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。     

叶片通道内涡流发生器变工况适应性

横向二次流是制约叶轮机气动负荷进一步提升的主要因素。在叶片通道内施加涡流发生器有抑制通道横向二次流的潜力,但涡流发生器的最优施加方案很难确定。基于涡流发生器经验统计模型(BAYC模型)和响应面方法建立了一种端壁涡流发生器的高效设计方法。基于这一方法,实施于NACA 65直列叶栅,得到了三种涡流发生器优化方案,并在设计工况下和非设计工况下讨论了涡流发生器对端壁横向二次流的控制机理,发现具有更大的涡流发生器高度和更多的涡流发生器数量的方案在面对大攻角下的强横向二次流情况时能够有更强的余力对横向二次流加以控制,大大扩展了叶栅的攻角适用范围。      

通航飞机高升力层流机翼优化设计

为了扩展机翼优化设计的工程应用范围,在传统气动优化约束的基础上,考虑结构布置的几何约束,对通用飞机层流机翼进行了设计。首先,采用自由变形(FFD)技术作外形参数化处理;然后,采用NSGA-Ⅱ多目标优化算法,基于Kriging代理模型对某型通用飞机机翼进行了优化设计。设计过程考虑自然转捩工况,采用Menter k-ωSST两方程湍流模型和γ-Re_(θt)转捩模型对设计进行评估。计算结果表明,优化后机翼的巡航和爬升升阻比均有所提高、层流区延长、低头力矩变小,但最大升力系数减小了0.141,失速特性略有变差。     

涡轮转子径向变形多目标协同稳健性优化

考虑到涡轮转子径向变形对涡轮叶尖径向间隙以及篦齿径向封严间隙的影响,提出涡轮转子径向变形多目标协同稳健性优化方法。利用基于Kriging模型的分布式协同响应面法(DCRSM)分别建立涡轮转子和涡轮篦齿的参数与径向变形间的响应面模型,并求解单目标下的稳健最优解。采用理想点法建立涡轮转子和篦齿径向变形多目标协同稳健性优化模型,并进行多目标协同稳健性优化求解。优化结果显示:提出的多目标协同稳健性优化方法与单目标稳健性优化方法相比涡轮转子和篦齿径向变形量的标准差分别降低了2.6%和4.9%。提出的方法为涡轮转子参数设定提供一定的参考。      

基于子元模型的全局优化与设计空间知识挖掘方法

为有效求解大资源黑盒子问题如叶轮机械设计优化等,提出了基于子元模型的全局优化与设计空间知识挖掘方法MBOE。该方法包括全局优化算法MBGO与数据挖掘两部分,其中MBGO算法需要极少的函数估值即可获得全局最优解;数据挖掘技术能有效分析变量间的相关关系,揭示最优设计性能提高的本质原因。利用MBOE,完成NASA Rotor37转子叶栅三维气动设计优化与知识挖掘,最优设计等熵效率相对参考设计提高1.74%。同时,利用MBGO算法所需要的计算量仅为进化算法的1/5。数据挖掘结果表明叶栅前缘及三维积叠参数对叶栅气动性能影响较大,最优设计由于上述叶型参数的改善有效减弱了叶栅进口激波损失,使得最优设计气动性能明显提高。由此,MBOE方法的正确性和有效性得到了验证。     

考虑螺旋桨滑流影响的机翼气动优化设计

涡桨飞机的机翼、短舱等部件在滑流作用下周围的流场特性与无滑流状态下截然不同。所以,应该在涡桨飞机的机翼气动设计过程中考虑螺旋桨滑流的影响,从而使得机翼在真实飞行时滑流作用下表现出更好的气动特性。采用基于雷诺平均Navier-Stokes方程的多重参考坐标系(MRF)方法对螺旋桨滑流进行高精度准定常数值模拟,通过自由变形(FFD)技术实现螺旋桨飞机机翼的参数化构建,应用径向基函数(RBF)插值的动网格技术进行网格自动生成,获得样本机翼在滑流影响下的气动数据后,建立目标函数和状态函数的Kriging代理模型,结合随机权重粒子群优化(PSO)算法、Kriging代理模型和对应的EI(Expected Improvement)函数加点准则进行加样本点以及代理模型重建,从而建立滑流影响下机翼气动优化设计系统。使用该系统对某型螺旋桨飞机进行了滑流影响下的优化设计,结果表明,优化后的构型机翼和短舱在巡航状态下减阻达3.98counts,升阻比提高了3.325%。因此,建立的考虑滑流影响下的机翼优化设计方法是可行的。     

基于Kriging算法的手术导航三维形变技术

针对计算机辅助手术三维导航技术中无法利用术前CT重建模型进行病人个体化手术的问题,提出一种基于克里金(Kriging)算法的三维骨骼形变(bone morphing)技术.利用术中采集和医学图像模型的两片点云进行配准,在CT重建模型上选取4个合适的控制点,通过求解Kriging算法建立的方程组,获得CT重建模型上所有点相对于实际病例变形后的位置,实现医学图像模型向个体化的变形.最后,以人体股骨CT模型和塑料模型为对象进行了形变的精度分析和关节手术导航评估实验.结果表明:这种形变方法简单可靠,可以用于前交叉韧带(ACL,Anterior Cruciate Ligament)重建手术的导航评估.     

基于Kriging近似函数的变复杂度近似模型

为解决飞行器多学科不确定性设计与优化过程中多次调用计算复杂的高精度学科分析模型带来的计算复杂性问题，结合变复杂度建模思想和Kriging近似函数，建立了基于Kriging近似函数的变复杂度近似模型。该近似模型的构造基于较少的高精度模型取样点和较多的低精度模型取样点，在满足近似精度的要求下可大大减小高精度模型近似模型构造的计算成本。数学算例和某飞行器气动力变复杂度近似模型算例证明了该方法的有效性。     

翼型气动性能鲁棒性优化设计

讨论了一种在来流速度不确定的情况下对翼型进行鲁棒性设计的方法.介绍了单点及多点设计方法后,阐述了鲁棒性设计方法在翼型气动性能优化中的应用,并对三者进行了比较.引入了代理模型以减少计算量, 并通过遗传算法对翼型进行鲁棒性设计.借助区间分析方法讨论了翼型设计变量的扰动对气动特性上下界值的影响.应用该方法,在提高了翼型的气动性能的同时,降低了该性能对于来流速度的敏感度.      

一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。