临近空间固体动力飞行器发动机与轨迹一体化设计优化

针对临近空间多级固体动力飞行器发动机与轨迹一体化设计优化问题,提出一种基于序列代理优化的高效设计方法。为了准确计算发动机的性能特性,对发动机进行了几何参数化建模,并针对复杂装药的燃面计算,提出了基于移动四面体的燃面计算算法。为了准确评估飞行器的最大航程能力,采用自适应Legendre-Gauss-Radau伪谱法获得给定发动机设计方案下的最大航程。为了提高发动机与轨迹一体化设计优化效率,提出了基于Kriging代理模型的多采样点高效全局代理优化算法,并进行了数值验证。计算结果表明：该优化方法收敛速度快,相比传统参数优化算法可以显著减少耗时目标函数和约束函数的计算次数,并能够有效地实现临近空间多级固体动力飞行器发动机与轨迹一体化设计优化。     

多学科复杂产品仿真的改进序列Kriging优化方法(英文)

针对计算机仿真优化耗时较多的问题,Kriging模型被广泛用作原模型的近似以减少仿真时间。但是基于Kriging模型的序列优化还是比较耗时的,本文对期望改进法进行扩展并提出了改进的序列Kriging优化方法。本算法通过每次更新模型时同时增加两个以上的样本点将原方法中两次优化问题变为一次优化。在每次重新构建Kriging模型时,本算法均对新采样点进行验证以使得新加入的点既不与以往样本点重合也避免任两个样本点离得太近。本文还提出了双重收敛法则使得最终Kriging模型的均方根差在容许范围之内,保证结果精度。文中的算例表明了改进的序列Kriging优化方法可以准确并且快速地实现全局优化,并且不受初始优化值影响。本方法在汽车主动悬架系统上的应用表明本文提出的改进法是有效的。     

基于样本映射与动态Kriging的飞行器离散连续优化方法

针对复杂飞行器系统离散连续混合优化计算成本高、全局收敛性差等问题,提出了一种基于样本映射与动态Kriging的离散连续优化方法（SMDK-DC）。该方法采用Kriging代理模型代替高耗时仿真模型以降低计算成本,并定制一种基于综合曼哈顿距离准则的样本点映射机制,在连续-离散空间内高效生成满足均布性要求的真实样本点。将期望改善度准则与重点采样空间方法相结合,辨识优质新增样本点,持续动态更新Kriging,引导离散连续优化过程快速收敛。标准数值算例测试结果表明,与SOMI、NOMAD等国际同类方法相比,SMDK-DC方法在全局收敛性与鲁棒性方面具有显著优势。使用该方法求解固体火箭发动机多学科设计优化问题,优化方案在满足燃烧室、内弹道等学科约束条件前提下,使得发动机总冲提升12.92%以上,且优化收益较SOMI方法提高1.71%,从而验证了本文工作的有效性与工程实用性。     

考虑高耗时约束的追峰采样智能探索方法

针对现代飞行器设计等工程优化问题中面临的约束高耗时难题,在标准追峰采样（MPS）方法的基础上,提出了一种基于过滤器的MPS-DCP设计空间智能探索方法（FMPS-DCP）,训练径向基函数网络预示高耗时目标函数与约束条件响应,利用KS方程聚合高耗时约束并根据过滤器思想筛选优质简单样本点,定制了一套新增样本点选择策略引导优化过程快速向全局可行最优解收敛,从而提高了求解高耗时约束优化问题的效率。采用一组标准约束测试算例验证FMPS-DCP方法的性能,并与CiMPS、Extended ConstrLMSRBF、ARSM-ISES和KRG-CDE智能探索方法进行对比。结果表明,FMPS-DCP在优化效率与鲁棒性方面具有显著的性能优势。最后,通过全电推进卫星平台多学科设计优化案例,验证了FMPS-DCP的工程实用性。     

数据驱动的曲面构件形状-拓扑协同优化方法

针对紧凑设计空间下曲面构件极致轻量化需求,提出一种数据驱动的曲面构件形状-拓扑协同优化方法,主要包括离线、在线和更新3个阶段。离线阶段中,首先通过拉丁超立方采样方法在设计空间内采样,并利用网格变形技术进行参数化建模,获得样本点对应的网格模型。然后对上述网格模型分别进行拓扑优化,获得优化后的应变能。基于上述步骤获得的样本数据,训练径向基函数代理模型,其中形状设计变量为输入,拓扑优化获得的应变能为输出。在线阶段中,将基于离线阶段获得的代理模型开展优化设计,采用协方差矩阵自适应进化策略来提高优化效率。更新阶段中,计算代理模型优化结果的真实响应,并将其加入样本数据集进行代理模型更新。最后,通过简支梁和航天器舱门算例开展算法验证。结果表明相比针对固定形状获得的拓扑优化结果,提出方法优化获得的应变能结果分别降低了20.08%和37.93%,表明提出方法具有更优的设计能力。     

基于神经网络-遗传算法的液力透平叶片型线优化

提出了一种叶片型线的多工况优化设计方法,该方法包括叶片型线参数化、优化的拉丁超立方试验设计、CFD技术、GA-BP(genetic algorithm-back propagation)神经网络与遗传算法.具体采用三次非均匀B样条曲线参数化叶片型线,优化的拉丁超立方试验设计方法在设计空间内获取训练GA-BP神经网络的样本点,各个样本点性能分析由CFD技术完成,随后开展GA-BP神经网络的学习训练,最后采用GA-BP神经网络和遗传算法相结合的优化技术求解液力透平叶片型线的多工况优化问题.基于上述优化方法对一液力透平进行了叶片型线的优化改进,结果表明,在保证扬程不小于相应初始扬程的约束条件下,优化后的液力透平效率在3个指定工况下分别提高了3.91%,3.59%和3.09%, 证明采用此方法优化叶片型线具有一定的可行性.      

直升机机身气动外形的低阻优化设计

直升机机身阻力是飞行阻力的主要来源之一,通过对机身外形的优化设计,能够实现直升机的高效低阻飞行.首先,把机身划分为头部、中段和尾梁三段,对其外形轮廓线进行CST参数化表示;其次,采用拉丁超立方法选取试验设计样本点,计算各样本点的阻力系数,构造Kriging代理模型,估计模型预测的精度;最后,选用序列二次规划算法对其进行优化,并对优化后的机身模型进行了风洞试验.通过计算分析可知:所建立的Kriing代理模型能够精确预测阻力系数值,优化后得到了机身的设计参数;机身阻力系数减小了15.3％,理论值与试验值吻合良好.     

基于混合优化算法的无叶片粒子分离器优化设计

将混合优化算法引入粒子分离器优化设计,减小粒子分离器流动损失并简化结构.利用四次样条曲线参数化描述粒子分离器模型,建立粒子分离器自动化仿真流程.采用优化拉丁方实验设计方法获取样本点并建立椭球径向基函数神经网络代理模型,基于该模型使用非支配排序遗传算法进行全局多目标优化,最后采用序列二次规划算法进行局部优化,得到了粗砂分离效率达到100%、细砂分离效率达到86.7%,总压损失小于0.6%、出口总压畸变较小的设计方案.      

基于响应面法的并行子空间优化算法改进研究

为了更好地解决飞行器多学科设计优化问题,对传统基于响应面的并行子空间优化算法(RS-CSSO)进行改进:改进基于近似模型,在具有同等计算精度的情况下减少学科分析的次数,采用均匀试验设计代替学科级优化来直接获得性能优良的初始设计样本点;在系统级优化过程中引入自适应近似模型算法,在迭代过程中对两种近似模型的精度进行对比,以相对误差的均值和标准差作为判据,选用精度更高的近似模型来提高系统级优化效率。采用改进的RS-CSSO算法对飞翼布局无人机进行了设计优化,并与传统RS-CSSO算法进行了对比。结果表明,改进的RS-CSSO不但有着更小的计算量,而且得到了更优的结果,可以应用于飞行器设计多学科优化。     

基于 Kriging与多点取样算法的压气机特性建模

针对航空燃气轮机流量系数插值建模过程中,获取样本数据时的实验成本较高以及插值模型精度偏低这 2个问题,根据样本点在设计空间中的分布与模型精度的关系,在 Kriging插值模型的基础上,采用把垂距作为设计变量取值标准的取样算法。首先,将样本点与相邻 2点之间连线的垂距与垂距阈值进行比较,筛选出符合条件的数据点,形成候选点集;其次,选用高斯函数判定基础点集和候选点集的相关性;最后,使用该算法筛选后的样本点构建 Kriging插值模型。实验结果表明,该方法使用的样本点为原来数量的 70%左右,并且预测精度得到了提高,该方法是有效可行的。     

Robust Design of Supercritical Wing Aerodynamic Optimization Considering Fuselage Interfering

Robust optimization approach for aerodynamic design has been developed and applied to supercritical wing aerodynamic design. The aerodynamic robust optimization design system consists of genetic optimization algorithm, improved back propagation (BP) neural network and deformation grid technology. In this article, the BP neural network has been improved in two major aspects to enhance the training speed and precision. Uniformity sampling is adopted to generate samples which will be used to establish surrogate model. The testing results show that the prediction precision of the improved BP neural network is reliable. On the assumption that the law of Mach number obeys normal distribution, supercritical wing configuration considering fuselage interfering of a certain aerobus has been taken as a typical example, and five design sections and twist angles have been optimized. The results show that the optimized wing, which considers robust design, has better aerodynamic characteristics. What's more, the intensity of shock wave has been reduced.     

Pressure distribution feature-oriented sampling for statistical analysis of supercritical airfoil aerodynamics

In the field of supercritical wing design, various principles and rules have been summarized through theoretical and experimental analyses. Compared with black-box relationships between geometry parameters and performances, quantitative physical laws about pressure distributions and performances are clearer and more beneficial to designers. With the advancement of computational fluid dynamics and computational intelligence, discovering new rules through statistical analysis on computers has beco...     

飞机复合材料起落架舱门优化设计

蜂窝夹芯复合材料逐渐取代铝合金成为舱门的首选材料,其刚度设计及结构减重在飞机的结构设计中十分重要。通过参数化建模建立了蜂窝夹芯结构复合材料舱门的有限元模型,并进行起落架舱门的模拟计算。在打开和关闭两种工况下以刚度和强度为约束,优化舱门的几何结构和复合材料参数。建立代理模型后采用多岛遗传算法和序列二次规划相结合进行优化,实现了蜂窝夹芯结构复合材料舱门的优化设计。通过优化设计,所得到的舱门比原铝合金舱门具有更高的强度和刚度。优化后复合材料舱门重量比优化前下降了11.5%,比铝合金舱门减少了39.6%,起落架舱门总重量明显降低。同时,建立代理模型后再优化的方法优化效率高,解决了多优化变量下找不到最优解的问题。     

航空发动机叶片三坐标测量优化采样方法

针对航空发动机叶片三坐标检测测量效率低的问题,提出了一种适用于翼型曲面三坐标测量优化采样算法。基于杠杆平衡系统,对现有采样算法做了统一的数学描述;并通过引入挠率信息,使得曲率-弧长采样算法适用于空间曲线,并在此基础上研究了基于前、后缘线选取叶片被测截面的算法;研究了弧长分量与曲率分量的比例系数的优化方法。最后,对多个叶片模型进行采样实验,计算重构误差并与等参数采样、等弧长采样、曲率采样、等弦公差采样、加权曲率采样算法对比,结果表明优化采样算法精度提高11.2%以上,与等步长采样方法对比,测点数减少92.3%。      

填充函数法在发动机加力最小油耗模式控制中的应用

主要研究了航空发动机性能寻优控制(PSC)算法问题。提出一种用于解决非线性约束优化问题的基于填充函数方法(FFM)的实时优化控制策略。通过构造填充函数,该算法可以在优化计算过程中能够不断跳出局部最优点,使得算法本身具备了全局寻优能力。详细介绍了其算法主要内容与实现途径,基于上述的填充函数优化算法,以某型涡扇发动机加力最小油耗优化控制模式为仿真算例,验证了该算法在解决航空发动机性能寻优控制问题时,相比传统的序列线性规划方法在全局寻优方面具有更好的效果。     

考虑飞行条件变化和制造误差的气动优化方法

提出一种渐近全局代理模型方法以提高稳健优化中的代理模型的精度.基本思路是连续成批地在样本空间的全局和局部均加入新样本点,不断提高代理模型的全局拟合精度.将基于渐近全局代理模型稳健优化方法应用于高亚声速翼型设计,结果表明不仅目标值阻力系数具有稳健性,对飞行条件的小幅度变化和制造误差不敏感,而且力矩系数的约束也具有稳健性.     

基于核主成分分析的涡轮盘结构设计优化

为解决轮盘形状优化过程中变量多且高度非线性的问题,建立了基于核主成分分析(Ker?nelized Principal Component Analysis,KPCA)技术的航空发动机轮盘优化方法.利用控制点形式的非均匀有理B样条(NURBS)曲线构造涡轮盘截面形状,以控制点的坐标作为设计变量;利用实验设计(DOE)进行...     

Research on multi-fidelity aerodynamic optimization methods

 Constructing high approximation accuracy surrogate model with lower computational cost has great engineering significance. In this paper, using co-Kriging method, an efficient multifidelity surrogate model is constructed based on two independent high and low fidelity samples. Co-Kriging method can use a greater quantity of low-fidelity information to enhance the accuracy of a surrogate of the high-fidelity model by modeling the correlation between high and low fidelity model, thus computational cost of building surrogate model can be greatly reduced. A wing-body problem is taken as an example to compare characteristics of co-Kriging multi-fidelity (CKMF) model with traditional Kriging based multi-fidelity (KMF) model. A sampling convergence of the CKMF model and the KMF model is conducted, and an appropriate sampling design is selected through the sampling convergence analysis. The results indicate that CKMF model has higher approximation accuracy with the same high-fidelity samples, and converges at less high-fidelity samples. A wing-body drag reduction optimization design using genetic algorithm is implemented. Satisfying design results are obtained, which validate the feasibility of CKMF model in engineering design.     

基于变导叶调节的涡扇发动机加速过程优化控制

提出了一种利用变导叶调节,基于可行序列二次规划算法的涡扇发动机加速过程优化控制方法,研究发现,通过在发动机加速过程中对压缩部件导叶角度的适应性调节,可以优化压气机和风扇在过渡态的空气流量,使得燃油在满足各方面约束条件下以最大可能的速度增加,从而提升了发动机加速性能.最后,与常规两变量加速过程优化方法进行了对比研究:在相同目标函数和约束条件下,分别进行了两控制量(主燃油和尾喷管喉道面积)、增加风扇导叶调节或压气机变导叶的三控制量的加速优化控制仿真,结果表明,所提出的方法在优化过程中可以使得燃油最大可能速率高于常规方法,且发现压气机导叶角在优化过程的作用优于风扇导叶角,优化后的工作点加速路径紧贴喘振裕度限制边界,且各个约束严格在可行域范围内,3种方案的加速时间分别为5.5,4.9s和4.5s.     

Multidisciplinary Design and Optimization of Multistage Ground-launched Boost Phase Interceptor Using Hybrid Search Algorithm

This article proposes a multidisciplinary design and optimization (MDO) strategy for the conceptual design of a multistage ground-based interceptor (GBI) using hybrid optimization algorithm, which associates genetic algorithm (GA) as a global optimizer with sequential quadratic programming (SQP) as a local optimizer. The interceptor is comprised of a three-stage solid propulsion system for an exoatmospheric boost phase intercept (BPI). The interceptor's duty is to deliver a kinetic kill vehicle (KKV) to the optimal position in space to accomplish the mission of intercept. The modules for propulsion, aerodynamics, mass properties and flight dynamics are integrated to produce a high fidelity model of the entire vehicle. The propulsion module comprises of solid rocket motor (SRM) grain design, nozzle geometry design and performance prediction analysis. Internal ballistics and performance prediction parameters are calculated by using lumped parameter method. The design objective is to minimize the gross lift off mass (GLOM) of the interceptor under the mission constraints and performance objectives. The proposed design and optimization methodology provide designers with an efficient and powerful approach in computation during designing interceptor systems.