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。     

气动设计的多目标优化算法比较研究

由于目标函数复杂且流场求解耗时,气动优化设计需要选择搜索能力强且调用目标次数少的优化算法,现有的优化算法种类很多,针对不同类型问题算法性能不同。本文将常用的多目标优化算法进行了分类总结并进行函数测试,判断各个优化算法对不同问题的收敛性和稳定性,找出适合气动优化的多目标优化算法。将该算法应用于气动优化问题当中,进行了针对翼型的气动优化设计,缩短了优化时间,取得了一定的优化效果。     

基于Pareto集与多目标决策的飞控参数优化

针对传统的单目标优化方法不能对飞控系统多个性能指标同时进行优化的问题,提出了一种基于Pareto遗传算法和多目标决策的飞控系统参数优化方法。通过NSGA-Ⅱ算法对飞控系统参数进行优化获得最优解集,在此基础上首先进行方案的初选,然后利用综合权重的Vague集决策方法对备选方案进行模糊评价和优选,找到最终满意解。仿真结果验证了所设计方法的有效性。     

Pareto多目标算法在离心压缩机蜗壳优化中的应用

基于Pareto多目标算法构建了一套针对离心压缩机蜗壳的气动优化系统,该系统集成了参数化建模、ICEM网格划分、CFX计算和CFD组合优化技术.利用该系统以总压损失系数和静压恢复系数为目标变量针对椭圆截面离心压缩机蜗壳进行气动优化设计.优化后的模型与初始模型相比总压损失系数降低11.79%,静压恢复系数升高16.97%,蜗壳内部二次流减少,蜗壳与叶轮更加匹配,表明该方法能够有效地提高离心压缩机的整体性能.      

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。     

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。     

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。     

基于代理模型的飞翼多目标气动优化设计

针对飞翼布局飞行器,采用雷诺平均N-S方程（ RANS）计算流场,使用基于代理模型的多目标优化方法进行了同时考虑起飞性能和巡航性能的多点多目标气动优化设计。在设计过程中,将飞翼的平面形状、剖面形状及扭转角同时作为设计变量（共58个设计变量）,将提高起飞时的升力系数和提高巡航升阻比为设计目标,以起飞状态和巡航状态的力矩系数作为气动约束,并以飞翼平面面积不减和剖面厚度不减作为几何约束。通过采用基于Kriging模型的多目标优化方法,以较小的计算花费得到了较好的Perato前沿。取Pareto前沿中一个最优解与基准外形的性能进行了对比,结果显示,优化外形的性能较基准外形的气动性能得到全面大幅提高且所有约束得到严格满足。     

考虑气动-结构的高空螺旋桨多学科优化方法

为实现高空螺旋桨高效率和轻质量之间的权衡设计,提出一种考虑螺旋桨气动-结构性能的多学科多目标优化设计方法,理论上可得到约束条件下推力最大和质量最小的Pareto解集。但工程应用中,变量太多,可接受时间内仅能获得Pareto解集拟合趋势。为避免优化周期太长,提出以下阶段性优化方法。阶段1：根据上述Pareto解集拟合趋势和平台约束,确定最优桨径;阶段2：进行基于最优桨径的气动优化获得气动外形,结构优化获得结构方案。使用该方法对高空太阳能无人机螺旋桨优化,两个阶段耗时分别为96 h和4 h。对获得螺旋桨制造,仿真和试验,对比结果表明：推力最大误差为10.9%,质量误差为6.9%,刚度误差为15.2%,固有频率误差为15.4%,试验结果也表明该方法的合理有效性。     

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。     

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.      

基于响应面方法的风力机叶片多目标优化设计研究

运用基于响应面方法的优化设计技术,于径向使用NPU-WA-风力机专用翼型族的某1.5MW水平轴风力机叶片的多目标、多约束优化设计研究中。风力机气动性能使用基于叶素-动量理论的风力机性能分析和设计软件PROPID51。设计变量为叶片径向外形参数,包括弦长和扭转角分布,但是相对厚度保持不变;设计目标为年发电量和功率系数的最大化;在多目标优化中,使用"统一目标函数"法将多个设计目标函数通过加权求和统一到一个目标函数中。为减小计算量,响应面模型使用不含二阶交叉项的二阶多项式模型;构建模型中试验点的选择满足D-优化准则。以某1.5MW变速变矩型风力机叶片为例,进行了优化设计研究。叶片径向使用西北工业大学翼型研究中心设计的NPU-WA-风力机专用翼型族,使用CFD计算的气动性能数据作为输入进行了设计,分析了目标函数的权值分配对设计结果的影响;使用风洞测量自由转捩的气动性能数据进行了设计并分析了表面光滑条件对气动性能的影响。     

遗传算法在多级压气机气动优化设计中的应用

用遗传优化算法结合流线曲率法管流流场求解器建立了一种多级压气机多目标气动优化设计方法.优化目标为总压比和绝热效率最大, 决策变量为转子和静子叶排尾缘速度环量.测试结果表明, 该优化算法的搜索效率和全局性都较好.用该方法对一台5级高压压气机进行了气动优化设计, 压气机性能有了明显提升.      

超临界机翼多目标气动优化设计的策略与方法

超临界机翼的气动设计十分复杂,往往需要借助于有效的优化手段。然而,优化方法本身往往无法直接表达真实完整的设计意图,因此需要将工程需求和约束转换为优化方法所能处理的数学形式。本文首先探讨了梯度优化方法和进化类优化方法在气动优化中的表现。之后简要总结了前人在飞机气动设计中提出的准则和要求,并基于压力分布形态定义了超临界机翼气动设计的关键特征及定量要求,探究其在超临界机翼气动优化设计中的应用效果。研究结果表明,在多目标优化中引入面向压力分布形态特征的目标和约束,能有效引导优化体现工程设计思想,进而提高优化效率。     

涡轮静叶叶型与气膜孔优化对气动与冷却性能影响

为研究气膜冷却涡轮叶片中叶型与气膜孔参数变化对涡轮静叶性能的影响,利用气膜冷却涡轮多目标优化平台对存在多列气膜孔的静叶进行多目标优化.获得在优化变量允许范围内针对气动效率与传热效果以及高温目标函数的Pareto前沿解集,整体性能得到了提高,不同方案中气动效率最高提升0.35%,叶片表面温度最大下降0.74%,高温函数降低的最大幅值为45.71%.结果表明:气动效率提升的主要原因是后弯角的提升使得叶型和二次流损失下降;接近驻点处前缘气膜孔方向的改变导致的冷气分流是叶片根部和前缘附近压力侧的冷却情况得到改善的主要原因.     

气动优化设计中的遗传算法研究

建立以实数编码技术为基础的多种遗传算法模型，利用这些模型来研究复制、重组和变异三种基本的遗传操作对气动优化设计的优化质量和效率产生的影响，在此基础上研究群体规模、最大进化代数和遗传概率等遗传控制参数对优化质量和优化效率的影响，期望对应用遗传算法的气动优化设计提供一些有益的参考。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。