基于 Kriging模型机翼平面外形气动优化设计

使用基于Kriging模型的优化设计方法,进行了非常规布局机翼的平面外形多目标优化设计。利用CFD技术进行机翼升力系数和阻力系数的气动计算,通过拉丁超立方试验设计生成样本点,建立了Kriging代理模型,结合多目标遗传算法对机翼平面外形进行多点多目标优化设计,最终得到了Pareto最优解集。根据设计需求,从Pa-ret0前沿选取一个非劣解作为优化结果。结果表明：陆ging模型与cFD计算误差很小,可信度高;在不问设计状态下,机翼气动性能都得到了提高,表明优化设计方法具有可行性和高效性。     

基于本征正交分解和代理模型的高超声速气动热模型降阶研究

气动热弹性分析是高超声速飞行器设计的关键技术之一。高超声速飞行器气动热的准确快速预测是气动热弹性分析的重要前提。针对当前气动加热工程计算、数值计算和实验研究均不能很好满足设计要求的问题,采用本征正交分解(POD)与代理模型(Surrogate)技术结合的模型降阶(POD-Surrogate)方法,建立了一种快速高效的高超声速气动热降阶模型框架。针对典型高超声速三维翼面气动热预测研究结果表明:当保留的POD基模态个数大于20时,PODKriging方法和POD-RBF(Radial Basis Function)方法的降阶模型得到的翼面温度分布与计算流体力学(CFD)计算温度L∞平均误差分别达到6%和14%,相对均方根误差(NRMSE)平均误差分别达到4%和12%,继续增加POD的基模态并不能提高降阶模型的预测精度;针对高超声速机翼气动热计算,POD-Kriging方法比POD-RBF方法具有更高的精度;针对典型的高超声速三维翼面气动热预测表明:基于POD-Surrogate方法的气动热降阶模型具有较高的精度和效率。     

基于Kriging模型的翼型多目标气动优化设计研究

在翼型气动优化设计中引入Kriging代理模型,发展了一套高效、稳定的气动优化设计程序。采用拉丁超立方试验设计方法在设计空间内构造一系列样本点,通过求解二维可压缩的雷诺平均NS方程（RANS）得到其响应值来建立初始Kriging模型。优化设计采用Hicks-henne函数对翼型几何外形进行参数化表示,以阻力极小化为设计目标,考虑面积、升力、力矩等约束条件,通过算例证明,发展的优化设计方法不仅可行,而且具有高效稳定的特性。与传统的优化设计方法比较,大大减少了设计时间。     

一种基于CFD的叶轮机非定常气动力组合建模方法

为了获得一个准确高效的非定常空气动力学模型并将其应用于叶轮机叶片颤振特性分析中去,论文发展了一种基于CFD方法的叶轮机非定常气动力组合建模方法,可以快速计算叶轮机叶片在等相角差振动时的气动阻尼系数。运用小扰动流场的叠加原理,通过不同通道数模型的非定常流场求解(通常需要两次或三次),针对流场的周期性边界条件,组合分析得到一系列更多通道数情况下的非定常气动力低阶模型。基于这种降阶模型计算的气动阻尼系数与直接的CFD方法计算结果吻合很好,计算效率提高10倍以上。     

某型倾转旋翼机的旋翼桨叶气动优化设计

倾转旋翼机的旋翼气动外形设计需要对其直升机模式和固定翼模式下的不同要求进行综合考虑。通过基于Kriging模型的多目标遗传算法建立一套适用于倾转旋翼桨叶气动外形优化设计方法,采用拉丁超立方抽样试验设计方法得到样本点,并建立Kriging模型替代费时的流动数值模拟。以最大化旋翼地面悬停拉力和高空巡航效率为目标,以地面悬停功率不增和巡航拉力不减为约束条件,进行倾转旋翼桨叶平面形状优化设计,并经过非定常数值模拟和风洞试验验证。结果表明:数值模拟结果和风洞试验结果吻合良好,优化结果满足设计指标。     

基于替代模型的高超声速前体/进气道一体化优化

采用基于替代模型的渐进优化策略对二维高超声速前体/进气道进行一体化设计优化,采用拉丁超立方试验设计法选择样本点,采用二维粘性CFD方法计算进气道流场来建立样本数据库,综合运用了多项式响应面、Kriging模型、BP神经网络和径向基神经网络等替代模型.相对于基准构型,前体/进气道的优化构型在设计态时提高了流量捕获与来流压缩能力,提高了总压恢复性能,同时减小了阻力系数,综合性能提高了5.3%;在非设计态时优化构型的综合性能也有不同程度的改善.      

基于Kriging模型梯度解析解的改进一次二阶矩方法

改进一次二阶矩（AFOSM）法是一种基于功能函数梯度的结构可靠性分析方法,鉴于其对隐式函数的梯度较难求解,提出了一种基于Kriging模型梯度解析解的AFOSM方法,利用Kriging代理模型的解析表达式推导得到功能函数对输入变量的梯度解析解,为AFOSM中设计点的确定提供高精度的梯度信息。通过Kriging与AFOSM的结合,很好地解决了基于有限元模型的隐式情况下梯度计算量相当大、可靠性分析难的问题。数值与工程算例验证了所提Kriging梯度解析解的较高精确性,同时验证了所提基于Kriging解析解的AFOSM结构可靠性分析方法的正确性与较高精度。     

二维气动问题中Kriging代理模型精度影响因素

以二维跨声速临界翼型的阻力特性为对象,探讨样本点数目、Kriging代理模型参数及其类型等对模型精度的影响.阻力系数采用计算流体力学（CFD）方法得到.模型精度的验证采用交叉验证方法,采用平均误差、最大误差和标准交叉验证残差来衡量Kriging代理模型的精度.研究结果表明:①Kriging代理模型预测气动阻力效果较好.②模型精度随样本点的增多而提高,剔除与样本点响应趋势不相符的“奇异点”后,模型精度显著提高,平均误差减小5%~38%,最大误差减小13%~77%.③核函数类型对模型精度的影响最大,相关参数次之,回归模型的影响最小.采用高斯相关函数、2阶多项式回归模型,以及合适的相关参数值时,Kriging代理模型的精度最高.      

一种高效高精度的气动弹性结构优化方法

气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容。针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法。针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法。针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费。最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法。优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5%以下,副翼效率预测的平均误差甚至低于1%;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力。     

大展弦比前掠翼气动隐身多目标优化

前掠翼布局优越的气动性能为无人机气动布局设计提供了一条新的方向。采用CST方法对翼型几何外形进行参数化描述,实现前掠翼气动和隐身多学科优化设计模型的参数化描述。建立了基于N-S方程的计算流体力学方法的前掠翼气动分析模型和基于矩量法的计算电磁学方法的前掠翼隐身分析模型。提出了基于Kriging模型的前掠翼气动隐身多目标优化方法,采用拉丁超方试验设计方法获取样本点,建立前掠翼气动和隐身的Kriging代理模型。将Pareto多目标遗传算法与Kriging代理模型结合进行大展弦比前掠翼的气动隐身多目标优化设计。研究结果表明,所建立的分析模型是合理的,所提出的多目标优化设计方法是可行的,能够有效提高大展弦比前掠翼性能与优化效率。     

Kriging模型在机翼气动外形优化中的应用

针对粒子群等随机优化算法计算量大的缺点,发展了基于Kriging模型的优化方法.采用改进的量子粒子群算法对Kriging模型的相关模型参数进行优化,以提高代理模型预测精度,并与具有双层结构的粒子群算法相结合.采用雷诺平均N-S方程流场求解器与多目标非线性适应值加权方法,对高维度多目标多约束的跨声速机翼进行了优化,设计的机翼具有理想的压力分布,降低了机翼阻力系数,并且有效控制了低头力矩和翼根弯矩,表明该方法具有较强的工程实用性.     

基于神经网络-遗传算法的液力透平叶片型线优化

提出了一种叶片型线的多工况优化设计方法,该方法包括叶片型线参数化、优化的拉丁超立方试验设计、CFD技术、GA-BP(genetic algorithm-back propagation)神经网络与遗传算法.具体采用三次非均匀B样条曲线参数化叶片型线,优化的拉丁超立方试验设计方法在设计空间内获取训练GA-BP神经网络的样本点,各个样本点性能分析由CFD技术完成,随后开展GA-BP神经网络的学习训练,最后采用GA-BP神经网络和遗传算法相结合的优化技术求解液力透平叶片型线的多工况优化问题.基于上述优化方法对一液力透平进行了叶片型线的优化改进,结果表明,在保证扬程不小于相应初始扬程的约束条件下,优化后的液力透平效率在3个指定工况下分别提高了3.91%,3.59%和3.09%, 证明采用此方法优化叶片型线具有一定的可行性.      

基于代理模型的运载器头罩外形优化设计

引入Kriging代理模型,选取若干不同头罩外形的运载器,进行气动性能分析,利用运载器气动性能参数作为拟合样本建立代理模型.以具有足够精度的代理模型替代CFD分析,发展了一种基于代理模型的运载器头罩外形优化设计方法.在马赫数为3、飞行攻角为3°、飞行高度为8km条件下,利用该方法对运载器进行最小阻力系数、最大纵向压心系数的单目标优化和综合考虑上述2个目标的多目标优化.结果表明:2个目标存在冲突,为同时兼顾减小阻力和增强纵向稳定性,必须对运载器头罩外形进行多目标优化,得到的外形阻力系数减小了1.95%,纵向压心系数增大了5.93%,采用基于代理模型的优化设计方法能在保证精度条件下有效提高计算效率.      

基于高斯过程回归和遗传算法的翼型优化设计

针对高升阻比风力机翼型前缘曲率半径较大的问题,传统的翼型参数化方法前缘控制能力不足,且基于面元法XFOIL预测精度差的问题,利用增强类函数/形函数转换（CST）参数化方法控制翼型的形状变化、拉丁超立方实验设计、计算流体力学（CFD）流场计算模块、高斯过程回归模型和遗传算法,提出了基于高可信度Reynolds average Navier-Stocks（RANS）和高斯回归模型辅助遗传算法的翼型优化设计方法。结果表明:基于高斯回归模型的翼型优化方法,可以将优化所用CFD计算次数降低一阶,从而大幅度提升优化设计效率。由标准算例超临界翼型RAE2822的降阻设计表明,在百次量级的CFD次数阻力降低43.16%,激波被削弱且升力、力矩和面积严格满足约束。由风力机翼型NACA64618的最大化升阻比优化设计表明,所设计翼型不仅在设计攻角和副设计攻角处升阻比大大增加,在整个小攻角范围内其气动性能都得到了提升,且两个主设计点,无不良阻力的产生。      

高效粒子群算法研究及飞翼无人机气动隐身优化设计

针对飞翼布局无人机气动隐身多目标优化设计问题,以无人机翼面为设计对象,开展气动、隐身多目标优化设计研究。采用FFD方法实现飞翼布局的参数化表达;分别采用基于雷诺平均N-S方程的计算流体力学方法(CFD)及大面元物理光学法(LEPO)配合一致性几何绕射理论(UTD)计算边缘绕射场的RCS分析方法计算飞翼布局无人机的气动、隐身性能;选择结合基于动态超体积期望改善(EHVI)加点的动态Kriging代理模型与ASMOPSO算法的高效多目标粒子群算法对飞翼布局无人机进行综合寻优设计研究。在较少的调用真实目标函数的情况下,获得了比较优秀的Pareto前沿,通过对所选解的分析比较可知优化后的飞翼布局无人机在气动及隐身方面均优于原始构型。     

基于Kriging模型的风洞应变天平静态校准方法

本文提出了一种基于Kriging代理模型的风洞应变天平静态校准方法。采用拉丁超立方设计的试验设计（DOE）方法选取校准加载点,以六分量组合加载技术为支撑,采用一阶回归基函数和EXP关联函数对校准数据构建Kriging模型,以电压信号增量和其他条件变量为自变量,通过Kriging模型对天平所受载荷进行预测。校准结果表明,与传统的OFAT（One Factor at A Time）校准方法相比,该方法具有相同的准度,加载点数量极大减少。将该方法应用于某矢量喷管推力测量天平的校准工作中,以通气流量和天平电压信号增量作为自变量,较好预测了喷管产生的推力,解决了传统校准方法难以克服的通气影响问题。     

直升机机身气动外形的低阻优化设计

直升机机身阻力是飞行阻力的主要来源之一,通过对机身外形的优化设计,能够实现直升机的高效低阻飞行.首先,把机身划分为头部、中段和尾梁三段,对其外形轮廓线进行CST参数化表示;其次,采用拉丁超立方法选取试验设计样本点,计算各样本点的阻力系数,构造Kriging代理模型,估计模型预测的精度;最后,选用序列二次规划算法对其进行优化,并对优化后的机身模型进行了风洞试验.通过计算分析可知:所建立的Kriing代理模型能够精确预测阻力系数值,优化后得到了机身的设计参数;机身阻力系数减小了15.3％,理论值与试验值吻合良好.     

锥导乘波体气动代理建模方法研究

传统的气动计算方法计算繁琐、计算效率低,不适应于乘波体多学科设计优化,通过建立气动代理模型可以很好地解决气动计算精度和效率的矛盾.利用面元法进行气动估算,采集了锥导乘波体在设计点、非设计点的气动特性作为训练数据,构建了Kriging和LS-SVM代理模型,对比了两种模型对此高维问题的代理效果.结果表明,Kriging代理模型能更准确地表达锥导乘波体的气动特性,应用代理模型进行优化等工作的计算效率与传统气动计算方法相比有显著的提高.     

基于Kriging方法的航空发动机压气机特性元建模

针对求解航空发动机数学模型时,使用传统的压气机二维特性曲线进行插值计算精度较差的问题,引入了优化技术中元建模的思想,对压气机特性进行模型重构.根据压气机特性数据空间分布的特点,定义元模型的输入输出维数,采用Kriging算法建立了流量和效率特性的代理模型.以某型涡扇发动机为例进行了压气机特性元建模的仿真计算,设定了满足...     

基于Kriging模型和遗传算法的齿轮修形减振优化

针对齿轮修形优化时计算啮合刚度计算量大、计算精度低、操作繁琐等问题,提出一种基于Kriging模型和遗传算法的齿轮减振修形优化算法.以典型直齿轮传动为例开展齿轮修形优化,通过拉丁抽样建立Kriging模型,解决齿轮修形优化的多响应和隐式函数的问题,通过Kriging预测的啮合刚度与有限元法的对比可知,时变啮合刚度函数各参数的误差最大值为7.79×10-5,1.20×10-3及1.30×10-4,验证了Kriging多响应预测啮合刚度函数的精确性.将Kriging预测函数代入直齿轮啮合传动的动力学微分方程,采用遗传优化算法时将齿轮动态传动误差响应波动最小作为优化目标,得到最优的齿轮修形参数.算例表明:相比于ISO(International Standardization Organization)修形和未修形的齿轮,该算法的减振效果最好,验证了基于遗传算法与Kriging模型对齿轮进行修形优化的正确性、高效性.相比于直接采用有限元法进行齿轮修形优化,该算法计算时间由26.91d减小为2.24h,证明了该算法计算效率的优越性.