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。     

高高空长航时无人机翼型优化设计研究

针对高高空长航时无人机的特点和使用要求,开展了高高空长航时无人机翼型的优化设计研究.为了提高采用遗传算法的气动优化设计的效率,将分布式计算与遗传算法相结合,形成了基于遗传算法和分布式计算的气动优化设计方法,并将该方法与基于反设计概念的工程方法相结合进行了高高空长航时无人机翼型的气动优化设计.设计实践表明,该方法是可行的,设计出的翼型是能够满足工程需要的.     

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。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。     

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。     

先进无人机翼型气动设计方法研究

探讨了传统的优化设计方法和反设计方法在翼型设计中的应用,针对遗传算法存在计算量大、精度低的不足,以及反设计方法难以提供合理目标压力分布的难题,为提高已有气动设计方法的工程实用性,将基于遗传算法的优化方法与反设计方法结合起来进行了翼形的气动外形设计.结果表明,所采用的翼型设计方法是正确、有效的.     

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。     

基于改进CST参数化方法和转捩模型的翼型优化设计

为提高翼型优化设计效率,增大设计空间,采用B样条基函数替代传统的形状类别函数(CST)方法中的Bezier多项式,增强了对翼型参数化表达的局部控制能力并提高了翼型局部表达精度。为了确保翼型在优化设计过程中的几何光顺特性和代理模型的准确性,采用小波分解技术提出了多分辨率翼型的局部光顺方法。采用基于本征正交分解(POD)的流场数值代理模型,并结合γ-Reθt转捩模型实现了快速准确的气动力与流动转捩预测。采用小波技术光顺的CST翼型参数化建模、POD流场数值计算代理模型以及γ-Reθt转捩模型,结合遗传算法建立了完整的翼型气动优化设计系统。针对低速层流翼型与超临界翼型进行优化设计,优化设计后的翼型升阻比分别提高了47.42%和45.85%,且对改进前后参数化建模方法的优化性能进行了对比,结果表明本文构建的翼型气动优化设计系统具备很高的优化效率。     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。     

一种高负荷叶型优化设计方法

采用3段3次贝塞尔曲线拟合叶型中弧线弯角分布,两段3次贝塞尔曲线拟合厚度分布,进行流线面造型,并结合优化算法进行寻优.S1流场评价工具为MISES软件,寻优算法为遗传算法（GA）.将传统遗传算法进行改进,引入并行模块,较大程度地提高了计算效率.实现了高负荷叶型的自动优化,探讨了高负荷叶型的设计准则,并将准则应用于超声叶型设计.结果表明:相比于原始叶型,优化后的叶型Ⅰ在总压损失系数略降低和出口气流角不变的条件下,可用攻角范围拓宽约2°,叶型Ⅱ的总压损失系数明显降低,可用攻角范围拓宽约0.6°,落后角降低约3.9°.      

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

分布式进化算法及其在翼型气动反设计中的应用

构造了一种新型基于基因算法与博弈论的并行分级多目标优化方法，并应用于多段翼型气动反设计。此方法基于二进制编码的基因算法和博弈论，优化变量被分配给不同的博弈者，因而总体优化问题转变为分裂空间中的局部优化问题。文中给出了一个多段翼型形状，位置可压位流的反设计问题的求解算例，引入了基于非结构网格的分级结构。与传统基因算法数值算例的对比表明了本文构造的并行分级算法具有较高的计算效率，可广泛应用于多目标优化问题。     

基于DFFD技术的翼型气动优化设计

开展了直接操作自由变形（DFFD）技术在翼型参数化及翼型气动外形优化设计中的应用研究,应用该方法可以对翼型形状进行直接操纵和精细的局部修型,从而在一定程度上克服了自由变形（FFD）技术无法直接指定几何外形变形量的局限性。通过最小二乘模式根据翼型表面直接操作点的位移求解各个FFD控制点相应的位移,将翼型设计参数从FFD控制点转化为翼型表面的直接操作点,从而有效地减少了高阶FFD控制体进行翼型参数化时的设计参数个数。算例表明,相比于FFD方法,DFFD方法不仅具备直接操纵翼型几何外形的能力,更具物理直观性,并且比FFD方法具有更好的局部变形特性。运用该技术结合遗传算法对RAE2822翼型进行了气动减阻设计,显著减小了设计状态下翼型的阻力,并且可以有效施加如前后梁位置翼型厚度等工程实用的几何约束,证明了该方法的有效性。     

高负荷风扇转子叶片反问题设计

为改进高负荷风扇转子性能,采用了一种工程适用的叶片反问题设计方法。该方法使用粘性CFD与数值优化相结合,适合具有高进口马赫数、高逆压梯度流动特征的高效叶型设计,并应用二维叶型反问题加三维积叠的叶片设计思路,充分继承了已有的基元叶型积叠准则,极大地缩短了计算时间。利用发展的反问题设计平台,完成了叶片的反问题设计。三维数值模拟结果表明:反问题设计的转子叶片能较好地控制转子尖部激波结构,减小激波损失,提高效率,增大稳定裕度。     

后缘连续变弯度对跨声速翼型气动特性的影响

针对后缘连续变弯度对跨声速翼型气动特性的影响进行了研究。首先不考虑翼型后缘连续变弯度,基于搭建的优化设计系统对跨声速翼型进行气动减阻优化设计,通过添加不同的约束优化得到两种跨声速翼型:无激波翼型和超临界翼型。然后在这两种翼型的基础上,以后缘偏转角度为设计变量、以阻力系数最小为目标,针对不同的升力系数分别进行优化设计,并根据优化结果深入分析后缘连续变弯度对这两种翼型极曲线特性的影响机理。优化结果表明:无激波翼型与超临界翼型相比,其设计点处的气动特性较好,但鲁棒性较差;升力系数小于设计升力系数时,应用后缘连续变弯度后,无激波翼型的极曲线特性明显提高,减阻最高达到3.9%,而超临界翼型的极曲线特性提高不明显;升力系数大于设计升力系数时,应用后缘连续变弯度后,无激波翼型和超临界翼型的极曲线特性都明显提高,减阻分别达到2.4%~18.1%和1.7%~13.2%。