机器学习技术在气动优化中的应用

近年来优化设计在气动设计中发挥了越来越多的作用,但实用性和效率是制约其发挥作用的两大障碍。在大型客机超临界机翼设计中,通过"人在回路"（依靠人的经验在优化进行过程中实施必要干预）等努力,取得了较好的效果,机器学习技术逐步得到发展。提出了利用机器学习技术模拟人在优化过程中的合理行为和作用机制,以深层次利用信息和知识,改善优化的实用性和效率。梳理了机器学习技术在气动优化中应用的发展脉络,并结合工作实践介绍了机器学习在优化设计中的典型应用。进一步探讨了深度学习在气动优化中的可能应用方式。     

基于工程环境的气动多目标优化设计平台研究

工程环境中,飞机气动力设计面临在多个目标和多种约束条件下寻找最优值,需在较短时限内完成设计优化,并保证最终方案可靠。基于高性能计算环境,采用现代计算流体力学(CFD)数值模拟技术和优化技术等构建了面向实际工程的飞行器气动多目标优化设计平台:采用基于非均匀有理B样条(NURBS)方法的自由曲面变形技术,实现对工程复杂气动外形的参数化表达;采用网格变形技术,实现优化过程中计算网格的自动更新;采用基于有限体积方法和多块结构网格的雷诺平均Navier-Stokes(RANS)方程并行解算器进行气动力求解;采用基于精英保留策略的非支配排序的多目标遗传算法(NSGA-II)进行多目标全局优化求解;采用非线性单纯形算法进行局部优化求解,优化过程中,通过人工调整优化种群,引入人工经验,构建"人在回路"的设计流程。以某翼型/机翼气动力优化设计为例对该平台技术进行验证:多目标优化设计可得到清晰的Pareto前沿解分布;优化后的翼型/机翼在满足各项约束的前提下,具备更高的综合气动性能。结果表明:所发展的气动多目标优化设计平台具有很好的工程适用性。     

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。     

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。     

气动结构串行优化技术研究

针对飞行器工程型号发展中的气动结构优化设计需求,提出和讨论了一种气动结构串行优化策略,将气动结构耦合优化问题分解成了气动外形优化和多工况下保持巡航气动性能的结构尺寸优化两个串行子问题。基于自研工具和商业软件MSC Nastran建立了全自动的面向工程应用气动结构串行优化能力。开展了CRM-WB和HIRENASD机翼气动结构优化设计,同时取得了减阻和减重收益。结果表明所提策略具备一定的工程实用性,可在某种程度上解决飞行器型号发展中的气动结构优化设计需求。     

融合体布局超临界翼型设计研究

针对跨声速融合体布局飞机,构建了所需超临界翼型的气动优化设计问题;基于"人在回路"的多轮迭代优化理念建立了翼型多目标多约束优化设计平台,其中:翼型参数化采用基于型函数/类函数变换的参数化方法,气动力解算器采用基于三维雷诺平均Navier-Stokes方程(RANS)的求解程序CCFD-MB,计算网格生成与网格更新采用基于无限插值和椭圆光滑算法的C型结构网格程序,优化算法采用多目标优化遗传算法NSGA-II。设计结果显示,优化翼型具有常规超临界翼型的基本气动力特征,满足阻力发散、抖振边界和低速特性要求;同时具有前加载特征,低头力矩大幅低于常规超临界翼型,满足融合体布局气动力要求。     

遗传组合算法及在直升机顶层设计中的应用

本文简述了优化算法的发展和遗传组合算法的提出，并阐述遗传组合算法的概念、基本思想及其优点，还详细说明了该算法在传统优化设计中的创新和技巧。通过一些算例介绍了该算法和结构分析有限单元法结合后，不仅适用于常规的结构优化，而且还适用于形状与拓扑的结构优化。经大量算例计算，证明了该算法的收敛性、有效性、快速性等优点。     

神经网络和专家系统复合材料优化设计研究

论述了复合材料设计及优化的基本方法,介绍了神经网络和专家系统人工智能方法,并对复合材料设卉及优化中的两种智能方法进行了详细论述,总结了两种方法在复合材料优化设计中的分类、建模、预测和应用.举例说明了神经网络和专家系统方法在复合材料优化设计中具有重要的研究价值.最后对该领域的发展提出了建议.     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

人工智能在气动设计中的应用与展望

在人工智能技术高速发展的浪潮下,智能化技术为空气动力学的研究提供了新的思路和手段。各国学者在人工智能与空气动力学设计的综合应用方面开展了诸多有益的探索与尝试。目前人工智能方法已被用于设计对象描述、数值求解、非线性映射等气动设计的关键环节中。实现了自适应设计参数探索、高效气动特征求解、快速数据降维与映射、智能优化等,提高了气动设计的速度、准确性、鲁棒性与全局性。概述了气动设计的发展现状、人工智能技术的研究现状以及机器学习在气动设计中的应用现状。展望了深度学习在气动设计上的应用前景。提出了以机器为核心根据优化阶段实时调整优化方案及走向的高度智能化气动设计概念——"机器设计"。强调了开展智能可诠释设计研究的重要性。