气动优化设计

摘要： 粒子群优化(PSO)算法易于实现,对优化问题可以获得质量较高的解,被广泛应用在如气动优化这种非线性高难度问题中,但是面对多峰问题容易陷入局部最优,存在鲁棒性较差的问题,为了提高PSO的鲁棒性,提出了基于并行交换的增强粒子群优化算法(EPSOBPE)。该算法通过布谷鸟搜索算法(CSA)和PSO种群并行进化,分层交换操作和增强学习策略来增强算法寻优能力与鲁棒性。该算法兼具了CSA的全局搜索能力和PSO的局部能力,使得新算法具有极强的鲁棒性。函数测试表明,新算法相较于其他智能优化算法有更强的鲁棒性,对不同问题的适应能力更强。将EPSOBPE算法应用到RAE2822翼型和M6机翼的气动优化设计中,相较于其他算法可以得到更好的效果,从而表明新算法有鲁棒性,同时兼具了更好的寻优能力。

摘要： 针对燃料电池离心空压机工况多变、过高压比导致燃料电池系统寄生功率过大的问题,基于参数化建模、拉丁超立方抽样、径向基函数神经网络和多目标灰狼优化算法,提出了多目标多工况带约束的燃料电池空压机叶轮气动优化设计方法,自主开发数值程序实现了气动优化的完整设计流程.以某两级燃料电池离心空压机叶轮为优化对象,采用拉丁超立方抽样获得叶轮关键设计变量的样本空间,基于自主流场分析程序计算叶轮样本对应的气动性能目标参数,在此基础上运用神经网络程序建立流场分析代理模型,以设计工况效率及非设计工况效率和压比为目标、设计压比为约束,运用多目标灰狼算法程序进行了叶轮气动设计的多工况多目标全局寻优.计算结果表明,拉丁超立方抽样实现了样本点在设计变量空间的均匀分布,运用神经网络建立的代理模型能够准确描述设计变量与性能目标间的映射关系,与流场计算所得性能目标的最大误差均小于1％,寻优计算获得了设计压比约束下的最优效率及相应的叶轮型线,优化后设计和非设计工况点的叶轮流场低速区减小、熵增降低,两级叶轮设计工况点的等熵效率分别提高2.2％ 和2％,非设计工况点的效率分别提高2.9％ 和2.2％.

摘要： 宽速域气动设计是水平起降高超声速飞行器研制的瓶颈问题之一.水平起降高超声速飞行器在飞行过程中需要经历亚、跨、超和高超声速多个速域,而适应不同速域的最佳气动外形相互矛盾,使得实现良好的宽速域气动设计面临极大挑战.首先,针对高超声速飞行器宽速域翼型气动设计问题,发展了基于代理模型的高效全局气动优化设计方法,并设计出一种相对厚度为4％、有一定弯度、下表面具有双"S"形特征的宽速域翼型.将新翼型与常规四边形和双弧形翼型进行了气动特性对比,并进行了流动机理分析,结果表明新翼型的宽速域综合气动特性显著优于常规翼型,从而证明发展兼顾亚、跨、超和高超声速气动性能的宽速域翼型是可行的.其次,开展了宽速域翼型的多目标优化设计,通过分析Pareto解集中翼型的宽速域气动性能随几何外形变化的演化规律,进一步解释了有一定弯度、下表面呈双"S"形的薄翼型能够协调亚、跨、超声速与高超声速气动性能的原理.最后,采用平面外形为梯形的机翼,进行了三维机翼构型下的宽速域翼型多目标优化设计.三维优化设计结果与二维结果具有相似的几何特征和压力分布,说明这种通过下表面双"S"形小弯度薄翼型来兼顾亚、跨、超和高超声速气动性能的宽速域流动机理同样适用于三维情况,也证实了翼型设计对于宽速域高超声速飞行器仍然具有重要意义.

摘要： 为满足我国直升机研发对自主旋翼翼型的迫切需求,开展了旋翼翼型气动优化设计与验证方法研究.发展了旋翼翼型指标分析与给定方法,给出了我国直升机旋翼翼型谱系规划设想,以进化多目标算法为基础结合PCA算法建立了旋翼翼型多点/多目标优化设计方法,突破了旋翼翼型气动特性精准测量风洞试验技术.利用所建立的方法对典型厚度翼型进行了优化设计并开展了风洞试验验证,计算评估与试验验证均表明自主设计翼型综合性能较国外参考翼型有一定提升.在此基础上,进一步构建了旋翼性能理论计算与试验验证综合评估方法,两种方式得到的旋翼主要性能数据偏差小于5％,表明该方法具有较高的可靠性.评估结果显示,基于设计翼型的旋翼模型气动性能较基于参考翼型的旋翼模型提升了3％.

摘要： 针对飞翼布局气动设计中的多目标多约束设计问题,开展了基于伴随方法的气动优化设计研究。构建合理的统一目标函数,并根据伴随方法基本原理推导了相应的伴随方程边界条件及梯度求解方程,采用N-S方程和伴随气动优化设计方法,进行了2种不同展弦比飞翼布局的跨声速减阻优化设计,优化结果表明:在满足气动、几何约束的前提下,飞翼布局跨声速激波阻力被很大程度削弱,证明了所发展的方法在飞翼布局多目标多约束气动设计上具有较高的优化效率和良好的优化效果。

摘要： 高压涡轮负荷水平需持续提升以满足发动机性能要求,但其激波、二次流、间隙泄露流等复杂流态加剧,设计难度增加.本文提出了基于自由曲面变形(FFD)参数化方法和机器学习方法的涡轮气动优化设计策略,通过对FFD参数化、拉丁超立方实验设计、支持向量机模型、遗传算法寻优等系列方法的研究,搭建了自动优化设计流程和平台.以TTM涡轮级为研究对象,选取28个设计变量,生成56个样本,探讨了其对涡轮级气动性能的优化提升能力.结果表明,涡轮级设计点效率可提升1.1％,全工况特性皆有改善.激波结构改进、强度弱化及分离区减弱是其性能提升的主要原因.

摘要： 采用离散型函数参数化和双快照叶片生成叶片快照,并研究Gappy POD填补跨音速叶片出口流动的精确性和可靠性.开展基于梯度方法的准三维叶片叶型气动优化设计,研究比较在设计中通过流场求解增加快照的方法对提高设计精度的影响.最后开展带约束的跨音速转子叶片NASA Rotor 67的叶型气动优化设计.结果表明:增加流场快照数目能够提高优化设计精度,Gappy POD能够用于三维叶片的气动优化设计.

摘要： 大功率汽轮机调节级动叶是典型小展弦比叶片。动叶通道内上下通道涡交汇，流动呈现强烈的三维特性，其设计优化本质上是一个三维优化问题。结合自适应多目标差分进化算法、基于能量法的三维叶片造型方法和RANS方程求解技术，研发了轴流式叶栅三维多目标气动优化设计软件。利用该软件，完成了某典型大功率汽轮机调节级多目标气动优化设计。优化后小展弦比调节级气动性能明显提高，表明该方法具有良好的优化性能和应用前景。

摘要： 本文以某高速离心压气机叶片扩压器为研究对象，采用遗传算法结合人工神经网络技术对其进口段进行气动优化设计，以提升“叶轮+扩压器”在设计工况下的等熵效率。通过优化，叶片扩压器进口的从盘到盖的变安装角设计使其更好的匹配叶轮出口的非均匀流动，在设计点的效率提高了0.69%。优化结果使压气机的性能曲线向小流量偏移，从而使工况点及小流量部分性能得到提升，虽然工况范围略有下降，但使设计工况点远离失速点。

摘要： 遗传算法的缺点在于计算过多的目标函数适应值而增加了优化设计的计算量。为了提高遗传算法的优化效率，本文将遗传算法进行改进并与神经网络算法相结合，建立了基于神经网络和遗传算法的翼型气动优化设计方法。采用三次B样条曲线分别拟合翼型吸、压力面型线，应用均匀设计方法安排神经网络的取样，结合二维翼型流场计算程序生成神经网络所需的训练样本。选取样条曲线控制点权系数作为优化变量，以翼型升阻比和翼型面积变化率为优化目标，对某设计翼型进行优化设计。算例表明：该优化方法稳定，设计质量好，效率比单纯遗传算法有很大提高，在工程中有较大的应用价值。

摘要： 为了减少优化过程中反复生成计算网格的时间,本文基于自由变形技术(FFD)和Delaunay图映射,构建了适用于不同网格类型的网格变形技术,实现了从几何外形参数化到计算网格变形.进一步结合SVR模型和遗传算法,构建了比较完整的气动优化设计平台,并利用该平台完成了翼型的单设计点和多设计点气动优化设计.

摘要： 建立了一种适用于任意拓扑结构及网格形式的自由变形(FFD)方法,变形实例显示该方法具有型面控制自由度大、能够实现局部变形的特点.基于FLUENT软件二次开发实现了融合FFD技术的伴随优化设计系统的开发,并应用于典型的大偏距S弯进气道的优化设计,优化后总压损失减小了0.33％,稳态畸变指标DC减小了10％左右,优化得到的陷窝结构使分离点后移,抑制了通道二次流与分离区的相互作用,证明了本文优化设计系统对大偏距S弯进气道的优化设计能力.

摘要： 本文采用CST(Class function／shape nmctionTransfonnation)方法对翼型进行参数化，并用于翼型的气动设计。为了更加精确地拟合翼型，提出了一种改进的CST方法。比较研究了两种方法在不同Bemstein多项式阶数下的拟合精度。以RAE2822翼型单目标减阻优化设计为例，研究了不同阶数下的直接CST方法和扰动CST方法以及Hicks—Henne参数化方法对优化设计结果和设计效率的影响。研究表明，两种CST方法和Hicks-Henne参数化方法的减阻效果接近，但计算时间相差很大。在相同阶数下，直接CST方法所需计算时间明显多于扰动CST方法，且阶数越高所需的优化时间越长。在设计变量数相当的情况下，扰动CST方法的设计效率高于Hicks-Henne参数化方法。

摘要： 本文基于离散伴随方法理论基础，将离散伴随求解器从无粘扩展到了粘性环境，编程实现了粘性离散伴随场求解器；同时，针对叶型参数化过程中出现的叶型尾缘附近区域型线波动问题对叶型参数化的方式进行了修改，重新编程实现了叶型参数化程序，基于上述粘性离散伴随求解器和参数化程序，构建了基于离散伴随方法的叶轮机械叶栅气动反设计系统；最后利用该系统对某二维跨音速透平叶栅在给定叶型表面目标压力分布的情况下，通过构造目标函数将叶栅反设计问题转化为叶栅气动优化设计问题，成功进行了气动反设计。反设计结果表明，本文建立的叶栅反设计系统能够根据给定的叶型表面压力分布有效地进行压力反设计，验证了本文建立的基于离散伴随方法的叶轮机械叶栅气动反设计方法的正确性与有效性。

摘要： 遗传算法的缺点在于计算过多的目标函数适应值而增加了优化设计的计算量。为了提高遗传算法的优化效率,本文将遗传算法进行改进并与神经网络算法相结合,建立了基于神经网络和遗传算法的翼型气动优化设计方法。采用三次B 样条曲线分别拟合翼型吸、压力面型线，应用均匀设计方法安排神经网络的取样，应用商用软件进行各样本点的CFD 计算。选取样条曲线控制点权系数作为优化变量，以翼型升阻比和翼型面积变化率为优化目标，对某设计翼型进行优化设计。算例表明，该优化方法稳定,设计质量高,效率比单纯遗传算法有很大提高,在工程中有较大的应用价值。

摘要： 本发明提供一种能够在对风力机的叶片进行更全面的优化设计，从而在保证叶片拥有较高气动性能的同时、降低其所受的载荷的考虑气动效率与气动载荷的风力机叶片优化设计方法，包括如下步骤：步骤S1，确定叶片的设计工况以及该叶片的多个叶片截面的几何参数，并在设计工况下通过气动分析分别计算出各个叶片截面的气动性能；步骤S2，将叶片分为多个叶素，并基于动量‑叶素理论以及气动性能计算出叶片的受力情况以及输出功率，进一步以叶片的最小叶根弯矩与最大输出功率为优化目标来构建目标函数；步骤S3，采用多岛遗传算法对目标函数进行求解从而得到各个叶片截面的优化翼型以及优化安装角。

摘要： 本发明提供一种能够在对风力机的叶片进行更全面的优化设计，从而在保证叶片拥有较高气动性能的同时、降低其所受的载荷的考虑气动效率与气动载荷的风力机叶片优化设计方法，包括如下步骤：步骤S1，确定叶片的设计工况以及该叶片的多个叶片截面的几何参数，并在设计工况下通过气动分析分别计算出各个叶片截面的气动性能；步骤S2，将叶片分为多个叶素，并基于动量‑叶素理论以及气动性能计算出叶片的受力情况以及输出功率，进一步以叶片的最小叶根弯矩与最大输出功率为优化目标来构建目标函数；步骤S3，采用多岛遗传算法对目标函数进行求解从而得到各个叶片截面的优化翼型以及优化安装角。

摘要： 本发明公开了一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法。该方法考虑气动、控制、结构学科之间的耦合效应，基于传统串行优化流程，实现包括系统级和学科级的三学科协同优化架构的构建；系统级将设计变量期望值传到各学科，各学科在满足其自身约束条件下，使其优化结果与系统级传递的期望值之间的差异最小，并返回给系统级；系统级利用学科间一致性约束进行优化，并将结果再次传给学科级；经过系统级优化和学科级优化之间的多次迭代，最终得到一个最优的整体设计方案。本发明在获取整体最优性能的同时能够提高计算效率，可为高超声速飞行器的先进设计提供高效合理可行的技术思路。

摘要： 本发明涉及一种基于POD技术的运用，具体为一种气动外形优化设计中基于POD技术的梯度预测方法，针对基于梯度的气动外形优化设计过程中梯度计算量过大的问题，快速预测目标函数关于设计变量梯度的方法；具体包括如下步骤：(a)在初始的外形参数向量附近随机抽取若干翼型样本；(b)求解不同翼型样本对应的梯度分布向量；(c)构成协方差矩阵C，通过POD分析得到与翼型样本对应的POD模态系数样本；(d)构建POD模态系数关于翼型参数的RBF代理模型；(e)通过构建的模型预测任意翼型对应的POD模态系数；(f)根据链式求导法则计算目标函数关于外形参数的梯度向量，并用于气动外形优化设计。

摘要： 本发明公开了一种基于最佳负荷分布模型优化的低压涡轮叶型气动设计方法，该方法根据给定的叶型参数取值范围和低维气动设计参数，生成叶型几何样本，并通过CFD计算叶型总压损失最小时的最优负荷分布，生成叶型数据库；基于多输出高斯过程和深度神经网络，构建最佳负荷分布模型，并根据叶型数据库中的训练样本，通过最小化边际似然损失函数，对最佳负荷分布模型进行训练，得到最佳负荷分布模型中的超参数组；根据训练后的最佳负荷分布模型，计算目标低维气动设计参数的目标最佳负荷分布，并利用叶型反设计模型，计算出目标最佳负荷分布对应的最佳气动叶型。本发明的设计方法可提高涡轮叶型气动设计的精度和效率，缩短涡轮叶型几何的设计周期。

摘要： 本发明公开了一种高超声速飞行器气动外形自动优化设计系统。包括：预设参数化设计生成飞行器外形的CST函数，获取函数包含的所有设计变量的取值及来流条件；根据设计变量的给定取值，统计出每个设计变量的水平数，生成完全析因设计的样本库；采用牛顿法和切锥/切楔法估算样本库里样本的气动系数；生成飞行器外形对应的数据点文件及模型文件；调用网格绘制软件自动生成非结构网格文件；上传至终端开展CFD计算；对所有样本的气动数据开展多因素方差分析，在多因素方差分析基础上构建代理模型，并在可视化窗口展示优化结果。本发明能够自动完成样本准备和优化，简化了流程，通过改变CST函数能够实现多类飞行器的快速自动建模与优化，具有良好的扩展性。

摘要： 本申请属于飞行器设计领域，特别涉及一种高隐身高机动布局飞机的弹性机翼气动隐身优化设计方法。包括：步骤一、确定优化目标函数；步骤二、确定约束条件；步骤三、采用FFD外形参数化方法确定弹性机翼外形的设计变量，并且给出设计变量的可行性区间；步骤四、构建气动计算模型，计算得到弹性机翼固定升力系数下的阻力系数，并将阻力系数取以10为底的对数；构建电磁计算模型，计算得到‑40°～40°角域范围内雷达散射面积RCS值；步骤五、根据基于伴随方程的梯度快速求解方法确定设计变量的优化方向，并调整设计变量，返回步骤三迭代，直至满足收敛条件，得到根据最终的设计变量，并根据最终的设计变量确定优化后的弹性机翼外形。

摘要： 本发明提供一种基于深度学习的多精度优化算法实现气动优化设计的方法，通过利用多精度深度神经网络结合并行加点方法来实现复杂的气动外形优化设计。该多精度深度神经网络(MFDNN)可以在不需要任何先验知识的情况下，自适应地学习低精度数据集和高精度数据集之间的线性关系或者非线性关系。同时利用PSO对代理模型进行全局寻优，找到当前最优解用于高精度数据集的更新样本点提高代理模型的优化精度；对于低精度数据集则通过求取样本点之间的欧氏距离来衡量样本点之间的距离，对缺乏样本点位置进行更新，从而生成在整个设计域中分布均匀的样本点。该方法通用性好，实现简单，应用该方法进行飞行器气动外形优化设计，飞行器的气动性能有显著的提升。

摘要： 本发明提供一种基于深度学习的多精度优化算法实现气动优化设计的方法，通过利用多精度深度神经网络结合并行加点方法来实现复杂的气动外形优化设计。该多精度深度神经网络(MFDNN)可以在不需要任何先验知识的情况下，自适应地学习低精度数据集和高精度数据集之间的线性关系或者非线性关系。同时利用PSO对代理模型进行全局寻优，找到当前最优解用于高精度数据集的更新样本点提高代理模型的优化精度；对于低精度数据集则通过求取样本点之间的欧氏距离来衡量样本点之间的距离，对缺乏样本点位置进行更新，从而生成在整个设计域中分布均匀的样本点。该方法通用性好，实现简单，应用该方法进行飞行器气动外形优化设计，飞行器的气动性能有显著的提升。

摘要： 本申请属于航空航天技术领域，特别涉及一种无尾飞翼布局的多约束精细化气动优化设计方法。本申请的无尾飞翼布局的多约束精细化气动优化设计方法，采用统一目标函数实现多种设计约束下设计目标优化，采用基于N‑S方程流场求解方法获得精确的气动性能，采用基于伴随理论的梯度求解方法快速高效获得多设计变量的梯度信息，有效实现了无尾布局多设计约束、精细化设计、高效优化设计的统一，满足工程上飞机方案详细设计要求，能够快速的获得优化设计结果。