气动设计问题中确定性优化与稳健优化的对比研究

通过对优化问题的表述,说明传统确定性优化与稳健优化的区别。稳健优化需进行不确定性分析,同时追求系统的性能优化、性能偏差最小化、设计可行性稳健化。然后分别探讨了气动设计中确定性优化和稳健优化模型的建立及求解策略。根据不确定性分析方法的特点,选择基于代理模型的不确定性气动遗传优化分析方法。通过具体翼型优化实例讨论了稳健性优化与确定性优化的不同,并将结果进行对比,得出一定的结论。     

高速自然层流翼型高效气动稳健优化设计方法

先进高速高升力自然层流(NLF)翼型的设计已经成为提高新一代高空长航时(HALE)无人机(UAV)性能的重要手段。然而这类翼型表面极易出现分离泡和激波等，尤其对于马赫数、飞行攻角等状态波动气动特性非常敏感，这导致传统的层流翼型设计方法设计的外形在面向工程应用中出现稳健性差，难以被工程使用。气动稳健设计(RADO)方法虽然是一种有希望的解决途径，但它遭遇了巨大计算花费的难题。为了解决这些问题，通过对影响气动稳健优化设计效率的关键技术进行研究，发展了基于自适应前向-后向选择(AFBS)的稀疏多项式混沌重构方法，极大改善了不确定分析(UQ)和稳健优化效率。同时，也发展了考虑多参数不确定的高效气动稳健优化设计方法，有效解决了传统翼型设计方法难以满足高速高升力自然层流翼型设计要求兼顾高升力设计、自然层流设计以及超临界设计的难题。最后使用发展的方法成功设计了一类具有典型特点的跨空域稳健自然层流翼型。结果表明设计的翼型相对于经典的全球鹰无人机翼型气动性能全面提升，同时低阻范围更大，气动性能更加稳健，从而验证了稳健优化方法的有效性和相对于确定性设计的优势。     

基于响应面的翼型稳健设计研究

翼型的稳健设计就是要考虑环境中不确定因素的影响,提高翼型的性能,同时保证翼型性能对环境因素的变化不敏感的设计方法。本文应用响应面模型,通过减小翼型在不确定因素变化范围内阻力系数的均值和方差,构建了一个有效的翼型稳健设计的方法。应用本文的方法,选择马赫数作为不确定因素,假设马赫数在0.7~0.8间均匀分布,在满足升力约束条件下最小化阻力系数,结果证明本文的方法进行翼型的稳健设计是可行,高效的。     

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。     

基于响应面法的低速翼型气动优化设计

响应面方法相较于其它直接优化方法有其高效、实用的优势,此前的研究更多地将响应面方法用于超音速和跨音速翼型的减阻优化设计中。本文将此方法应用于低速翼型优化设计中,进行了基于RANS(Reynolds-Aver-aged Navier-Stokes)方程和自由转捩预测耦合求解的低速翼型气动优化设计。通过计算附面层方程得到附面层参数并用en方法计算转捩位置,并考虑了T-S波和层流分离造成的转捩。RANS方程计算中,使用了转捩过渡区模型,以保证附面层外边界压力分布的精度。RANS方程和转捩预测迭代进行至转捩位置收敛。在响应面模型计算中,使用不含二阶交叉项的二阶多项式模型,减少了构造模型所需的计算量;合理的选择设计空间保证了构造的响应面模型具有较高的精度。使用三个设计点的多目标优化设计,保证了设计的合理性。通过对NACA64(1)-112翼型优化计算结果表明,本文的方法可以有效地进行低速翼型的气动优化,各设计点上转捩位置也得到了改善,有较好的工程实用前景。     

基于Navier-Stokes方程跨声速翼型和机翼气动优化设计

将响应面方法引入到气动优化设计上来,进行了基于N-S方程跨声速翼型、机翼气动优化设计。通过去掉完全二阶多项式响应面模型中的二阶交叉项,大大减少了构造高维响应面模型所需要的计算量。合理地选择优化设计空间,保证了构造的响应面模型具有较高精度。跨声速翼型、机翼减阻优化算例结果表明该方法能有效地适用于气动优化设计问题,设计质量高,方法实用可靠,有较高的工程应用前景。     

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.     

飞翼布局低速反弯翼型稳健优化设计

以动压、雷诺数的变化和外形的制作误差与变形作为低速反弯翼型飞翼布局小型无人机设计中的不确定性因素,以降低翼型气动特性对这些不确定因素的敏感性为目标进行稳健设计.在稳健模型的计算中,为了最化外形误差,采用改进的PARSEC方法进行翼型的参数化,为了节省计算资源和时间,采用神经网络响应面代替N-S方程求解,为了使不确定性因...     

基于Kriging模型的翼型气动性能优化设计

将基于Kriging模型的近似技术引入气动优化设计。通过计算两个测试函数的全局极值以及翼型几何形状的重构,比较了基于Kriging模型的优化方法与传统的梯度类优化方法、标准遗传算法的特点。结果表明基于近似模型的优化方法不仅全局性良好,而且有效节约了计算资源。用此方法进行了翼型的气动优化设计,目标函数为来流马赫数为0.7、攻角为3°时升阻比最大。设计结果表明,与参考翼型相比,优化翼型升阻比提高了81%,而翼型截面积减少不到1%,优化效果非常明显。     

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。     

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.     

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.     

一种实用的运输类飞机机翼/发动机短舱一体化优化设计方法

发展了一套基于遗传算法优化/Navier-Stokes方程分析的运输类飞机机翼/发动机短舱一体化设计方法,提出了一系列保证该方法工程实用性的解决方案,其中包括设计变量模块化、局部优化全机分析、超临界压力分布约束条件等。通过采用适当的计算网格、并行算法及数值方法,使得基于遗传算法优化/Navier-Stakes方程分析设计方法的运算时间在工程上能够接受。运用该设计方法对下单翼运输类飞机机翼/发动机短舱一体化设计开展了单点优化和两点优化,结合二者结果对比验证了该方法的有效性和工程实用性。单点优化得到的机翼压力分布呈现无激波特点,阻力系数随马赫数变化比较剧烈;两点优化得到的机翼压力分布为弱激波形态,阻力随马赫数变化比较缓和,所设计的机翼具有更好的鲁棒性和工程实用性。     

多变量气动设计问题分层协同优化

 通过验证实例分析,气动设计中精细化优化模型对设计结果收敛精度的提高有很大帮助,但同时也带来优化算法搜索困难的问题,并且由于不同类型设计变量之间的相互耦合干扰使优化难以收敛到全局最优解。于是提出基于响应均值灵敏度的概念对大规模的设计变量进行重要性分组的策略,依据设计变量分组情况应用系统分解思想对多变量设计问题进行分层协同优化来降低系统的复杂度,这既保证了精细化设计的要求,又缓解了优化算法对大规模问题搜索困难的问题。与传统气动优化方法相比,基于系统分解的分层协同优化算例有较大寻优效率和性能提升,证明了该方法的可行性。     

Robust design and analysis of a conformal expansion nozzle with inverse-design idea

This paper examines robust optimization design and analysis of a conformal expansion nozzle of flying wing Unmanned Aerial Vehicle(UAV) with the inverse-design idea.In view of flow features and stealth constraints, the inverse-design idea is described and the uncertainty-based robust design model is presented.A robust design system employs this model to combine deterministic optimization and robust optimization and is applied into design of a conformal expansion nozzle.The results indicate that design optimization can conform to the anticipation of the inversedesign idea and significantly improve the aerodynamic performance that meet the requirement of 6σ.The present method is a feasible nozzle design strategy that integrates robust optimization and inverse-design.     

基于响应面法的可靠性稳健设计优化

针对极限状态函数和结构性能函数为隐式的结构可靠性稳健设计优化问题,将结构性能稳健性、可靠性灵敏度稳健性与6σ稳健设计思想相结合,建立了一种基于响应面法的可靠性稳健设计优化模型并给出了具体算法.采用多项式拟合结构性能函数和极限状态函数,推导了基于响应面函数的1阶可靠度指标以及性能函数均值和均方差的计算方程;将结构可靠度作为基本约束条件,采用序列二次规划法得到稳健设计优化结果.运用该方法对某涡轮叶片型线进行设计优化,经过优化后,静、动叶的动能效率均值分别提高1.5%和6.4%,动叶片最大应力均值下降7.9%,动叶叶身最大变形均值下降5.6%,动叶片结构强度可靠度由初始的91.3%提高到了99.9%.      

A gradient-based method assisted by surrogate model for robust optimization of turbomachinery blades

The design optimization taking into account the impact of uncertainties favors improving the robustness of the design. A Surrogate-Assisted Gradient-Based(SAGB) method for the robust aerodynamic design optimization of turbomachinery blades considering large-scale uncertainty is introduced, verified and validated in the study. The gradient-based method is employed due to its high optimization efficiency and any one surrogate model with sufficient response accuracy can be employed to quantify the ...     

基于CG法及Taguchi理论的气动力鲁棒性优化方法

针对传统的基于固定设计点气动力优化设计方法中存在的非设计点性能较差的问题,利用Taguchi鲁棒性设计理论和共轭梯度(Conjugate Gradient,CG)法,在斯坦福大学的开源CFD软件平台SU2的基础上,提出了一种高鲁棒性气动力优化设计方法。以NACA0012翼型为算例,以降低波阻为目标,对翼型的气动外形进行了鲁棒性优化设计,并与单点设计结果进行了对比。研究结果表明,采用提出的高鲁棒性气动力优化设计方法,在一定的亚声速范围内可以有效降低翼型波阻,实现翼型在波动飞行环境下的高鲁棒性气动力设计。研究结果对高鲁棒性气动力优化设计具有一定的工程指导价值。     

基于梯度增强型Kriging模型的气动反设计方法

基于Kriging模型的代理优化算法目前在气动优化设计中得到了广泛应用。但在高维(设计变量大于30个)气动优化中,计算量过大的问题对其进一步发展产生了严重制约。将翼型和机翼气动反设计问题转化为优化问题,采用Adjoint方法进行快速梯度求解,利用基于梯度增强型Kriging(GEK)模型的代理优化算法分别开展了18、36和108个设计变量的气动反设计。首先,通过采用在设计空间局部建立GEK模型的方法成功地将基于代理优化算法的气动反设计问题的维度拓展到了100维以上。其次,研究了梯度计算精度对基于GEK模型的反设计的影响,发现梯度精度越高,反设计的最终效果越好,同时效率相当。最后,通过不同维度的气动反设计算例,比较了改进拟牛顿法(BFGS)、基于GEK模型和Kriging模型的代理气动反设计方法,结果表明基于GEK模型的代理优化算法的效率大幅度高于基于Kriging模型的代理优化算法,并且维度越高,效率优势越明显;同时,基于GEK模型的代理优化算法在优化效果及分析程序调用次数上相比于BFGS方法也略有优势。