动力性能。结果分析表明,本文所建方法具有较强的全局收敛性,具有一定的工程应用前景。     

伴随压力分布反设计方法在大型客机气动优化中的初步探索

从工程应用角度出发,对离散伴随压力分布反设计优化方法在宽体客机机翼设计中的应用进行了研究。提出了三维构型伴随压力分布反设计与伴随优化相结合的优化设计思路,促进了离散伴随气动优化设计方法的工程化。首先,针对CRM机翼构型进行了三维压力分布反设计,验证了离散伴随压力分布反设计在三维问题中的准确性和高效性。其次,应用提出的新的优化设计思路,在某宽体全机构型两点气动优化结果的基础上,引入压力分布反设计约束方法,改进了机翼压力分布和低马赫数的阻力蠕增特性,并取得了不错的减阻及阻力发散特性提升效果,提升了优化构型的工程适用性。