基于代理模型的高效氣動(dòng)優(yōu)化設(shè)計(jì)方法及應(yīng)用.pdf

1、研究先進(jìn)的氣動(dòng)設(shè)計(jì)方法是發(fā)展高性能飛行器的必然要求，而基于 CFD的氣動(dòng)優(yōu)化設(shè)計(jì)技術(shù)則是氣動(dòng)設(shè)計(jì)的重中之重。一方面，為了保證設(shè)計(jì)外形在 CFD數(shù)值模擬情況下的氣動(dòng)性能與真實(shí)飛行條件下的氣動(dòng)性能更加相符，高精度的流動(dòng)數(shù)值模擬方法被應(yīng)用于氣動(dòng)優(yōu)化設(shè)計(jì)中，這就大大增加了設(shè)計(jì)過(guò)程中所需的計(jì)算花費(fèi)。另一方面，人們對(duì)飛行器氣動(dòng)性能的要求逐漸提高，這就給優(yōu)化設(shè)計(jì)方法的設(shè)計(jì)質(zhì)量提出了更高的要求。因此，研究設(shè)計(jì)效率高、設(shè)計(jì)質(zhì)量好的氣動(dòng)優(yōu)化設(shè)計(jì)方法具有重要

2、的實(shí)際應(yīng)用價(jià)值。本文圍繞發(fā)展適合于飛行器設(shè)計(jì)的設(shè)計(jì)效率高、設(shè)計(jì)質(zhì)量好的基于代理模型的氣動(dòng)優(yōu)化設(shè)計(jì)方法展開(kāi)研究，發(fā)展了一套基于代理模型的高效氣動(dòng)優(yōu)化設(shè)計(jì)方法和軟件，并成功進(jìn)行了翼型、機(jī)翼、增升裝置、飛翼的氣動(dòng)優(yōu)化設(shè)計(jì)和考慮彈性的機(jī)翼氣動(dòng)/結(jié)構(gòu)多學(xué)科優(yōu)化設(shè)計(jì)。
　　本文主要開(kāi)展了以下幾個(gè)方面的工作：
　　(1)研究了基于Kriging模型（包括梯度增強(qiáng)Kriging模型）的優(yōu)化算法中的多種自適應(yīng)樣本點(diǎn)加點(diǎn)準(zhǔn)則及其約束處理方法，并

3、發(fā)展了一種并行加點(diǎn)策略。傳統(tǒng)的基于Kriging模型的優(yōu)化設(shè)計(jì)采用求期望改進(jìn)（EI）最大值的準(zhǔn)則進(jìn)行優(yōu)化。本文除研究了EI最大值加點(diǎn)準(zhǔn)則外，還研究了目標(biāo)函數(shù)最小值準(zhǔn)則（MP）、統(tǒng)計(jì)下限最小值準(zhǔn)則（LCB）、改進(jìn)概率最大值準(zhǔn)則（PI）、均方根誤差最大值準(zhǔn)則（RMSE）等加點(diǎn)準(zhǔn)則。將這些加點(diǎn)準(zhǔn)則推廣到可以直接處理約束的情況，研究發(fā)展了相應(yīng)的含約束處理的加點(diǎn)準(zhǔn)則CMP、CEI、CLCB、CPI、CRMSE。利用上述加點(diǎn)準(zhǔn)則，提出了一種并行加點(diǎn)

4、策略，算例驗(yàn)證了并行加點(diǎn)策略的效率成倍地高于單點(diǎn)加點(diǎn)準(zhǔn)則。
　　(2)研究發(fā)展了可用于Pareto多目標(biāo)優(yōu)化的自適應(yīng)樣本點(diǎn)加點(diǎn)準(zhǔn)則及其約束處理方法。將單目標(biāo)優(yōu)化中的加點(diǎn)準(zhǔn)則推廣到多目標(biāo)優(yōu)化的情況，發(fā)展了無(wú)約束處理的多目標(biāo)加點(diǎn)準(zhǔn)則MMP、MEI、MLCB、MPI、MRMSE，以及含約束處理的多目標(biāo)加點(diǎn)準(zhǔn)則CMMP、CMEI、CMLCB、CMPI、CMRMSE。借鑒單目標(biāo)優(yōu)化中的樣本點(diǎn)自適應(yīng)方法，發(fā)展了多目標(biāo)優(yōu)化的樣本點(diǎn)自適應(yīng)方法。<

5、br>　　(3)研究發(fā)展了一套基于 Kriging模型的高效單目標(biāo)優(yōu)化算法和多目標(biāo)優(yōu)化算法，以及基于梯度增強(qiáng)的Kriging模型的高效單目標(biāo)優(yōu)化算法和多目標(biāo)優(yōu)化算法。算例驗(yàn)證了方法的有效性和高效性。對(duì)于單目標(biāo)優(yōu)化算法，在效率遠(yuǎn)高于遺傳算法的前提下，對(duì)于很多問(wèn)題優(yōu)化質(zhì)量?jī)?yōu)于遺傳算法；對(duì)于多目標(biāo)優(yōu)化算法，在效率遠(yuǎn)高于多目標(biāo)遺傳算法NSGA-II的前提下，優(yōu)化質(zhì)量與NSGA-II基本一致。算例還驗(yàn)證了本文基于Kriging模型的多目標(biāo)優(yōu)化算法

6、對(duì)高維問(wèn)題的適應(yīng)性；驗(yàn)證了約束處理方法的有效性。
　　(4)結(jié)合試驗(yàn)設(shè)計(jì)、代理模型、常規(guī)優(yōu)化算法、加點(diǎn)準(zhǔn)則等，發(fā)展了一套基于代理模型的可用于單目標(biāo)/多目標(biāo)、無(wú)約束/約束問(wèn)題的高效并行通用優(yōu)化算法程序。在試驗(yàn)設(shè)計(jì)方面，研究了拉丁超立方抽樣并改進(jìn)了現(xiàn)有的程序，研究了蒙特卡洛抽樣和均勻設(shè)計(jì)并編制了相應(yīng)的程序。在代理模型方面，研究了Kriging模型并改進(jìn)了已有的Kriging模型程序；研究了梯度增強(qiáng)Kriging模型并嵌入了相應(yīng)的程序。

7、在常規(guī)優(yōu)化算法方面，研究了單目標(biāo)、多目標(biāo)遺傳算法并發(fā)展了相應(yīng)的程序，改進(jìn)了模式搜索算法程序，改進(jìn)了梯度優(yōu)化算法中的擬牛頓法和序列二次規(guī)劃程序。
　　(5)發(fā)展了基于 Kriging模型的翼型反設(shè)計(jì)方法和翼型 Pareto多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì)方法；結(jié)合Adjoint梯度計(jì)算方法，發(fā)展了基于梯度增強(qiáng)的Kriging模型的翼型Pareto多目標(biāo)優(yōu)化設(shè)計(jì)方法。成功開(kāi)展了翼型的單目標(biāo)/多目標(biāo)反設(shè)計(jì)研究，驗(yàn)證了Kriging模型在翼型反設(shè)計(jì)中的

8、適應(yīng)性。跨聲速翼型設(shè)計(jì)算例驗(yàn)證了基于 Kriging模型的翼型 Pareto多目標(biāo)優(yōu)化方法和基于梯度增強(qiáng)Kriging模型的翼型Pareto多目標(biāo)優(yōu)化方法的有效性。此外，成功進(jìn)行了基于Kriging模型的跨聲速翼型、風(fēng)力機(jī)翼型的加權(quán)多目標(biāo)優(yōu)化設(shè)計(jì)；成功進(jìn)行了旋翼翼型、飛翼翼型的Pareto多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì)，通過(guò)一次優(yōu)化設(shè)計(jì)可得到多個(gè)最優(yōu)氣動(dòng)外形。
　　(6)發(fā)展了一套基于Kriging模型和Navier-Stokes方程的機(jī)翼單

9、目標(biāo)、多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì)方法并成功應(yīng)用于58個(gè)設(shè)計(jì)變量的飛翼Pareto多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì)。首先研究了常用的梯形機(jī)翼和雙梯形布局機(jī)翼的參數(shù)化方法，并編制機(jī)翼的參數(shù)化程序，其中平面參數(shù)、剖面參數(shù)、幾何扭轉(zhuǎn)角三類(lèi)參數(shù)可以任意組合作為設(shè)計(jì)變量。分別采用傳統(tǒng)的EI加點(diǎn)準(zhǔn)則和本文發(fā)展的并行多點(diǎn)加點(diǎn)準(zhǔn)則分別進(jìn)行了跨聲速機(jī)翼的僅變平面形狀、僅變剖面形狀、同時(shí)變平面形狀和剖面形狀的氣動(dòng)優(yōu)化設(shè)計(jì)以及運(yùn)輸機(jī)機(jī)翼的減阻優(yōu)化設(shè)計(jì)，驗(yàn)證了在氣動(dòng)優(yōu)化設(shè)計(jì)中并行多點(diǎn)

10、加點(diǎn)準(zhǔn)則的效率更高。成功進(jìn)行了含58個(gè)設(shè)計(jì)變量的飛翼多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì)，優(yōu)化后飛翼的起降性能和巡航性能大幅提高。
　　(7)開(kāi)展了基于 Kriging模型的增升裝置縫道參數(shù)優(yōu)化設(shè)計(jì)。采用不同的氣動(dòng)計(jì)算方法進(jìn)行了多段翼型的縫道參數(shù)優(yōu)化設(shè)計(jì)，取得了良好的設(shè)計(jì)效果，優(yōu)化后的外形升力系數(shù)都有較大提升。
　　(8)結(jié)合基于代理模型的優(yōu)化方法和多學(xué)科可行法（MDF），發(fā)展了一種基于代理模型的高效全局MDF多學(xué)科優(yōu)化方法。算例表明該方法的