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。     

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。     

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反设计与阻力和升阻比的优化设计。翼型的反设计达到了设计要求,优化设计后的翼型其气动特性也有显著的改善,这表明了遗传算法应用于翼型气动优化设计的可行性。在优化设计的过程中,翼型由解析函数线形叠加法表示,目标函数和个体的适应值由二维欧拉方程的流场解来提供。     

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.     

多段翼型前缘缝翼位置的优化设计研究

本文讨论优化前缘缝翼位置的位流设计方法。优化变量为缝翼相对于主翼的缝隙(Gap)、覆盖量(Ouerlap)和偏角δ_s,目标函数为主翼上的压力峰值。应用高阶面元法计算多段翼型压强分布。用Powell优化法使主翼上压力峰值减至最小,以延迟多段翼型的失速,增大最大升力系数。本方法已用于计算NACA64A010两段和四段翼型以及Foster三段翼型,所得结果与实验数据和位流/边界层耦合设计法的结果有很好的一致性。     

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MADS算法与嵌套网格技术的多段翼型优化设计方法研究

基于MADS算法、嵌套网格技术以及刚性动网格技术,以求解RANS方程为气动特性分析方法,对某大型客机带增升装置的多段翼型着陆构型下的缝道、重叠量和偏转角等参数进行优化设计,结果显示,该方法有较高的优化效率及计算精度。     

前加载翼型多点综合优化设计

前加载翼型具有低头力矩小、隐身性能好的特点,能够对气动和隐身特性进行合理折中,是理想的飞翼布局飞机截面翼型。首先介绍典型翼型参数化方法和评估方法,并对前加载翼型外形的控制能力进行评估,结果表明Hicks-Henne方法和CST方法对前加载翼型外形的控制能力较强,并且CST方法参数个数较少。然后依据飞翼布局飞机设计需求,在确定翼型设计状态和优化设计模型的条件下,将CST翼型参数化方法、N-S方程数值求解方法和遗传算法相结合进行前加载翼型多点综合优化设计,得到比参考翼型具有更大相对厚度和更优气动特性的设计结果。     

基于BP神经网络和遗传算法的结构优化设计

现代航空发动机不断追求提高推重比,优化其零部件的结构设计日益重要。传统结构优化方法耗时多且不易掌握。针对这一问题,本文提出了将BP神经网络和遗传算法相结合用于结构优化设计的方法,并编制了相应的计算程序,实现了一个含9个设计变量的发动机盘模型的结构优化计算。计算证明,与传统结构优化方法相比,此方法计算速度快、精度良好。      

基于遗传算法和神经网络的调参控制律设计

飞控系统的设计一般采用调参控制器，针对目前广泛使用的调参控制律增益设计，提出了采用遗传算法计算，然后应用神经网络逼近调参曲线的方法，该方法可以克服传统方法中试凑和插值带来的缺点，对工程应用有一定的参考价值。     

基于N-S方程的跨声速翼型多目标多约束优化设计

本文将粘性流场分析和数值优化方法耦合起来,发展了一种跨声速翼型设计方法,用以提高翼型在一个或多个设计点、在多种约束条件下的气动性能。由粘性流场分析程序计算得到的升力、阻力等气动参数构成目标函数,数值优化程序对其进行最小化。粘性流场分析采用了雷数平均Ｎ－Ｓ方程,这比过去翼型设计中使用的全速势方程或Ｅｕｌｅｒ方程更能模拟流动的本质,因而设计结果的可靠性大大提高了。优化算法采用传统的拟牛顿法（Ｑｕａｓｉ     

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。     

跨声速翼型多目标优化设计方法

本文通过采用多目标分级优化方法并基于求解全速势方程的跨声速粘流翼型计算方法，研究发展了一种多参数、多约束和多目标的跨声速翼型数值优化设计方法，应用该方法可以从普通低速翼型和超临界民办型出发通过多目标优化后得到在跨声速区的多个马赫数下阻力系数最小化的翼型几何外形，设计实践表明，该方法具有收敛快，调用目标函数次数少等优点。     

一个神经网络结合遗传算法的叶轮逆命题设计方法

本文的目的是利用神经网络实现离心压缩机叶轮的逆命题设计。为此,结合实例叶轮逆命题设计问题通过遗传算法的演化和训练建立了前馈神经网络。所建网络随之用于求解给定表面速度分布情况下的叶片型线。