遗传算法在气动布局优化中的应用研究

摘要

飞行器气动布局优化是一类非常重要的多参数非线性优化系统,遗传算法在处理这种多参数问题时往往面临着收敛效率低、计算量大的问题,从而影响了其在气动布局优化中的应用.本文对标准遗传算法做了一些改进,设计了一种交叉算子和变异算子,测试结果表明改进的遗传算法的收敛效率有了大幅提高,并应用在气动布局优化设计之中.为检验改进的遗传算法处理多参数的能力,分别以Rae2822翼型和ONERA M6机翼的减阻优化为例,其中翼型使用了16个设计变量,机翼使用了64个设计变量.在优化过程中,参数化方式为Bezier-Bernstein函数,采用“弹簧法”以实现网格的自动更新,目标函数由N-S方程的流场解提供,整个计算是在linux机群下并行运算以减少流场解算器的耗时.优化结果表明,在满足约束的前提下,Rae2822翼型和ONERA M6机翼的阻力均有了较大的下降,表明改进的遗传算法初步具有了处理多参数的能力.