基于本征正交分解的离心压气机多学科设计优化

为探索离心压气机多学科设计优化策略,进一步提高优化效率,建立了基于本征正交分解(POD)技术的离心压气机优化系统。首先选择样本数据生成快照矩阵,进行本征正交分解后,提取了占支配性的少数几个基函数,并以POD系数作为新的设计变量,构建了降阶的设计空间,从而大幅度减少了设计变量的个数。然后与离心压气机多学科优化流程相结合,建立了一种高效率的优化策略。为验证系统的可行性,以极大化等熵效率为目标,针对最大转速状态和巡航状态两个计算工况对压气机进行优化。结果表明:该优化策略在有效减少设计变量个数方面具有优势,从而使优化问题能够快速的收敛,优化后两个工况下的设计点等熵效率分别提高了3.5%和4%。     

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。     

基于单循环方法的涡轮叶片可靠性及多学科设计优化

为了得到适用于涡轮叶片复杂结构并同时考虑可靠性的多学科设计优化方法,将基于单循环方法的可靠性分析（SLBRA）与并行子空间设计优化方法 （CSSO）相结合,提出了一种基于可靠性的多学科设计优化（RBMDO）方法。在优化过程中使用Kriging近似模型并不断提高模型精度。该方法在计算最可能失效点（MPP）的过程中避免了优化迭代,提高了计算效率。以涡轮叶片的设计优化为例,对该方法进行了验证并与传统双循环方法进行了对比。结果表明,优化结果满足可靠性的要求,与双循环方法相比优化效率明显提高,证明了该方法在工程应用中的可行性和有效性。     

显著变量识别与高温叶片多学科设计优化方法

针对高温叶片气热多学科优化设计问题中设计变量过多造成的维数灾难问题,提出了基于数据挖掘技术的显著变量识别方法。采用显著变量识别方法剔除了对高温叶片Mark II气热性能影响小的设计变量,使设计变量个数从36个减少为15个。通过耦合共轭换热分析方法、三维叶片及冷却系统参数化方法以及自适应多目标差分进化算法,建立了高温叶片多学科多目标设计优化系统。基于显著变量识别方法获得的设计变量,完成了Mark II型叶片的气热性能多学科设计优化。优化获得了9个Pareto解,典型Pareto解的气热分析结果表明,优化后叶片的气热性能明显优于原始叶片,验证了基于数据挖掘技术的高温叶片多学科设计方法的有效性。     

基于粒子群算法的多级低压涡轮一维气动优化设计方法

为探究涡轮高效设计技术,从低维优化层面出发,提出了一种基于粒子群优化算法的多级低压涡轮一维设计和优化方法.该方法以涡轮效率为目标,通过建立涡轮子午流道形式以及气动特性等约束条件将涡轮一维设计转化成包含约束限制的极大值优化问题.在验证粒子群算法优化性能的基础上发展了多级低压涡轮一维气动优化设计程序,该程序通过优化地选取涡轮各级的多个设计变量,有效地生成满足多个约束条件的级最佳速度三角形以及最佳初步子午流道形式.利用该程序完成了原型低压涡轮的优化改型工作,三维数值模拟结果表明,优化改型方案在设计点和非设计点的气动性能均获得了不同程度的改善.     

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。     

基于分解策略的涡轮叶片可靠性及多学科设计优化

将反一阶可靠性分析方法与多学科可行方法相结合,提出了一种适用于涡轮叶片复杂结构的可靠性及多学科设计优化方法.在优化过程中使用Kriging近似模型并不断提高模型精度,解决了多学科可行方法反复调用仿真程序进行多学科分析,计算量较大的问题.该方法将可靠性分析与多学科优化过程分离,提高了优化计算效率.以某型涡轮叶片的设计优化为例,对该方法进行了验证并与传统双循环方法进行了对比.结果表明,优化结果满足可靠性的要求,与双循环方法相比优化效率提高63.8%,证明了该方法在工程应用中的可行性和有效性.      

集成BLISCO和iPMA的多学科可靠性设计优化

为解决传统的基于可靠性的多学科设计优化(RBMDO)由于存在优化过程多层嵌套、多学科分析和可靠性分析反复迭代而导致的低效率问题,提出集成两级集成系统协同优化(BLISCO)策略和改进功能测度法(iPMA)的多学科可靠性设计优化方法。首先,基于序列化思想将多学科可靠性设计优化解耦,避免了每次多学科设计优化(MDO)对完整可靠性分析模型的反复调用与迭代。其次,采用高效的更适合复杂工程组织形式的BLISCO策略进行确定性多学科设计优化,摒弃了协同优化的一致性约束和两级集成系统综合法的复杂分析和近似建模问题,提高了计算效率。然后,基于角度更新策略对功能测度法(PMA)进行改进,采用更新角度替代极限状态函数值进行可靠性分析与判别,减少了多学科可靠性分析次数。最后,结合某机型起落架的缓冲器设计实例对所提方法进行验证,结果表明该方法的计算效率较其他方法分别提高了30.93%和19.97%,验证了方法的有效性,且具有工程实用价值。     

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。     

涡轮叶片多学科可靠性及稳健设计优化

为了得到一种适用于涡轮叶片复杂结构并同时考虑可靠性及稳健性的多学科设计优化方法,将6sig-ma可靠性及稳健设计优化方法与多学科可行方法(MDF)相结合,采用二阶Taylor展开法进行可靠性及稳健性分析,实现了涡轮叶片多学科6sigma可靠性及稳健设计优化。使用Kriging近似模型并不断提高模型精度,解决了多学科可行方法计算量较大的问题。实例分析表明,与确定性多学科设计优化相比,采用该方法得到的涡轮叶片可靠性及稳健性均有大幅度提高,同时设计目标最优,满足工程应用的要求,验证了该方法在工程应用中的可行性。