应用遗传算法的气动优化设计

首先对简单遗传算法进行改进,并对改进前、后算法的计算效率进行了比较;然后以跨音速翼型为例,应用改进的遗传算法进行气动优化设计。经过优化的翼型气动特性垢改善,表明了遗传算法在优化设计中的有效性。在优化设计的过程中,翼型用解析函数的线性叠加表示,目标函数和个体和适应值由欧方程的流场解来提供。     

基于遗传算法的翼型气动优化设计

采用遗传算法进行跨声速翼型的阻力和升阻比的优化设计。在优化设计的过程中,为避免进化的早熟和停滞,引入了自适应变异并对其作了适当的修改。进行减阻优化设计后的翼型其气动特性有显著的改善,这表明了遗传算法应用于翼型气动优化设计是可行的。在此基础上,进行了最大升阻比和双目标优化设计,得到了较为满意的结果。     

跨音速翼型气动优化设计方法

 提出了一种有效的跨音速翼型气动优化设计方法。翼型的流场解由欧拉方程的数值解提供。带约束条件的优化计算分别采用了直接法和间接法两种优化算法。算例结果表明,本方法提供了一种跨音速翼型改型设计及新翼型设计的有效工具。     

基于遗传算法的旋翼翼型综合气动优化设计

结合直升机飞行特性及旋翼工作气动环境,提出了适用于中型运输直升机旋翼翼型优化设计的目标函数及约束条件.在此基础上采用遗传算法,以"黑鹰"(UH-60A)直升机旋翼翼型SC1095为基础翼型,进行多目标、多状态以及多约束条件下的旋翼翼型优化设计.优化翼型同SC1095翼型相比弯度稍大,最大厚度略有增加.结果表明:优化翼型气动力特性在满足约束条件的情况下,零升力矩系数减小了57.2%,最大升力系数增加了3.7%,阻力系数减小了7.5%.同时,非定常动态失速状态下的气动特性也有一定的改善,阻力系数和力矩系数的发散范围均有明显的减小.此外,悬停状态计算结果表明:采用优化翼型构成的旋翼与SC1095旋翼相比,具有更高的悬停效率及更低的力矩系数.      

基于N-S方程的翼型气动优化设计

本文简要回顾了气动优化设计的最新发展，并采用连续伴随方法对粘性条件下的翼型气动外形进行了优化设计。设计过程中，采用B样条曲线的控制顶点作为设计变量，通过求解伴随方程得到目标函数关系设计变量的梯度，最后用最速下降法和BFGS变尺度法对二维翼型进行了外形优化，验证了本方法直接、快速的设计能力。     

基于遗传算法的低雷诺数高升力翼型的优化设计

利用遗传算法进行低雷诺数高升力翼型的气动优化设计,优化后的翼型其气动特性有明显改善,从而表明利用遗传算法进行翼型气动优化的可行性.在优化设计过程中翼型由解析函数线性叠加法表示,并对设计翼型进行了升力系数和阻力系数的气动计算,以提供目标函数和个体的适应值.     

基于遗传算法多段翼型外形优化设计

为提高多段翼型增升效能,开展襟翼外形和缝道参数同时优化设计研究。优化算法采用遗传算法,以求解RANS方程为气动特性分析方法,通过椭圆方程控制生成多段翼型外形,同时优化缝宽、搭接量、襟翼偏角等位置参数和襟翼外形控制参数,实现多段翼型优化设计。设计实践表明,与只优化位置参数相比,同时优化襟翼外形和位置参数得到的多段翼型有更大的升力系数,方法是可行的,具有一定的工程应用前景。     

高升力翼型的气动优化设计和实验研究

利用遗传算法进行了低雷诺数高升力翼型的气动优化设计,并利用风洞实验检查了设计的正确性。优化后的翼型其气动特性有明显改善,这说明了利用遗传算法进行低雷诺数翼型气动优化的可行性。风洞实验结果验证了优化设计方法的正确性,同时也表明新设计翼型有较高的升力系数和相对大的升阻比,其升阻比提高了10%。     

基于分层策略的翼型多参量气动优化设计研究

与基于梯度的优化方法相比,遗传算法因其极强的鲁棒性、随机搜索及优化结果全局性等特点在工程优化中得到越来越广泛的应用。为提高优化设计的效率,改进了传统的遗传算法,采用并行分层策略基因遗传算法开展了翼型多参量气动优化设计研究,包括翼型和多段翼型的基因编码、外形参数化,以及动网格技术。结果表明,并行分层策略在得到较优气动优化结果的同时,极大地缩短了优化时间,提高了计算效率,具有广阔的工程应用前景。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群算法应用于翼型气动优化设计的可行性。在优化设计的过程中,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

基于伴随方程的翼型数值优化设计方法研究

对Ｅｕｌｅｒ方程为流动模型的翼型绕流,在微分方程生成的网格中,以Ｂ样条控制顶点为设计变量,用连续伴随方程法对翼型气动外形进行数值优化设计。给出了两个亚声速的反设计算例,验证了该方法的可行性。     

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.     

遗传算法在机翼气动优化设计中的应用

把最优化方法与机翼的气动力求解相结合,进行跨音速机翼的气动优化设计。采用最优化方法为遗传算法,机翼的气动力由三维欧拉方程的数值解来提供。与基准机翼相比较,优化设计的机翼其气动性能有较大幅度的提高,表明遗传算法在机翼优化设计中的可行性和有效性     

基于并行遗传算法的向心涡轮气动优化设计

为了提高向心涡轮轮周效率,保持流量、膨胀比不变,以流道、安装角、型面为设计变量,基于并行遗传算法的优化方法,对某微型发动机向心涡轮叶片气动性能进行多变量耦合的自动优化设计,利用商用软件NUMECA进行3维流场计算分析,并比较了优化前后向心涡轮转子的总体性能。结果表明:在设计工况下,向心涡轮的轮周效率提高近3%,流量也略有增加,膨胀比近似不变;在非设计工况下,优化叶片效率均高于初始叶片的,向心涡轮的整体性能得到提高。该算法不仅可自动实现多变量耦合优化,而且可高效地得到高气动性能叶片。