基于多目标遗传算法的多级轴流压气机优化设计

建立了一种多级轴流压气机的多目标优化设计方法。采用流线曲率法计算压气机气动性能，结合多目标遗传算法来进行性能参数优化。针对一台两级轴流压气机，选定优化设计的目标是最大的总压比和最高的总绝热效率。将转子尾缘的稠度和相对气流角以及静子尾缘的稠度和气流角作为设计变量。通过优化设计得到一组在两个目标上均优于初始设计的Pareto最优解，对典型的Pareto最优解和初始设计进行分析、比较，证明了该优化设计方法的有效性。     

基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

飞行器外形多目标多学科综合优化设计方法研究

从多目标多学科综合设计的角度出发，探讨了飞行器外形优化设计方法。建立了针对飞行器外形设计的气动与隐身一体化优化设计模型；采用Pareto遗传算法，建立了多目标优化设计方法；并针对具体算例进行气动外形与隐身特性的综合优化设计，将所得优化设计结果，与初始外形相比较，可以看出，优化后气动和隐身性能都有较大提高，实际结果表明本文提出的方法具有可行性和适用性。     

直升机桨叶气动外形多目标优化设计

基于自由尾迹方法建立了直升机桨叶空气动力学分析模型,应用人工神经网络方法建立代理模型,采用改进的多目标遗传算法构建了优化框架,对直升机的悬停和大速度前飞状态进行优化.以悬停效率、旋翼等效升阻比及桨叶叶素的最大阻力系数为约束,对两个飞行状态的需用功率进行优化,得到了Pareto最优解集.并以UH-60A直升机的桨叶为算例,对其外形进行优化设计,优化结果表明,提出的桨叶气动外形多目标优化框架是有效可行的.      

隐身性能约束的多目标气动外形优化设计

从飞机外形设计的总体、气动和隐身设计要求出发,根据多目标优化的基本概念,将Pareto方法与遗传优化搜索相结合,并采用了群体排序、基于共享机制的小生境技术和Pareto解集过滤器等技术使解集具有良好分布特性,在此基础上建立了一套可满足飞行器外形气动/隐身一体化综合优化设计优化模型和优化方法。文中针对飞行器外形优化设计要求,提出了复杂外形参数化和设计变量的选取原则。并根据某飞行器设计要求,进行了在以隐身特性为约束条件下,以亚声速和超声速气动特性为设计目标的飞行器外形综合优化设计,取得了良好的优化设计结果。     

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Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

应用多目标遗传算法的叶栅气动优化设计

采用Pareto排名策略和共享小生境技术, 实现遗传算法的多目标优化设计.叶栅的气动性能通过求解二维Navier-Stokes方程获得.本文中压气机叶栅的多目标优化确定为在给定条件下同时追求高增压比和低总压损失系数.优化设计获得的Pareto解集显示出本文发展的优化设计平台能够较好的实现多目标的气动优化设计.      

基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

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。     

Pareto基因算法多目标翼型优化设计

 基于 Pareto最优解的定义,通过构造新型的联赛式选择复制等算子而发展了一种适合于求解多目标优化设计的 Pareto基因算法。通过等级法来正确识别每一代中近 Pareto波阵面的解,从而消除选择误差达到快速收敛的目的。为提高解的分布性:采用小生境技术解决了基因材料多样性损失问题;采用常规实数编码方式配合平均交叉算子解决了编码端点效应问题。将所发展的方法应用于多目标翼型优化设计中,获得了理想的 Pareto波阵面,为决策者提供了一个可选的有效解数据库。     

基于多目标遗传算法的航空发动机总体性能优化设计

采用一种基于Pareto最优解的多目标遗传算法—NSGAⅡ算法,以双轴混合排气式涡轮风扇发动机为算例,集成发动机性能模型、流路尺寸模型和质量模型,以单位推力、耗油率等为目标函数进行了多目标优化设计。计算结果表明:NSGAⅡ算法具有较好的稳健性和鲁棒性;基于NSGAⅡ算法的发动机总体性能优化方法能够获得目标空间内分布均匀的Pareto最优解集,有效克服了发动机总体性能方案设计时人工经验依赖较重的缺点,可为决策者进行目标权衡提供充分依据。      

基于并行遗传算法压气机叶片自动优化设计

结合小生境法与算子自适应法对基本遗传算法进行改进,采用WinSock接口、多线程、CS体系结构,实现并行遗传算法.将并行遗传算法与NS方程流场计算方法、Hicks-Henne函数叶型参数化方法结合构成叶型自动优化设计软件,软件可用于叶型设计和对已有叶型的改进.在构造目标函数时,根据工作攻角范围,构造了考虑非设计点性能的目标函数.分别对进口马赫数为0.5和0.9左右的叶栅采用三台计算机进行并行气动优化设计,优化叶型设计点和非设点性能都明显好于原始叶型.     

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。     

遗传算法在气动优化问题中的适应性分析

由于在理论上可找到全局最优解、不需计算灵敏度、对设计空间无特殊要求等这些优点,遗传算法(GA)在气动优化问题中得到了大量的应用.然而,实际应用中算法的理论收敛条件很难满足,面临着严重的计算效率问题.在具体应用中,气动问题本身的特点对算法参数选取和进程设计提出了适应性的要求.本文在分析算法优化机制的基础上,针对气动优化自身特点,以典型气动优化问题为例,对优化参数的设置进行了分析讨论.分析总结了翼型优化问题中参数化模型设计变量维数增加对翼型优化问题的影响,给出了初步定量的参数取值规律.结果表明参数化模型应当选择足够大的变量维数来描述设计空间,在变量维数确定之后选取合理种群规模和截止代数,以保证优化结果的收敛性.所得定性和部分定量的结果可以为优化算法在气动优化中的应用提供依据.     

某飞翼布局隐身飞行器的翼型优化

对某飞翼布局无人机的翼型进行考虑隐身迎角的气动、隐身综合优化研究。采用基于非均匀有理B样条曲线的自由变形方法实现翼型的参数化表达;无限插值动网格方法生成气动求解的计算网格;分别采用基于雷诺平均N—S方程求解的计算流体力学方法及物理光学法计算翼型的气动、隐身性能;选择多目标遗传算法进行综合寻优设计研究。优化翼型兼顾了气动与隐身的要求,其综合性能优于原翼型。结果表明,方法具有较好的实用性。     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法，其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足，采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估；通过改进随机游走策略来提高局部搜索能力；通过引入改进的自适应丢弃概率策略来提高算法的收敛速度；加入档案管理机制，提高解的均匀性。典型的多目标数值算例结果表明，改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例，将改进的MOCS算法应用于多目标气动优化中，改进的MOCS算法共获得64个Pareto解，优化后的翼型气动性能有明显的提升，设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题，改进的MOCS算法与目前主流的NSGA-Ⅱ相比，收敛速度更快。     

基于CST参数化的翼型优化遗传算法研究

用外形建模的CST参数化方法,构建翼型几何可直接利用其后缘角、前缘半径等几何特征,其控制参数更能反映翼型特有的气动敏感性,有助于遗传算法搜索寻优。基于这一参数化方法,结合遗传算法,构造了用于翼型优化的设计方法。算法中,CST控制参数作为设计变量,采用二进制编码,并通过引入精英策略,提高了遗传算法的收敛性能。算法适应度评估涉及的流场求解则采用了基于Jameson有限体积法的Euler方程解算程序。先以NACA0012翼型为例,以其某一已知的表面压力分布为目标,进行了遗传算法的重构运算,给出了重构的翼型几何外形,验证了方法。在此基础上,进行了带约束的跨音速翼型优化设计,给出了升力系数极大化和阻力系数极小化等设计算例,展示出翼型优化设计的效果。