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。     

Research of low boom and low drag supersonic aircraft design

Sonic boom reduction will be an issue of utmost importance in future supersonic transport, due to strong regulations on acoustic nuisance. The paper describes a new multi-objective optimization method for supersonic aircraft design. The method is developed by coupling Seebass–George–Darden(SGD) inverse design method and multi-objective genetic algorithm.Based on the method, different codes are developed. Using a computational architecture, a conceptual supersonic aircraft design environment(CSADE) is constructed. The architecture of CSADE includes inner optimization level and out optimization level. The low boom configuration is generated in inner optimization level by matching the target equivalent area distribution and actual equivalent area distribution. And low boom/low drag configuration is generated in outer optimization level by using NSGA-II multi-objective genetic algorithm to optimize the control parameters of SGD method and aircraft shape. Two objective functions, low sonic boom and low wave drag, are considered in CSADE. Physically reasonable Pareto solutions are obtained from the present optimization. Some supersonic aircraft configurations are selected from Pareto front and the optimization results indicate that the swept forward wing configuration has benefits in both sonic boom reduction and wave drag reduction. The results are validated by using computational fluid dynamics(CFD) analysis.     

基于NSGA-Ⅱ复杂系统航空备件需求研究与应用

目前航空公司对航空备件的需求计算主要针对单个备件进行,这产生一定的误差.因此,本文利用NSGA-Ⅱ多目标遗传优化算法来解决在一定成本约束条件下可用度、可靠度等性能指标均能得到满足.为了便于算法的应用,论文对罚函数进行了改进并进行实例分析.结果表明本方法适于处理航空公司复杂的备件需求决策,并起到一定的作用.     

基于遗传算法和空间推进方法的单壁扩张喷管优化设计研究

 将单目标遗传算法和多目标遗传算法（包括NSGA-II和NCGA）,与高效、高精度的空间推进流场数值模拟方法——SSPNS方法相结合,对二维超燃冲压发动机尾喷管即单壁扩张喷管（SERN）进行了气动优化设计研究。在巡航点（Ma=6.0）讨论了推力系数C_T最大单目标模型,推力系数C_T最大升力系数C_L最大两目标模型,以及推力系数C_T最大升力系数C_L最大俯仰力矩系数C_m最小三目标模型,分别得到了喷管的最大推力设计和关于多个目标性能的Pareto最优前沿。结果表明,扩张壁初始扩张角θ_r,i和外罩长度L_c对C_T影响较大;较小的L_c和较大的θ_r,i设计,将降低外罩内表面的负升力作用而使得SERN的C_L较大;较长外罩和较小的θ_r,i,对应Pareto最优设计的C_M较小。     

Strategic flight assignment approach based on multi-objective parallel evolution algorithm with dynamic migration interval

The continuous growth of air traffic has led to acute airspace congestion and severe delays, which threatens operation safety and cause enormous economic loss. Flight assignment is an economical and effective strategic plan to reduce the flight delay and airspace congestion by reasonably regulating the air traffic flow of China. However, it is a large-scale combinatorial optimization problem which is difficult to solve. In order to improve the quality of solutions, an effective multi-objective parallel evolution algorithm(MPEA) framework with dynamic migration interval strategy is presented in this work. Firstly, multiple evolution populations are constructed to solve the problem simultaneously to enhance the optimization capability. Then a new strategy is proposed to dynamically change the migration interval among different evolution populations to improve the efficiency of the cooperation of populations. Finally, the cooperative co-evolution(CC) algorithm combined with non-dominated sorting genetic algorithm II(NSGA-II) is introduced for each population. Empirical studies using the real air traffic data of the Chinese air route network and daily flight plans show that our method outperforms the existing approaches, multiobjective genetic algorithm(MOGA), multi-objective evolutionary algorithm based on decomposition(MOEA/D), CC-based multi-objective algorithm(CCMA) as well as other two MPEAs with different migration interval strategies.     

Improved NSGA-II Multi-objective Genetic Algorithm Based on Hybridization-encouraged Mechanism

To improve performances of multi-objective optimization algorithms, such as convergence and diversity, a hybridization- encouraged mechanism is proposed and realized in elitist nondominated sorting genetic algorithm （NSGA-Ⅱ）. This mechanism uses the normalized distance to evaluate the difference among genes in a population. Three possible modes of crossover operators--＂Max Distance＂, ＂Min-Max Distance＂, and ＂Neighboring-Max＂--are suggested and analyzed. The mode of ＂Neighboring-Max＂, which not only takes advantage of hybridization but also improves the distribution of the population near Pareto optimal front, is chosen and used in NSGA-Ⅱ on the basis of hybridization-encouraged mechanism （short for HEM-based NSGA-Ⅱ）. To prove the HEM-based algorithm, several problems are studied by using standard NSGA-Ⅱ and the presented method. Different evaluation criteria are also used to judge these algorithms in terms of distribution of solutions, convergence, diversity, and quality of solutions. The numerical results indicate that the application of hybridization-encouraged mechanism could effectively improve the performances of genetic algorithm. Finally, as an example in engineering practices, the presented method is used to design a longitudinal flight control system, which demonstrates the obtainability of a reasonable and correct Pareto front.     

机翼后缘柔性支撑结构的拓扑优化

针对机翼后缘柔性支撑结构的多目标拓扑优化问题,分析了柔性支撑结构的优化目标及目标函数,并采用位矩阵表示机翼后缘柔性支撑结构,利用非支配排序遗传算法(NSGA-Ⅱ)对该优化问题进行了求解。在优化过程中,引入连通性分析和相似个体过滤,借助ANSYS对可行个体进行有限元分析(FEA),获得了结构质量、变形性能和承载能力等目标值。通过MATLAB对违约个体进行惩罚,实现了位矩阵表示的NSGA-Ⅱ,得到了一组互不支配的机翼后缘柔性支撑优化结构,可根据实际需求选择这些相应的拓扑结构。结果表明,本方法可为机翼后缘柔性支撑结构的拓扑优化提供可行、有效的解。     

多基地多无人机协同侦察问题研究

 充分考虑侦察目标的侦察分辨率要求和侦察时间窗约束,以及位于不同基地的无人机(UAV)的侦察性能和可用数目,首次建立了更加贴近军事应用实际的多基地多UAV协同侦察问题(M-MUCRP)的数学模型,并提出了解决该模型的多基地多UAV协同侦察进化算法(M-MUCREA)。M-MUCREA的染色体数据结构有效地表达了问题的解,有利于交叉、变异等进化操作;充分利用与目标侦察分辨率要求以及目标位置和时间窗约束相关的启发信息,构造初始种群,避免进化过程收敛太慢;基于Pareto最优概念的选择算子确保解在多个目标上的有效优化;精英策略避免了丢失进化过程中产生的非劣解,加快算法收敛;变异和交叉算子在保证有效解的前提下,实现了解的多样性,避免了算法陷入局部最优。仿真实验验证了算法能够有效解决M-MUCRP。     

航天器多约束交会的仅测角导航最优多目标闭环制导

研究了航天器多约束交会的仅测角导航最优多目标闭环制导问题,优化目标包括交会时间、燃耗和仅测角导航可观性指标,并考虑了视觉传感器视场角、推力器推力幅度和最小安全距离等各种约束条件,建立了多约束、多目标优化下的仅测角导航和闭环制导问题的数学模型,分析了仅测角导航和闭环制导之间的耦合关系。最后,通过Matlab遗传算法工具箱中的多目标优化函数,求解得到了该多目标优化模型的Pareto最优解集,结果显示交会时间、燃耗和仅测角导航可观性指标不能同时达到最优,存在相互制约关系,即提高其中一种优化目标的性能会降低其他优化目标的性能。     

Aerodynamic multi-objective integrated optimization based on principal component analysis

Based on improved multi-objective particle swarm optimization (MOPSO) algorithm with principal component analysis (PCA) methodology,an efficient high-dimension multiobjective optimization method is proposed,which,as the purpose of this paper,aims to improve the convergence of Pareto front in multi-objective optimization design.The mathematical efficiency,the physical reasonableness and the reliability in dealing with redundant objectives of PCA are verified by typical DTLZ5 test function and multi-objective correlation analysis of supercritical airfoil,and the proposed method is integrated into aircraft multi-disciplinary design (AMDEsign) platform,which contains aerodynamics,stealth and structure weight analysis and optimization module.Then the proposed method is used for the multi-point integrated aerodynamic optimization of a wide-body passenger aircraft,in which the redundant objectives identified by PCA are transformed to optimization constraints,and several design methods are compared.The design results illustrate that the strategy used in this paper is sufficient and multi-point design requirements of the passenger aircraft are reached.The visualization level of non-dominant Pareto set is improved by effectively reducing the dimension without losing the primary feature of the problem.     

大膨胀比向心涡轮多学科优化设计及敏感性分析

向心涡轮内部流动复杂,功率密度大且结构限制严,因此,向心涡轮的设计必须考虑到气动、强度、结构等多学科间的耦合问题。采用多学科优化策略是提升向心涡轮气动效率和安全可靠性的一种可行途径。基于向心涡轮结构特点,发展了通用的向心涡轮三维参数化造型方法。耦合多目标优化算法和向心涡轮三维参数化方法,建立了向心涡轮多目标多学科优化设计体系。以频率为约束,以提高总静效率、降低叶根最大应力为优化目标,开展了向心涡轮的多学科优化设计。优化后,在避开所有危险共振频率的前提下,就单一性能指标而言,涡轮级的总静效率最高可提高1.35%,叶根最大当量应力最高可降低12.54%。进一步,对设计空间开展了敏感性分析,揭示了对性能指标影响显著的设计变量,阐明了关键设计变量对性能指标的影响机制。     

航空燃油柱塞泵滑靴油膜的多目标优化设计

以锥形转子球面斜盘轴向燃油柱塞泵为研究对象,在分析滑靴油膜设计中的摩擦功率损失、泄漏功率损失、容积效率随滑靴的机械结构参数变化的基础上,基于遗传算法对上述多变量、多目标优化问题进行计算.权重系数法优化结果表明:优化后燃油柱塞泵设计点的摩擦功率损失和泄漏功率损失减少了7%左右,容积效率略微提升,并且优化得到的机械结构参数在不同转子转角和柱塞倾角的情况下也显示出性能上的优势,从而证明了多目标遗传算法对设计航空燃油柱塞泵油膜静压润滑是一种有效的方法.     

航空齿轮减速器稳健优化设计研究

航空齿轮减速器通常对重量、强度、效率以及可靠性有极高的要求,考虑到其所处工况的随机性、工艺水平的差异性以及材料强度等力学性能参数的波动性,传统的确定性参数优化设计已不能满足工程实际的需求。在传统的确定性优化设计模型的基础上,基于6σ稳健设计基本理论建立齿轮传动系统的多目标稳健设计优化模型,并采用NSGA-Ⅱ多目标优化算法进行求解;以某航空齿轮减速器中单级斜齿圆柱齿轮系统为研究对象进行实例分析。结果表明:本文提出的基于6σ稳健设计理论的齿轮传动系统优化模型充分考虑了不确定性因素对优化的影响,具有一定的工程应用价值。     

基于变精度遗传算法的翼型快速优化设计方法

低碳环保的电动飞机在要求较高升阻比的同时,需要尽量降低成本、缩短研制周期。但高精度的数值模拟时间代价很大,因此针对电动飞机翼型设计中初始翼型较难选取、优化速度较慢的问题,提出了一种基于变精度遗传算法的翼型多点快速优化方法。以常用的 Hicks-Henne 型函数为基础,改进了其对翼型后缘描述不精确的问题。在数值模拟阶段,介绍了一种快速气动参数计算软件XFOIL,并分析了该软件的适用性与局限。之后给出了使用XFOIL 与 Matlab 进行联合求解的方法,在无人干预的情况下完全实现了翼型设计与优化的自动化,提高了设计效率。在翼型优化阶段,为保持较高的精度和寻优效率,设计了翼型参数的实数编码方法。针对传统遗传优化算法了改进,设计了染色体变精度杂交方法以及动态惩罚方法。最后,给出了基于遗传算法的多点优化方案,以及翼型多目标快速优化一体化设计方案。仿真分成两部分进行,首先改进的 Hicks-Henne 型函数能够有效实现参数化翼型的后缘夹角改变。通过与 NSGA-II 方法的优化结果对比,本文的方法在一定迭代次数范围内获得的升阻比更高,失速特性更加缓和,特别是在综合提高翼型优化效率方面表现较好。仿真结果表明,该方法能够快速获得多种工况下具有较高升阻比的翼型,也可以作为进一步优化的初始翼型,能提高翼型优化效率。     

应力和位移约束下连续体结构的拓扑优化

结构拓扑优化设计是结构初始方案设计的重要方法。同时考虑应力和位移约束,采用遗传算法,用染色体基因映射结构离散化后的单元体,对连续体结构进行拓扑优化。为了消除结构中的铰接和棋盘格现象,在拓扑优化分析中引入了结构约束的概念,并在罚函数方法中引入导向因子,改善优化分析结果。该方法可以为工程结构的初始设计提供多种方案,同时为新结构的设计提供了理论基础。算例分析表明所提出的方法是合理、有效的。     

考虑性能及成本的固体火箭发动机多学科设计优化

为综合考虑固体火箭发动机的燃烧室、药柱、内弹道、喷管及成本等学科影响,梳理学科间耦合关系,并建立了以总冲最大、成本最小为优化目标的固体火箭发动机多学科设计优化（MDO）模型。为降低MDO问题的计算成本,提出一种基于Kriging代理模型的多目标自适应优化方法（KRG-MAOM）。优化过程中,分别对目标与约束构建Kriging模型,并采用多目标优化算法求解,在伪Pareto解中综合考虑支配关系与分布特性选取新增样本点,引导优化快速收敛。算例结果表明,KRG-MAOM算法在全局收敛性与优化效率方面具有显著优势。最后,采用KRG-MAOM算法求解该MDO问题,得到可行的Pareto解集方案,与初始方案相比,同性能情况下成本节省约3.36%;同成本情况下性能提升约10.93%,从而验证MDO模型合理性与KRG-MAOM算法有效性。     

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.      

飞翼布局隐身翼型优化设计

针对飞翼布局设计中气动与隐身设计矛盾更为突出的问题,采用高精度气动和隐身计算方法,建立了基于Parsec参数化方法、径向基函数（RBF）神经网络、Pareto遗传算法和松散式代理模型管理方法的翼型多目标优化设计平台。根据飞翼布局内外翼不同功能和特点,确定了内外翼翼型不同的优化设计目标和约束条件,开展了兼顾气动与隐身性能要求的翼型综合优化设计研究。结果表明：对兼顾气动与隐身性能要求的飞翼布局,内翼段翼型主要通过弯度、前缘半径、尾缘角及厚度等设计,减小低头力矩和重点方位角的雷达散射截面（RCS）均值。外翼段翼型上表面的几何形状对跨声速气动效率的影响很大,应通过上表面设计提高跨声速气动效率,重点方位角RCS均值的减小则通过下表面设计实现。某些翼型参数对气动和隐身性能均有较大影响,但作用相反,应作为综合优化设计的主要设计参数,并采用不同的优化设计策略。Pareto方法给出的前沿阵面可为飞翼布局的三维设计提供更丰富的信息。     

高压涡轮机匣热固耦合下多目标优化方法

建立了包含高压涡轮(HPT)机匣基本结构在内的轴对称参数化模型,基于热固耦合变形和结构参数灵敏度分析结果,选择了灵敏度高的12个关键结构参数作为优化设计变量,采用第2代非劣排序遗传算法(NSGA-Ⅱ),开展了以机匣等效质量和挂钩处径向平均位移为目标函数的多目标优化。优化结果表明:机匣加强肋结构朝着有利换热的方向发展,其他结构朝着机匣质量减轻的方向发展;优化后模型质量及径向位移量均有所减小。      

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。