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。      

大型飞机超临界翼型设计与优化

从初始翼型开始,利用型函数生成几何扰动量叠加到基本翼型表面,以型函数的权系数为设计变量,对翼型进行优化设计。在ISIGHT平台下集成以下三个模块:利用C++语言编写一个翼型关键点生成程序,来实现优化参数的计算;将生成的翼型数据点,调用并导入到GAMBIT内,由GAMBIT生成网格后结束GAMBIT;调用FLUENT对GAMBIT生成的网格进行流场计算;最后应用ISIGHT优化算法库中的遗传算法对FLUENT的计算结果进行分析,实现整个优化流程的自动化。以CJ818飞机为例,采用超临界翼型作为初始翼型,应用上述方法进行优化,结果表明此方法能设计出符合条件的基本翼型,有一定工程应用价值。     

超临界翼型设计中的多响应代理模型

为考虑超临界翼型设计中代理模型多响应之间的相关性,研究了基于多输出高斯过程回归的代理模型。通过实验数据验证了升力系数、阻力系数及力矩系数之间显著的相关性,建立了超临界翼型设计中的基于多输出高斯过程的多响应代理模型,并与kriging模型、BP和RBF两种人工神经网络模型进行了对比。结果表明,当超临界翼型设计中多输出端口之间存在显著的相关性时,多输出高斯过程相比kriging、BP和RBF能有效显著提高预测精度,并获得更加稳定的预测性能。     

基于全速势方程的超临界翼型设计

基于全速势方程,完成了超临界翼型设计。首先分析了最优化设计和反设计两种常用的翼型设计方法的特点。综合考虑两种方法的利弊,选用最优化设计法。结果显示,设计理论和实施方法完全适合现代翼型设计,设计结果可以满足设计指标要求,诸如巡航状态下的升力系数、阻力系数、升阻比、攻角、翼型最大厚度及厚度位置、巡航效率、压力分布形态、激波强度等等。     

基于逆系统方法的多输入多输出非高斯驱动信号生成

多输入多输出(MIMO)振动环境试验是振动试验的新方法,该方法比传统的单输入单输出(SISO)方法更真实地模拟了结构在实际工作下的振动环境。传统随机振动试验的频域方法所模拟的是平稳高斯信号,但是实际振动环境往往是超高斯的,且超高斯激励和高斯激励对结构的损害差异很大,因此对MIMO超高斯振动环境试验的研究十分重要。驱动信号的产生是振动环境试验的关键。提出一种基于逆系统的MIMO超高斯驱动信号生成方法。首先,根据给定的响应参考功率谱密度(PSD)和参考峭度值采用相位调节法生成参考响应超高斯伪随机信号;其次,利用逆系统方法生成超高斯伪随机驱动信号;最后,对伪随机驱动信号进行时域随机化处理得到超高斯真随机驱动信号。对一根两输入两输出的悬臂梁模型进行了仿真验证,结果表明,采用本文方法所得到的驱动信号加载在梁上后,其输出响应谱与给定参考谱之间的误差完全满足工程中常用的±3 dB的要求,而且峭度也与给定的参考值十分接近,证实了所提方法的有效性。     

基于熵产理论设计方法的多目标翼型优化

将熵产理论引入翼型的多目标气动优化设计,通过理论推导湍流流场熵产率计算公式,进而阐述熵分析方法在翼型气动优化中的作用。通过CST参数化方法对翼型进行参数化建模,并将多目标优化算法与CFD计算耦合起来,计算翼型升阻比和流场熵产率,建立一种以最大升阻比和最小熵产率为目标的翼型优化方法,进而得到优化翼型的Pareto解,并与传统翼型优化方法进行对比。与初始种群相比,优化翼型具有更优的气动性能,在升阻比提高的条件下,流场熵产率减少,能量效率提高。采用多目标遗传算法得到的非支配解集分布均匀,质量较高,设计者可以根据设计需要选择具有相对低熵产的一组翼型来改善空气动力性能。结果分析表明,本文所建方法具有较强的全局收敛性,具有一定的工程应用前景。     

基于博弈论的高空长航时无人机翼型多点优化

针对高空长航时无人机的特点和使用要求,采用多人博弈中的纳什平衡,结合下山单纯形算法,发展了一个可同时满足低速爬升的高升力和高速巡航的大升阻比要求的翼型多点设计方法。可根据设计变量对目标的影响程度,自动将设计变量动态划分给局内人,具有非常强的适应性。对NLF1015翼型的优化算例表明,可以同时改善翼型在多个设计点的性能,同时,与多目标遗传算法NSGA-II相比,此方法在计算资源和成本不大的情况下,取得较好的优化结果,可以应用在高空长航时无人机的翼型设计中。     

翼型改型对超临界翼型气动性能影响的数值研究

为了深入研究改型对跨声速翼型气动性能的影响,对NASA SC(2)-0614翼型进行多种方案的改型,包括前缘半径、厚度、弯度、翼型上表面形状等,并得出最终优化改型方案.数值模拟结果表明,改型后翼型设计状态下升阻比和临界马赫数均有显著提高.     

变形体超临界翼型动态气动特性

为实现飞行器外形根据来流条件变化做出相应调整,需深入了解变形体非定常气动现象和机理。以典型超临界翼型为研究对象,分别制定了翼型厚度及弯度变形方案,实现了翼型柔性变形。利用数值仿真方法在高雷诺数条件下开展了翼型厚度、弯度连续变形带来的非定常效应。结果表明,翼型厚度、弯度连续变形均会形成明显的升、阻力系数迟滞环,且频率越高、幅度越大,变形导致的非定常效应也越强;相对而言,翼型弯度变形产生的非定常效应较厚度变形产生的非定常效应更明显。最后通过分析流线图及压力系数分布图发现,流动结构随几何变形的迟滞性会导致非定常效应的产生。     

An inverse design method for supercritical airfoil based on conditional generative models

Inverse design has long been an efficient and powerful design tool in the aircraft industry.In this paper, a novel inverse design method for supercritical airfoils is proposed based on generative models in deep learning. A Conditional Variational Auto Encoder(CVAE) and an integrated generative network CVAE-GAN that combines the CVAE with the Wasserstein Generative Adversarial Networks(WGAN), are conducted as generative models. They are used to generate target wall Mach distributions for the inve...     

基于多可信度代理模型的尾喷管优化设计

尾喷管是飞行器机体/推进一体化设计中的关键部件之一,直接影响着飞行器的推阻匹配、俯仰力矩配平等特性。为了提高尾喷管优化设计效率,建立基于多可信度代理模型的多目标优化模型。以基于粗网格、无黏模型的CFD 结果作为低可信度数据,以基于细密网格、SST k-ω 湍流模型的CFD 结果作为高可信度数据,将最大化推力系数、升力系数和俯仰力矩系数作为优化目标,构建Cokriging 模型,并结合NSGA-Ⅱ算法得到Pareto 解集。结果表明：以上三个目标分别提升了2.94%、13.0% 和40.6%,误差低于0.5%,并进行了敏感性分析;优化后流场波系结构更为复杂,改变了壁面压强分布规律;与Kriging 模型相比,Cokriging 模型具有相当的预测性能,构建时间成本节省了62%。     

针对超临界翼型气动修型策略的强化学习

强化学习是一类用于学习策略的机器学习方法,通过模拟人的学习过程,与所处环境不断交互来学习动作策略,用以获得最大累积回报。以设计师在翼型气动设计中的增量修型过程为例,给出强化学习在气动优化设计中的要素定义和具体算法的实现。研究了预训练中选择不同示例对预训练和强化学习结果的影响,并将强化学习得到的策略模型在其他环境中进行了迁移测试验证。结果表明,合理的预训练能够有效提高强化学习的效率和最终策略的鲁棒性,且所形成的策略模型具有较好的迁移能力。     

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Kriging模型的旋翼翼型优化设计研究

以基于进化算法的多目标优化方法为基础,结合多目标优化设计Pareto解的思想和约束处理机制,采用Kriging代理模型和基于B样条的翼型表示方法,建立了旋翼翼型的优化设计系统.代理模型采用均匀设计进行模型采样,在优化过程中根据EI(expected improvement)准则动态增加采样点来调整代理模型的精度.采用B样条方法进行翼型参数化,保证了翼型的光顺性.在翼型的气动性能分析中引入转捩模型提高阻力计算的精度.利用该系统对旋翼翼型进行了优化设计,经风洞试验验证,满足设计要求.     

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.      

Dynamic stall on a supercritical airfoil

For the present investigations of dynamic stall a supercritical airfoil was chosen. This new airfoil designed by DLR will be used in dynamic stall control research activities (project ADASYS) planned for the near future: the leading edge portion of the airfoil will be drooped down dynamically to improve dynamic stall characteristics on the retreating side during blade motion. The optimised transonic properties of the airfoil, i.e., reduction of shock strength over a Mach number range will improve in addition the performance of the advancing rotor blade. Dynamic stall experiments on the rigid supercritical airfoil have first been carried out in the DNW-TWG transonic wind tunnel with a 1 m × 1 m cross section of the test section and adaptive top and bottom – walls. This tunnel has the advantage to cover the speed range of both retreating and advancing blade. Emphasis has been placed on unsteady pressure measurements along the adaptive walls simultaneously with the unsteady pressure measurements on the pitching model. In addition to the experiments corresponding numerical simulations with a RANS-code have been carried out and their results are compared with the experimental data. Of main concern are the influence of laminar-turbulent boundary-layer transition as well as wind-tunnel-wall interference effects on the unsteady results.     

基于SVR多学科设计优化代理模型技术研究

为挖掘设计潜力,提高飞机设计质量,通过代理模型方法研究了多学科设计优化(MDO)。基于径向基函数模型,研究了一种新的代理模型技术--支持向量回归方法(SVR)。通过数值算例和某通用航空飞机多学科设计优化应用算例对支持向量回归方法的有效性进行了验证。研究结果表明,支持向量回归是一种比较有效的代理模型方法,在飞机多学科设计优化的理论研究和工程实践方面具有重要的参考意义。     

基于变域变分有限元的翼型反设计

反问题作为一种自由(未知)边界问题近年来得到了广泛的研究。变域变分通过把自由边界结合在变分泛函中，使其与求解流场的控制方程结合起来，从而自由边界求解和流场分析可以完全耦合进行。本文采用变域变分和可变形有限元来设计可压缩和不可压缩翼型，计算显示即使在初始翼型的一侧为三角形时仍能得到满意的结果。文中还采用了两种计算网格(H型和O型)来设计翼型，比较了它们的精度，计算表明本方法完全能用于翼型的反设计。