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.     

Kriging模型在翼型反设计中的应用研究

目前,基于Kriging代理模型的优化方法在气动优化设计中得到了广泛的应用,然而却并未能应用于气动反设计中。本文将翼型气动反设计问题转化为优化问题,利用基于Kriging模型的优化方法进行了翼型的单目标、多目标反设计,验证了Kriging模型在翼型单目标、多目标反设计中的适应性,并研究了模型加点准则对设计结果的影响;此外,将本文方法与多项式响应面模型优化方法、基于Adjoint的优化方法进行了比较,结果表明,该方法明显优于基于多项式响应面的优化方法,且与Adjoint方法相比,设计效率相当且具有更好的通用性。最后将本文方法应用于接近工程实际的在已有翼型基础上修改压力分布进行反设计,验证了本文方法的可行性。     

基于CST参数化方法的翼型快速设计

为弥补传统飞机翼型设计周期长、代价高的缺点,将CST翼型参数化方法,与机器学习中的高斯过程回归方法相结合,通过对已有的翼型数据的学习,实现对未知翼型气动性能或者外形数据的快速准确预测。选取一组NACA四位族翼型,获得其CST参数描述数据,并分别计算其在一定条件下的升力系数、阻力系数和压力分布数据。利用这些数据对高斯过程回归模型进行训练,实现了翼型的快速正设计以及反设计系统。并将实验结果与采用NACA翼型参数表示法得到的预测结果进行了对比。实验结果表明,基于CST参数化方法的翼型快速设计准确度高、速度快,具有很大的应用价值。     

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

基于新型多可信度代理模型的多目标优化方法

相对于常规直升机，基于前行桨叶方案（ABC）速度更高的刚性共轴双旋翼直升机对旋翼翼型的气动性能要求更加苛刻，包括更高马赫数下的低阻和高阻力发散特性，并维持良好的中、低马赫数下的升阻特性以及所有状态下的力矩特性等10余项指标要求，面临高维多目标优化难题。针对该类问题，首先发展了基于核主成分分析（KPCA）的非线性目标降维技术，然后建立了基于新型多可信度多项式混沌-Kriging(AMF-PCK)代理模型的高效多目标稳健优化方法，并提出了变可信度伪期望改进矩阵（VF-PEIM）并行样本填充方法，使多目标优化设计效率和能力显著提高。利用所建立的基于新型多可信度代理模型的多目标优化方法对高速直升机7%厚度旋翼翼型进行了优化设计。设计翼型的气动表现分别与经典的OA407翼型在高、中、低马赫数下进行了全面比较，对比结果验证了提出的新型多目标优化设计方法的有效性，设计翼型高速气动特性得到了显著提升。     

神经网络在高空长航时无人机翼型多点优化中的应用

NSGAII算法在翼型多点设计中有着广泛的应用价值,然而其巨大的计算资源和计算成本限制了它的使用。为了解决这个问题,本文引入具有较强非线性映射能力的神经网络代理模型,采用实验设计结合BP法训练神经网络响应面来代替N-S方程求解翼型的性能。在实验点的数值模拟中,为了进一步节省计算资源,提高计算效率,采用网格的变形代替网格的重新划分,使得计算网格的更新速度提高了约50%。在翼型的参数化过程中,采用改进的PARSEC方法,用较少的参数实现了翼型的精确控制。为了增强神经网络的泛化能力,采用12-7-4-3-1的隐层结构。对NLF1015翼型的多点优化算例表明,此方法不仅显著降低了整个优化过程的计算量,而且对翼型的气动性能预测也具有较高的可信度,在高空长航时无人机的翼型设计中具有一定的潜力。     

基于改进CST参数化方法和转捩模型的翼型优化设计

为提高翼型优化设计效率,增大设计空间,采用B样条基函数替代传统的形状类别函数(CST)方法中的Bezier多项式,增强了对翼型参数化表达的局部控制能力并提高了翼型局部表达精度。为了确保翼型在优化设计过程中的几何光顺特性和代理模型的准确性,采用小波分解技术提出了多分辨率翼型的局部光顺方法。采用基于本征正交分解(POD)的流场数值代理模型,并结合γ-Reθt转捩模型实现了快速准确的气动力与流动转捩预测。采用小波技术光顺的CST翼型参数化建模、POD流场数值计算代理模型以及γ-Reθt转捩模型,结合遗传算法建立了完整的翼型气动优化设计系统。针对低速层流翼型与超临界翼型进行优化设计,优化设计后的翼型升阻比分别提高了47.42%和45.85%,且对改进前后参数化建模方法的优化性能进行了对比,结果表明本文构建的翼型气动优化设计系统具备很高的优化效率。     

大型民机翼型变弯度气动特性分析与优化设计

为了提高飞机巡航过程中升力系数、马赫数变化后的气动效率,大型民用运输机开始采用机翼变弯度技术。以典型远程宽体客机翼型为例,研究了翼型后缘变弯度对气动性能与压力分布的影响。利用代理模型建立了不同巡航设计工况下,翼型后缘弯度与气动性能的关系。以此为基础,提出了基于代理模型的大型民机翼型变弯度设计优化方法。算例研究表明,在给定巡航升力系数与马赫数下,该方法可以预测出翼型的最佳弯度,从而改善非设计点气动性能。该方法对大型民机机翼变弯度构型设计工作有一定的工程意义。     

小型无人机翼型优化设计

采用类别形状函数变换（CST）方法对翼型参数化描述;利用Fluent软件,进行翼型升力系数和阻力系数的气动计算;以升阻比最大为优化目标,通过拉丁超立方设计生成样本点,建立了径向基神经网络（RBF）代理模型;使用粒子群优化算法（PSO）,在Isight平台上,实现对Clark Y翼型优化的整个过程。优化翼型升阻比比原始翼型提高了约10%,表明此种方法是可行的,可用于小型无人机设计的工程中。     

旋翼翼型多目标多约束气动优化设计

为了克服传统旋翼翼型优化设计方法的不足,发展了一种基于Kriging模型与遗传算法的旋翼翼型多目标多约束气动优化设计方法。采用基于雷诺平均Navier-Stokes方程的数值模拟获得样本翼型气动性能,并建立目标函数和状态函数的Kriging模型,采用遗传算法搜索Kriging模型最小值和相应的EI(Expected Improvement)函数最大值,更新Kriging 模型直至找到满足约束的最优翼型。运用加权目标函数法进行了旋翼翼型的多设计点优化设计。优化结果表明,优化后旋翼翼型在满足约束的同时,与基准旋翼翼型OA209相比:在悬停状态下,阻力系数下降了2.1%;在机动状态下,最大升力系数提高了4.2%;在前飞状态下,阻力系数在不同马赫数下均有所减小。     

后缘连续变弯度对跨声速翼型气动特性的影响

针对后缘连续变弯度对跨声速翼型气动特性的影响进行了研究。首先不考虑翼型后缘连续变弯度,基于搭建的优化设计系统对跨声速翼型进行气动减阻优化设计,通过添加不同的约束优化得到两种跨声速翼型:无激波翼型和超临界翼型。然后在这两种翼型的基础上,以后缘偏转角度为设计变量、以阻力系数最小为目标,针对不同的升力系数分别进行优化设计,并根据优化结果深入分析后缘连续变弯度对这两种翼型极曲线特性的影响机理。优化结果表明:无激波翼型与超临界翼型相比,其设计点处的气动特性较好,但鲁棒性较差;升力系数小于设计升力系数时,应用后缘连续变弯度后,无激波翼型的极曲线特性明显提高,减阻最高达到3.9%,而超临界翼型的极曲线特性提高不明显;升力系数大于设计升力系数时,应用后缘连续变弯度后,无激波翼型和超临界翼型的极曲线特性都明显提高,减阻分别达到2.4%~18.1%和1.7%~13.2%。     

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。     

考虑工程约束的高可信度气动外形优化设计

实际气动设计中遇到的工程问题较为复杂,然而能够用于实际工程设计的高可信度气动外形优化设计工具较少.基于飞行器设计工程实际中的各种复杂气动约束和几何约束要求,集成高可信度非结构网格RANS方程求解器、弹簧比拟网格变形技术、FFD外形参数化、RBF代理模型、粒子群优化器,构建多设计点气动外形优化设计工具,并应用于先进低速层流翼型和高亚声速超临界机翼的气动外形优化设计中(包括单设计点和多设计点),进行考虑/不考虑气动约束和几何约束的气动外形优化设计分析.结果表明:多设计点气动外形优化设计工具有效,约束条件和智能优化器自动有效地引导了层流翼型和亚声速机翼外形的有利改变.     

跨声速层流翼型的混合反设计/优化设计方法

跨声速层流翼型设计须兼顾优良的超临界特性和自然层流特性,因而对设计方法提出了更高的要求。针对现有反设计方法和直接优化设计方法的不足,发展了一种适用于跨声速层流翼型的混合反设计/优化设计方法。该方法引入了基于经验的局部流场特征作为反设计目标,翼型性能指标作为直接优化设计目标,然后加权形成了混合反设计/优化设计总目标,并同时考虑了气动和几何约束。优化算法采用基于自适应并行加点技术的代理优化,流动数值模拟采用耦合基于线性稳定性理论的e^N转捩自动判定的雷诺平均Navier-Stokes（RANS）方程求解器。针对现代中短程民用客机需求,以NPU-LSC-72613翼型为基准,开展了层流翼型减阻的混合反设计/优化设计。分别将局部目标压力分布、总阻力作为反设计和直接优化设计目标,得到了较好的优化结果,验证了方法的有效性。经过2轮优化结果显示混合反设计/优化设计总目标显著下降。所设计翼型吸力面局部压力分布与目标压力分布基本一致,总阻力下降15.5%;吸力面和压力面层流范围均大于55%倍弦长,激波强度显著减弱,说明所设计翼型同时具有优良的超临界和层流特性。将所设计翼型配置到机翼上,通过三维数值模拟进行校验,结果显示所设计跨声速层流机翼升阻比提高了6.64%,在一定升力系数范围内,气动性能均有显著提高,验证了所设计跨声速层流翼型在机翼设计中的适用性。     

二维气动问题中Kriging代理模型精度影响因素

以二维跨声速临界翼型的阻力特性为对象,探讨样本点数目、Kriging代理模型参数及其类型等对模型精度的影响.阻力系数采用计算流体力学（CFD）方法得到.模型精度的验证采用交叉验证方法,采用平均误差、最大误差和标准交叉验证残差来衡量Kriging代理模型的精度.研究结果表明:①Kriging代理模型预测气动阻力效果较好.②模型精度随样本点的增多而提高,剔除与样本点响应趋势不相符的“奇异点”后,模型精度显著提高,平均误差减小5%~38%,最大误差减小13%~77%.③核函数类型对模型精度的影响最大,相关参数次之,回归模型的影响最小.采用高斯相关函数、2阶多项式回归模型,以及合适的相关参数值时,Kriging代理模型的精度最高.      

基于Kriging模型的翼型多目标气动优化设计研究

在翼型气动优化设计中引入Kriging代理模型,发展了一套高效、稳定的气动优化设计程序。采用拉丁超立方试验设计方法在设计空间内构造一系列样本点,通过求解二维可压缩的雷诺平均NS方程（RANS）得到其响应值来建立初始Kriging模型。优化设计采用Hicks-henne函数对翼型几何外形进行参数化表示,以阻力极小化为设计目标,考虑面积、升力、力矩等约束条件,通过算例证明,发展的优化设计方法不仅可行,而且具有高效稳定的特性。与传统的优化设计方法比较,大大减少了设计时间。     

跨声速翼型设计

以给定的压力分布或速度分布作为目标，引入目标压力分布与保角变换模Ｈ的关系，给出求解流场和变换模Ｈ的反复迭代，逐步收敛到目标压力分布。通过积分变换模Ｈ就可以得到物理平面上翼型外形（ｘ，ｙ）的坐标，达到设计翼型的目的。以ＧＫ７２－０５－１２和Ｎｏ．７５目标压力分布为例设计出的翼型与相应翼型几何外形相当一致。