考虑工程约束的高可信度气动外形优化设计

实际气动设计中遇到的工程问题较为复杂,然而能够用于实际工程设计的高可信度气动外形优化设计工具较少.基于飞行器设计工程实际中的各种复杂气动约束和几何约束要求,集成高可信度非结构网格RANS方程求解器、弹簧比拟网格变形技术、FFD外形参数化、RBF代理模型、粒子群优化器,构建多设计点气动外形优化设计工具,并应用于先进低速层流翼型和高亚声速超临界机翼的气动外形优化设计中(包括单设计点和多设计点),进行考虑/不考虑气动约束和几何约束的气动外形优化设计分析.结果表明:多设计点气动外形优化设计工具有效,约束条件和智能优化器自动有效地引导了层流翼型和亚声速机翼外形的有利改变.     

旋翼翼型气动设计与验证方法

为满足我国直升机研发对自主旋翼翼型的迫切需求,开展了旋翼翼型气动优化设计与验证方法研究.发展了旋翼翼型指标分析与给定方法,给出了我国直升机旋翼翼型谱系规划设想,以进化多目标算法为基础结合PCA算法建立了旋翼翼型多点/多目标优化设计方法,突破了旋翼翼型气动特性精准测量风洞试验技术.利用所建立的方法对典型厚度翼型进行了优化设计并开展了风洞试验验证,计算评估与试验验证均表明自主设计翼型综合性能较国外参考翼型有一定提升.在此基础上,进一步构建了旋翼性能理论计算与试验验证综合评估方法,两种方式得到的旋翼主要性能数据偏差小于5％,表明该方法具有较高的可靠性.评估结果显示,基于设计翼型的旋翼模型气动性能较基于参考翼型的旋翼模型提升了3％.     

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。     

翼型外形高气动效率/低可探测性的优化

 采用ｖａｎＬｅｅｒ矢通量分裂格式求解Ｅｕｌｅｒ方程的方法计算了绕翼型的气动特性;采用矢通量分裂方法计算了绕翼型的时域电磁散射场特性及雷达散射截面积（ＲＣＳ）;采用一种简单而有效的数值优化方法对流场解和电磁场解进行了翼型外形高气动效率／低可探测性的优化计算。算例结果表明,本方法提供了一种对翼型既可作气动优化设计亦可进行多学科综合设计的有效工具。     

基于新型多可信度代理模型的多目标优化方法

相对于常规直升机，基于前行桨叶方案（ABC）速度更高的刚性共轴双旋翼直升机对旋翼翼型的气动性能要求更加苛刻，包括更高马赫数下的低阻和高阻力发散特性，并维持良好的中、低马赫数下的升阻特性以及所有状态下的力矩特性等10余项指标要求，面临高维多目标优化难题。针对该类问题，首先发展了基于核主成分分析（KPCA）的非线性目标降维技术，然后建立了基于新型多可信度多项式混沌-Kriging(AMF-PCK)代理模型的高效多目标稳健优化方法，并提出了变可信度伪期望改进矩阵（VF-PEIM）并行样本填充方法，使多目标优化设计效率和能力显著提高。利用所建立的基于新型多可信度代理模型的多目标优化方法对高速直升机7%厚度旋翼翼型进行了优化设计。设计翼型的气动表现分别与经典的OA407翼型在高、中、低马赫数下进行了全面比较，对比结果验证了提出的新型多目标优化设计方法的有效性，设计翼型高速气动特性得到了显著提升。     

基于多输出高斯过程的超临界翼型优化

提出了一种基于多输出高斯过程(MOGP)回归模型和模拟退火算法相结合的翼型优化方法。采用拉丁超立方抽样方法在设计空间内构造一系列样本点,其中优化设计采用CST参数化方法对翼型的几何外形进行参数化表示。通过CFD流体计算得到其响应值来建立初始的MOGP代理模型。以阻力最小化为设计目标,考虑面积、升力等约束条件。通过单点优化和多点优化试验表明,发展的翼型优化设计方法达到了优化设计的目的,同时也说明基于MOGP模型的优化设计方法在气动优化设计中的应用是可行的。     

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。     

超临界翼型射流环量控制的数值计算

为提高飞行器的升力特性,改善起飞着陆和机动性能,研究了射流环量控制对超临界翼型气动特性的影响。基于计算流体力学,对影响计算效率和精度的网格参数进行了优化设计,得到一种高效高精度网格的剖分方法;并以此为基础,建立超临界翼型环量控制的计算模型,求解雷诺平均N-S方程,分析了环量控制在不同动量系数和迎角下的作用效果,数值计算结果与实验结果基本一致。结果表明:环量控制大大提高了翼型的气动特性,且在小迎角或负迎角就可以产生较大的升力,但是动量系数并不是越大越好。计算结果可为进一步研究环量控制对飞行器的影响奠定理论基础。     

超临界翼型稳健型优化设计研究

基于标准遗传算法、RBF神经网络以及类函数/型函数变形技术建立了翼型气动优化设计系统,在选取3次CST方法即分别对翼型上下表面采用4个设计变量进行参数化,对某型客机基本翼型在给定设计指标下进行优化设计,分别研究了巡航状态下的气动优化,以及结合蒙特卡洛分析方法马赫数随机平均分布下的翼型稳健型优化设计。结果显示,优化后的翼型的气动特性有着显著提高。     

基于代理模型方法的翼型优化设计

提出了基于代理模型的两步优化方法,用于翼型在黏性流场中气动外形的优化设计.第一步优化使用基于代理模型的遗传算法(GA)获得全局最优解的大致范围.以本征正交分解(POD)方法作为第一步优化中气动力计算的代理模型方法,降低遗传算法的计算量,并对其采样解的生成方法进行改进,提高了计算精度;第二步优化使用基于NavierSto...     

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

Aeroacoustic and aerodynamic optimization of propeller blades

It is of great significance to develop a high-efficiency and low-noise propeller optimization method for new-generation propeller aircraft design. Coupled with free form deformation method, dynamic mesh interpolation technology, optimization algorithm, surrogate model, aerodynamic calculation and aeroacoustic prediction model module, the integrated aerodynamic and aeroacoustic design method of propeller is built. The optimization design for the six-blade propeller is carried out. The non-reduction in efficiency, thrust coefficient and the minimum of aerodynamic noise is treated as the optimization design objective. The spatial vorticity distribution of the propeller before and after the design is also analyzed by using unsteady computational fluid dynamics method. The results show that the optimized propeller can effectively reduce the aerodynamic noise level. The maximum total sound pressure level can be reduced by 5 dB without reducing its aerodynamic performance. The developed method has good application potential in low-noise optimization design of propeller and other rotating machinery.     

基于POD-BPNN的热启动策略及其在气动代理优化中的应用

传统气动优化设计需要大量CFD 分析,而代理优化（SBO）方法能够有效降低CFD 分析次数,但该方法并没有改变单个CFD 分析时间。提出一种基于本征正交分解-反向传播神经网络（POD-BPNN）模型的热启动策略,并应用于气动代理优化。使用POD-BPNN 模型对SBO 中的初始样本建立从几何设计变量到流场数据的预测模型...     

一种减小再入飞行器侧向气动非线性的布局优化方法

为改善升力式再入飞行器在跨声速段出现的侧向气动特性非线性问题,发展了一种基于Kriging代理模型的自适应迭代气动布局优化方法.设计了一种常规升力式再入飞行器布局,计算了该布局在跨声速段的侧向气动力,分析了可能影响侧向气动特性的机翼布局参数.根据气动布局优化流程,计算了气动布局样本气动特性,建立了布局参数到侧向力矩系数...     

飞行器气动隐身一体化设计方法研究

针对典型的翼身组合体飞行器构型,对飞行器气动隐身一体化设计的具体实现方法进行了探索。通过采用面元法计算飞行器气动性能,采用物理光学方法来计算其雷达散射截面积,实现了基于遗传算法的飞行器气动性能与隐身性能两个目标函数之间的折衷与优化。并在此基础上建立了上述算法的并行处理方法;提出了旨在提高优化计算效率的响应面方法,在响应面方法中,响应函数模型分别采用了神经网络模型和模糊逻辑模型来进行构造,对设计算例均得出了比较好的优化设计计算结果。     

基于神经网络的飞行器总体优化设计

针对经验公式存在的精度低、适用范围受限的缺点,采用广义回归网络代替经验公式计算气动特性,并将其嵌入到优化设计流程之中,提出了一种基于神经网络的飞行器总体优化设计方法。神经网络的训练样本输入、输出数据通过试验设计和涡格法计算得到。以高空长航时无人机为例,选取航时与机翼结构重量系数作为目标函数,应用所提出的方法进行总体优化设计。计算结果表明,提出的方法是可行的,能够满足设计要求,同时降低优化过程的复杂程度,减少迭代次数。     

Integrated optimization on aerodynamics-structure coupling and flight stability of a large airplane in preliminary design

The preliminary phase is significant during the whole design process of a large airplane because of its enormous potential in enhancing the overall performance. However, classical sequential designs can hardly adapt to modern airplanes, due to their repeated iterations, long periods, and massive computational burdens. Multidisciplinary analysis and optimization demonstrates the capability to tackle such complex design issues. In this paper, an integrated optimization method for the preliminary design of a large airplane is proposed, accounting for aerodynamics, structure, and stability. Aeroelastic responses are computed by a rapid three-dimensional flight load analysis method combining the high-order panel method and the structural elasticity correction. The flow field is determined by the viscous/inviscid iteration method, and the cruise stability is evaluated by the linear small-disturbance theory. Parametric optimization is carried out using genetic algorithm to seek the minimal weight of a simplified plate-beam wing structure in the cruise trim condition subject to aeroelastic, aerodynamic, and stability constraints, and the optimal wing geometry shape, front/rear spar positions, and structural sizes are obtained simultaneously. To reduce the computational burden of the static aeroelasticity analysis in the optimization process, the Kriging method is employed to predict aerodynamic influence coefficient matrices of different aerodynamic shapes. The multidisciplinary analyses guarantee computational accuracy and efficiency, and the integrated optimization considers the coupling effect sufficiently between different disciplines to improve the overall performance, avoiding the limitations of sequential approaches utilized currently.     

Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization

An efficient method employing a Principal Component Analysis (PCA)-Deep Belief Network (DBN)-based surrogate model is developed for robust aerodynamic design optimization in this study. In order to reduce the number of design variables for aerodynamic optimizations, the PCA technique is implemented to the geometric parameters obtained by parameterization method. For the purpose of predicting aerodynamic parameters, the DBN model is established with the reduced design variables as input and the aerodynamic parameters as output, and it is trained using the k-step contrastive divergence algorithm. The established PCA-DBN-based surrogate model is validated through predicting lift-to-drag ratios of a set of airfoils, and the results indicate that the PCA-DBN-based surrogate model is reliable and obtains more accurate predictions than three other surrogate models. Then the efficient optimization method is established by embedding the PCA-DBN-based surrogate model into an improved Particle Swarm Optimization (PSO) framework, and applied to the robust aerodynamic design optimizations of Natural Laminar Flow (NLF) airfoil and transonic wing. The optimization results indicate that the PCA-DBN-based surrogate model works very well as a prediction model in the robust optimization processes of both NLF airfoil and transonic wing. By employing the PCA-DBN-based surrogate model, the developed efficient method improves the optimization efficiency obviously.