飞翼翼型高维目标空间多学科综合优化设计

传统的优化方法在处理高维多目标问题上面临多重困难,针对高维多目标优化问题,进行合理的目标降维是一种实用高效的方法。本文首先讨论、研究了PCA目标降维算法在高维多目标应用中的思路,通过典型高维度目标测试函数中的应用,验证了降维方法的有效性,进一步将该方法推广应用于翼型气动隐身多学科综合设计中,对综合设计高维度目标空间进行主成分分析。利用主成分分析提取主成分并辨识"冗余"或者不重要的目标,将冗余目标去除或者作为约束加入到重要目标的优化过程中。结果显示,目标空间降维以后的优化设计结果满足力矩、阻力发散、巡航升阻比、低速升力特性以及隐身特性等综合设计的要求。进一步探讨、展望了该方法在飞行器多目标、多学科优化设计中的应用前景。     

飞机多学科设计优化中的并行多目标子空间优化框架

 针对现有的并行子空间优化框架存在的各子空间仅能有一个优化目标等局限,提出了并行多目标子空间优化框架。该框架将各个学科的优化问题由以往的单目标优化改进为多目标优化,使得每个子空间可以分配到多个优化目标、各子空间的设计变量可以重叠,并且在一次优化中就可获得优化问题的Pareto前沿。介绍了新框架的基本思想和流程,并且阐述了新的学科解耦、子空间的并行优化和系统级的设计变量综合方法。以一个飞机总体设计问题为例,考虑气动、隐身与控制学科,对翼面几何参数和控制律参数进行了优化设计,验证了并行多目标子空间优化框架的有效性和相对于已有方法的优势。     

低雷诺数下翼型分离流动抽吸控制优化

为了获得不同目标下最优抽吸控制参数,开展了分离流动抽吸控制优化研究,基于RBF神经网络与遗传算法,发展了求解单目标和Pareto多目标问题的优化平台。针对NACA0012翼型表面分离流动,在其上表面设计了局部多孔分布式抽吸结构,将径向基函数(Radial Basis Function,RBF)神经网络作为CFD计算的代理模型,以减小计算量;采用遗传算法开展了单目标和Pareto多目标优化。优化结果表明:该优化设计平台具有良好的收敛性和准确度;以升阻比为单目标的优化使升阻比最大增加了2.4倍;Pareto多目标优化设计获得了分布均匀的、令人满意的Pareto解集,为设计者提供了一个可选的有效解数据库。在合理选择抽吸角度、抽吸孔径和孔间距的前提下,只需较小的抽吸系数,就可使升阻比获得明显增加,同时,还能保持较高的FOM值,使整个控制系统的能效比维持较高水平。     

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.     

遗传算法在雷达吸波涂层多目标优化设计中的应用

本文利用遗传算法实现了雷达吸波涂层的多目标优化设计.首先对目标函数进行合理设计,同时基于Pareto最优概念,采用非劣分层遗传算法(NSGA)进行多目标优化.对具体实例的优化结果表明,该方法利用共享函数和小生境技术,可以使优化结果均匀的收敛于Pareto域附近.同传统优化方法相比,该方法物理意义明确,对决策者来说更具科学性、针对性和实用价值.     

基于MDO技术的飞机操纵面参数/飞行控制律多目标优化设计

 为克服多学科可行法存在的缺点,采用响应面近似模型进行系统分析从而减少计算量,并将该方法应用于具有多操纵面布局的无尾无人机多目标优化设计中,解决了操纵面几何参数和全包线飞行控制律的一体化设计问题。利用试验设计方法及径向基神经网络技术,建立了飞机操纵面的气动效益近似模型和控制学科的近似模型;应用所提方法及多目标遗传算法进行优化,得到一组Pareto解;采用模糊决策技术从中选取一个解作为数学规划方法进一步优化的初值点,从而得到最终解。仿真结果表明了所提方法的有效性。     

用于概念设计的离心泵叶轮多目标优化

用两种多目标优化方法对某型液体火箭发动机氧化剂泵叶轮进行多目标优化设计.在优化过程中, 以泵的扬程、效率和泵质量为优化目标, 对叶轮的主要几何参数进行优化.用NCGA(Neighborhood Culti-vation Genetic Algorithm)方法得到优化问题的Pareto前沿;用超传递近似法得到分目标的最佳权值, 进而采用评价函数法求出优化问题的最佳设计值.并分析了主要结构参数对泵性能参数的影响.      

空心风扇叶片结构优化设计方法及程序实现

在空心风扇叶片结构强度分析的基础上,以叶片最大等效应力水平为约束条件,建立了叶片质量和径向位移最小化的双目标优化模型.采用正交试验设计的方法,分析了各设计变量对约束函数和目标函数的影响,减少了设计变量的数量.为了提高优化设计效率,采用径向基函数插值的方法,构造了约束函数和目标函数的响应面替代模型,从而避免了优化设计过程中大量的结构有限元分析求解.针对空心叶片结构强度优化设计的示例,探讨了替代模型和带精英策略的Pareto排序遗传算法的具体应用,得到了分布均匀的Pareto最优解,给出了空心叶片示例的具体优化设计结果.      

高超声速飞行器后体/尾喷管一体化设计

采用实数编码、小生境技术、稳态复制策略、多目标定级排序技术,改进了标准遗传算法,建立了多目标遗传算法,并将其应用于高超声速飞行器后体/尾喷管的一体化设计,以尾喷管的推力、升力和附加俯仰力矩系数为性能目标,得到了优化问题的Pareto最优前沿面,优化结果显示了设计变量与性能目标之间的关系,并提出了建议的外形方案。该优化算法可进一步推广应用于包含更加精确的流动模型的优化设计当中。     

基于改进免疫算法的可拆卸设计的产品模块划分方法

模块化设计能够缩短产品研发周期,提高产品的性能,可拆卸设计将绿色设计思想拓展到产品的全生命周期。综合模块化设计方法和可拆卸设计的思想,提出了可拆卸设计的模块化准则,以可拆卸度、内部聚合度、外部耦合度为优化目标进行模块划分。针对免疫克隆算法在模块划分问题上,最优Pareto解集分布不均匀的问题,改进了一种免疫克隆算法(immune clonal algorithm,ICA),该算法通过删除非支配抗体中较为拥挤的抗体,得到了分布均匀的Pareto解集。利用该算法进行模块划分,得到了模块划分的优化结果,该方法以模块划分为主要目标,同时兼顾了模块零部件之间可拆卸性的复杂程度,最后以飞机起落架为例说明了该方法的可行性和适用性。     

Aerodynamic optimization of rotor airfoil based on multi-layer hierarchical constraint method

Rotor airfoil design is investigated in this paper. There are many difficulties for this high-dimensional multi-objective problem when traditional multi-objective optimization methods are used. Therefore, a multi-layer hierarchical constraint method is proposed by coupling principal component analysis (PCA) dimensionality reduction and e-constraint method to translate the orig-inal high-dimensional problem into a bi-objective problem. This paper selects the main design objectives by conducting PCA to the preliminary solution of original problem with consideration of the priority of design objectives. According to the e-constraint method, the design model is estab-lished by treating the two top-ranking design goals as objective and others as variable constraints. A series of bi-objective Pareto curves will be obtained by changing the variable constraints, and the favorable solution can be obtained by analyzing Pareto curve spectrum. This method is applied to the rotor airfoil design and makes great improvement in aerodynamic performance. It is shown that the method is convenient and efficient, beyond which, it facilitates decision-making of the high-dimensional multi-objective engineering problem.     

Aerodynamic multi-objective integrated optimization based on principal component analysis

Based on improved multi-objective particle swarm optimization (MOPSO) algorithm with principal component analysis (PCA) methodology,an efficient high-dimension multiobjective optimization method is proposed,which,as the purpose of this paper,aims to improve the convergence of Pareto front in multi-objective optimization design.The mathematical efficiency,the physical reasonableness and the reliability in dealing with redundant objectives of PCA are verified by typical DTLZ5 test function and multi-objective correlation analysis of supercritical airfoil,and the proposed method is integrated into aircraft multi-disciplinary design (AMDEsign) platform,which contains aerodynamics,stealth and structure weight analysis and optimization module.Then the proposed method is used for the multi-point integrated aerodynamic optimization of a wide-body passenger aircraft,in which the redundant objectives identified by PCA are transformed to optimization constraints,and several design methods are compared.The design results illustrate that the strategy used in this paper is sufficient and multi-point design requirements of the passenger aircraft are reached.The visualization level of non-dominant Pareto set is improved by effectively reducing the dimension without losing the primary feature of the problem.     

平流层飞艇总体多目标优化设计与决策

将多目标优化与多属性决策相结合应用于平流层飞艇总体多目标优化中。建立平流层飞艇多目标优化模型,实现优化模型参数化建模,采用多目标进化算法NSGA－Ⅱ得到Pareto最优解集,构成多属性决策矩阵,采用模糊熵权TOPSIS（ M－TOPSIS）法对Pareto非劣解进行排序,获得最佳设计方案。最终结果验证了NSGA－Ⅱ平流层飞艇多目标优化中的有效性。     

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。     

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。     

Research of low boom and low drag supersonic aircraft design

Sonic boom reduction will be an issue of utmost importance in future supersonic transport, due to strong regulations on acoustic nuisance. The paper describes a new multi-objective optimization method for supersonic aircraft design. The method is developed by coupling Seebass–George–Darden(SGD) inverse design method and multi-objective genetic algorithm.Based on the method, different codes are developed. Using a computational architecture, a conceptual supersonic aircraft design environment(CSADE) is constructed. The architecture of CSADE includes inner optimization level and out optimization level. The low boom configuration is generated in inner optimization level by matching the target equivalent area distribution and actual equivalent area distribution. And low boom/low drag configuration is generated in outer optimization level by using NSGA-II multi-objective genetic algorithm to optimize the control parameters of SGD method and aircraft shape. Two objective functions, low sonic boom and low wave drag, are considered in CSADE. Physically reasonable Pareto solutions are obtained from the present optimization. Some supersonic aircraft configurations are selected from Pareto front and the optimization results indicate that the swept forward wing configuration has benefits in both sonic boom reduction and wave drag reduction. The results are validated by using computational fluid dynamics(CFD) analysis.     

亚声速无人机S弯进气道的多点多目标优化设计

为提高亚声速无隔道式S弯进气道的整体气动性能,本文以提高总压恢复系数和降低畸变指数为设计目标,结合高精度数值模拟方法与第二代非劣排序遗传算法（NSGA-II）,开展了无隔道式S弯进气道在马赫数0.25和0.7时的多目标优化设计。整个优化流程基于400个样本,最终得到四幅有效Pareto前沿图。从总压畸变Pareto前沿图中选取出优化算例并与原始进气道进行对比,结果表明：优化后的进气道中心线斜率入口段小、出口段大,而横截面面积分布的曲线斜率恰好相反;优化后的进气道低压区缩小、流动分离得到有效的控制;虽然总压恢复系数提高有限,但是总压畸变得到大幅降低,在马赫数为0.25和0.7时,分别降低15.86%和23.61%。优化后的进气道在马赫数0.25~0.7范围内的整体性能得到有效改善。本文把优化设计方法进一步推广应用于3个马赫数下的多点多目标优化设计,并得到了三维Pareto前沿图。     

非线性硬涂层整体叶盘振动参数的多目标优化设计

为了优化应变依赖性硬涂层对整体叶盘的阻尼减振,对具有应变依赖性特征的硬涂层整体叶盘(非线性涂层整体叶盘)的涂层参数进行多目标优化设计.利用基于复合Mindlin板理论的能量有限元法和基于Newton-Raphson法的迭代计算技术分析了非线性涂层整体叶盘的振动特性;利用NSGA-Ⅲ算法求解了非线性涂层整体叶盘的涂层参数...     

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。