CN111079228A - 一种基于流场预测的气动外形优化方法 - Google Patents
一种基于流场预测的气动外形优化方法 Download PDFInfo
- Publication number
- CN111079228A CN111079228A CN201911317268.7A CN201911317268A CN111079228A CN 111079228 A CN111079228 A CN 111079228A CN 201911317268 A CN201911317268 A CN 201911317268A CN 111079228 A CN111079228 A CN 111079228A
- Authority
- CN
- China
- Prior art keywords
- flow field
- optimization
- model
- aerodynamic
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开一种基于流场预测的气动外形优化方法,将流场压力分布直接进行近似建模,提出与飞行器气动优化问题深度耦合的流场近似模型,实现了对高精度流场仿真模型产生的大量流场数据的高效利用,减少序列近似优化方法高精度模型仿真调用次数,提升了飞行器气动外形优化的质量和效率,使工程优化问题的优化效率大大提高。并通过与常规序列近似优化方法和随机进化算法比较,验证本发明所述方法的有效性和高效率,本发明提供的气动外形优化方法对飞行器气动外形精细化设计具有重要应用价值。
Description
技术领域
本发明涉及飞行器气动外形优化设计技术领域,具体是一种基于流场预测的气动外形优化方法。
背景技术
气动外形设计是飞行器设计的重要内容,对总体性能具有重要影响。随着飞行器性能要求的提高,飞行器设计更趋复杂,对气动布局精细化设计提出了更高要求。传统气动工程估算模型在很多场合难以适用,高精度数值模拟势在必行;传统进化算法寻优通常需要上千次迭代,对计算耗时的高精度仿真模型无法接受,近似优化方法应运而生,以期达到气动设计精度与效率的平衡。
目前常用的气动设计方法有两种:
1、反设计方法:要求给定设计状态下的目标流场分布(通常是压力或速度分布),通过不断改变气动外形、进行流场仿真计算,来逐步逼近给定目标流场分布,得到满足要求的气动外形。采用这种方法存在以下缺陷:1)对目标流场分布的确定要求设计者对设计目标有深入了解并拥有丰富设计经验,且设计质量严重依赖于目标气动特性的选取;2)它难以处理气动、几何约束以及非设计点的性能约束。上述不足严重制约了反设计方法的发展,使其没有得到大范围应用。
2、优化设计方法:将气动分析方法和优化算法有机结合,将某些气动特性作为目标函数直接进行寻优。在优化设计过程中,优化算法作为一个外部工具使用,通过灵活处理目标函数来施加约束、求解传统反设计问题和新兴的多目标、多学科优化设计问题等。在气动优化设计领域中,常用的优化搜索算法可分为三类:基于梯度的优化算法、启发优化算法和基于代理模型的优化方法。采用这种方法存在以下缺陷:1)基于梯度的优化方法最大局限性在于容易陷入局部最优而难以找到全局最优,最终优化结果严重依赖于初始样本集,属局部优化方法而通常不具有全局性,一定程度上限制了其适用范围和进一步发展;2)启发式算法由于其随即搜索特性,普遍存在收敛速度慢的特点,优化过程中需要对计算模型进行成千上万次迭代,当面对高精度要求的工程优化问题时,结合耗时仿真模型将使计算量难以接受,这也是启发式算法应用到工程中的最大障碍,大大限制了适用范围;3)基于代理模型(也称近似模型Surrogate Model,或Metamodel)的优化方法,采用计算效率较高的近似模型代替高精度仿真模型,有效提升了优化设计效率。在此过程中,仿真模型视作“黑箱”,近似模型只对“黑箱”的输入输出关系进行预测,对于耗时仿真模型产生的大量数据信息并不能充分利用,严重弱化了代理模型抓取真实模型本质特征的能力,极大限制了近似优化方法效率的进一步提升;对特定工程优化问题,例如气动设计优化问题,通过近似优化方法与计算模型的强耦合,实现仿真数据的充分利用,是进一步挖掘近似优化方法效率潜力的有效方法。
发明内容
本发明针对所要解决的技术问题,以序列近似优化方法为基础,围绕提高气动外形设计效率展开研究,研究提出气动外形设计序列近似优化改进方法,对高精度流场仿真模型产生的大量流场数据进行有效利用,以提升气动优化效率。
为了解决上述技术问题,本发明是通过以下技术方案实现的:一种基于流场预测的气动外形优化方法,包括以下步骤:
S1、根据飞行器气动外形参数设定设计变量范围,并对各设计变量进行归一化处理;
S2、采用约束域空间优化拉丁超立方实验设计方法处理约束并生成预设数量的可行初始样本点;
S3、调用CFD仿真模型进行流场仿真,构建样本训练集;
S4、引入存储有优质样本点的样本精英集,并进行初始化处理;
S5、采用径向基函数对S3获得的样本训练集构造基于RBF近似模型的流场近似模型,获得每个样本的目标函数;
S6、以样本精英集作为初始种群运行差分进化算法对S5获得的流场近似模型进行非精确搜索的采样,确定下一个采样点;
S7、对新样本点通过CFD仿真模型进行流场仿真计算;
S8、收敛判定:当连续两步之间设计变量、目标函数和约束之间相对差异均小于预设精度值,或达到最大模型仿真次数时终止优化;当连续两步之间的设计变量、目标函数和约束之间相对差异均大于预设精度值则到S9;
S9、使用S8获得的样本点及其输出与样本精英集进行对比,将适应度较好的样本点作为新的样本点加入样本训练集,更新样本精英集并转到S5。
进一步的,步骤S3中根据流场近似模型原理,存储所有样本点仿真的流场气动参数分布作为训练集的输出,近似模型近似的对象是气动流场。
进一步的,关于基准问题NACA-0012翼型的优化,优化问题表述如下:
minimize CD
其中,CD为阻力系数,y为优化翼型的几何厚度,ybaseline为初始翼型的几何厚度,x为横坐标;
优化对象NACA-0012翼型定义如下为:
采用无粘流动模型,翼型阻力全部来自压差阻力,粘滞阻力为0。
进一步的,所述无粘流动模型需满足如下边界条件:
物面边界条件:在飞行器表面采用绝热壁面、无滑移边界条件;
压力入口边界条件:在流场上游外边界应用压力入口边界条件,给定马赫数Ma=0.85,攻角α=0°,并且根据地表大气参数给定温度和压力;
压力出口边界条件:在流场下游边界处应用压力出口边界条件,给定出口静压后,由上游压力外推得到其真实压力;
对称面条件:根据翼型及飞行条件的几何对称性,在y=0处应用对称边界条件,将全翼型气动仿真变为半翼型。
进一步的,基于Ansys Fluent 15.0气动流场求解器,根据所述边界条件对NACA-0012翼型的气动性能进行网格无关性验证;所述NACA-0012翼型的网格划分采用C型网格。
进一步的,所述气动外形优化方法在经历96次迭代仿真后收敛,整个优化过程中所述CFD仿真模型调用次数为126次。
进一步的,关于整流罩外形的优化,优化问题表述如下:
minimize CD
subject to:F≤Fbaseline
V≥Vbaseline
其中,F为整流罩表面最大热流密度,V是整流罩体积,Fbaseline为基础翼型的整流罩表面最大热流密度,Vbaseline为基础翼型的整流罩体积;
采用湍流模型进行气动仿真计算。
进一步的,所述湍流模型需满足如下边界条件:
物面边界条件:在飞行器表面采用绝热壁面、无滑移边界条件;
压力入口边界条件:在流场上游外边界应用压力入口边界条件,给定马赫数Ma=1.8,攻角α=0°,雷诺数6.5×106,并且根据10.1km高空大气参数给定温度和压力;
压力出口边界条件:在流场下游边界处应用压力出口边界条件,给定出口静压后,由上游压力外推得到其真实压力;
对称条件:根据整流罩外形及飞行条件的几何对称性,在y=0处应用轴对称边界条件,将三维轴对称气动仿真变为二维气动仿真。
进一步的,设置所述湍流模型和边界条件对整流罩气动分析进行网格无关性验证;所述整流罩的网格划分采用C型网格。
进一步的,所述湍流模型在进行24次迭代仿真后即完成优化过程,总计算量为44次CFD模型仿真。
与现有技术相比,本发明的有益之处是:
一、本发明以序列近似优化方法为基础,围绕提高气动外形设计效率展开研究,研究提出气动外形设计序列近似优化改进方法,对高精度流场仿真模型产生的大量流场数据进行有效利用,以提升气动优化效率。
二、本发明提出的约束域空间优化拉丁超立方试验设计方法,在常规优化拉丁超立方实验设计基础上,对可行域和不可行域进行加权区分,综合考虑可行采样点均匀性和个数,构造适用于约束域优化拉丁超立方实验设计的采样准则,使用优化算法进行优化,有效解决了气动外形优化中约束域的均匀采样问题,避免了无效采样点的采样和仿真计算。
三、通过改进近似建模技术,实现对模型仿真结果充分利用,提出与飞行器气动优化问题深度耦合的流场近似模型,减少序列近似优化方法高精度模型仿真调用次数,使工程优化问题的优化效率大大提高。
四、引入储存优质样本点的样本精英集,借助样本精英集实现对近似模型的非精确搜索采样,避免前期非精确近似模型对优化过程的误导和过度搜索造成的计算资源浪费,节省随机算法寻优时间成本和劣质采样点CFD流场仿真计算,提高序列近似优化方法收敛速度和整体效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
下面结合附图对本发明进一步说明:
图1是本发明所述基于流场预测的气动外形优化方法的算法流程;
图2是关于NACA-0012翼型优化的全流场网格图;
图3是图2的局部细节网格图;
图4是关于NACA-0012翼型优化的优化收敛曲线图;
图5是关于NACA-0012翼型优化的阻力系数收敛过程曲线图;
图6是差分进化算法迭代步数对比图;
图7和图8是翼型外形和表面压力系数的分布对比图;
图9是关于整流罩外形优化的全流场网格图;
图10是图9的局部细节网格图;
图11是关于整流罩外形优化的优化收敛曲线图;
图12是关于整流罩外形优化的阻力系数收敛过程曲线图;
图13和图14是关于整流罩外形和表面压力系数的分布对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接,还可以是物理连接或无线通信连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如附图1所示的一种基于流场预测的气动外形优化方法,针对飞行器气动布局精细化设计效率低下,过于依赖工程师经验的问题,提出有效方法,解决了飞行器气动布局的快速精细化设计,相比于常规序列近似优化方法优化效果和优化效率的大幅提升,具体包括以下步骤:
S1、根据飞行器气动外形参数设定设计变量范围,并对各设计变量进行归一化处理;
S2、采用约束域空间优化拉丁超立方实验设计方法处理约束并生成预设数量的可行初始样本点,并在常规优化拉丁超立方实验设计基础上,对可行域和不可行域进行加权区分,综合考虑可行采样点均匀性和个数,构造适用于约束域优化拉丁超立方实验设计的采样准则,使用优化算法进行优化,有效解决了气动外形优化中约束域的均匀采样问题,避免了无效采样点的采样和仿真计算;
S3、调用CFD仿真模型进行流场仿真,构建样本训练集;在此过程中,根据流场近似模型原理,存储所有样本点仿真的流场气动参数分布而非单一目标气动参数作为训练集的输出,即近似模型近似的对象是气动流场;
S4、引入存储有优质样本点的样本精英集,并进行初始化处理;引入储存优质样本点的样本精英集,借助样本精英集实现对近似模型的非精确搜索采样,避免前期非精确近似模型对优化过程的误导和过度搜索造成的计算资源浪费,节省随机算法寻优时间成本和劣质采样点CFD流场仿真计算,提高序列近似优化方法收敛速度和整体效率;
S5、采用径向基函数对S3获得的样本训练集构造基于RBF近似模型的流场近似模型,获得每个样本的目标函数;采用径向基函数近似模型,显著提高近似模型精度,在此基础上提出径向基函数近似模型灵敏度指标直接求解方法,显著降低了灵敏度分析计算量;通过改进近似建模技术,实现对模型仿真结果充分利用,提出与飞行器气动优化问题深度耦合的流场近似模型,减少序列近似优化方法高精度模型仿真调用次数,使工程优化问题的优化效率大大提高;
S6、基于非精确搜索的采样策略进行采样,确定下一个采样点;以样本精英集作为初始种群运行差分进化算法对近似模型进行搜索,直到找到比当前最优点更优的采样点则停止搜索;
S7、对新样本点通过CFD仿真模型进行流场仿真计算;输出流场信息,计算目标气动参数;
S8、收敛判定:采用目标函数和设计变量两者的变化来确定,当连续两步之间设计变量、目标函数和约束之间相对差异均小于预设精度值,在本实施例中为0.005,或达到最大模型仿真次数时终止优化;当连续两步之间的设计变量、目标函数和约束之间相对差异均大于预设精度值则到S9;
S9、使用S8获得的样本点及其输出与样本精英集进行对比,将适应度较好的样本点作为新的样本点加入样本训练集,更新样本精英集并转到S5。
围绕近似优化方法和气动仿真模型的耦合问题,开展近似优化方法算法改进研究,突破实验设计、近似建模和序列加点准则三个关键技术,对高精度流场仿真模型产生的大量流畅数据进行充分而有效地利用,所建立的近似模型能够捕捉仿真模型的更多信息,可以更加精确地预测气动参数,以提升气动优化效率、提高算法寻优能力,以更高的精度、更快的速度定位到气动优化问题的最优解;开展流场仿真数据利用方法研究,探索近似优化方法和气动仿真模型深度融合方法,完善基于近似模型的气动外形优化设计方法。所取得的研究成果将为气动外形优化设计提供方法基础,对气动精细化设计具有重要应用价值。
实施例一
关于基准问题NACA-0012翼型的优化,优化问题是无粘自由流中,马赫数0.85Ma、0°攻角飞行状态下阻力最小化优化,约束翼型厚度,优化问题表述如下:
minimize CD
其中,CD为阻力系数,y为优化翼型的几何厚度,ybaseline为初始翼型的几何厚度,x为横坐标;
优化对象NACA-0012翼型定义如下为:
关于模型:
根据优化问题要求,采用无粘流动模型,在此情况下,不考虑粘性,翼型阻力全部来自压差阻力,粘滞阻力为0。
关于边界条件:
所述无粘流动模型需满足如下边界条件:
物面边界条件:在飞行器表面采用绝热壁面、无滑移边界条件;
压力入口边界条件:在流场上游外边界应用压力入口边界条件,给定马赫数Ma=0.85,攻角α=0°,并且根据地表大气参数给定温度和压力;
压力出口边界条件:在流场下游边界处应用压力出口边界条件,给定出口静压后,由上游压力外推得到其真实压力;
对称面条件:根据翼型及飞行条件的几何对称性,在y=0处应用对称边界条件,将全翼型气动仿真变为半翼型,有效缩短单次仿真时间成本。
关于网格无关性验证:
基于Ansys Fluent 15.0气动流场求解器,根据上文设置计算条件,对NACA-0012基准翼型的气动性能进行网格无关性验证;在本实施例中,所述NACA-0012翼型的网格划分采用了C型网格,网格划分的全流场网格和局部细节网格如图2和3所示。
NACA-0012翼型针对不同规模的网格计算结果如表1所示,表中结果表明,随着网格尺寸的增大,升力系数CL保持在0.0,阻力系数CD变化逐渐收敛在1d.c.以内。在中等规模网格256×128条件下,得到的阻力系数CD与较稠密网格得到的结果误差在允许范围内,与512×256网格的计算结果相差小于1d.c.,计算结果可信,可以基于该网格进行优化设计,该网格如图2和3所示,后续优化设计过程中新外形的网格通过该网格变形得到。
表1 NACA-0012翼型网格无关性研究
优化结果与分析:
采用本发明所述的气动外形优化方法对NACA-0012翼型进行优化。使用两个对称的14阶CST曲线对NACA-0012翼型进行参数化,因此仅需要15个设计变量来定义翼型形状,初始实验设计样本数量设为N=30,使用CFD仿真模型计算初始样本点集,获得每个样本点对应翼型的流场分布数据。
由图4可知,优化算法在经历96次迭代仿真后收敛,整个优化过程中CFD仿真模型调用次数为126(96+30)次。图5中结果表明,本文方法预测的最佳阻力系数为72.32d.c.,比原NACA-0012翼型提高了84.8%。如图7和8所示,最优翼型的形状与NACA-0012原始翼型相比变化很大。翼型头部和尾迹都变得钝化,最优翼型沿翼弦的厚度分布几乎全部相等,都为约束厚度大小,这些因素都有助于减小跨声速无粘流动条件下的激波强度,从而减小波阻,从优化出的结果翼型可以看出,厚度约束限制了其厚度在优化过程中的进一步减小。
为验证本发明所述气动外形优化方法的效率,使用“黑箱”近似模型的常规序列近似优化(SAO)算法和差分进化(DE)算法运行NACA-0012翼型测试优化算例。将常规SAO与本本发明所述气动外形优化方法运行按相同的设置,即生成相同数量的实验设计样本、执行相同次数的迭代,优化收敛速度和结果之间的差异对比在图5中展示。
如图6所示,在本文方法中,优化迭代过程中序列采样策略的DE迭代次数都在50次以下,对比常规SAO每次序列采样DE的上千次迭代大大减少,这说明了本文方法中采用的基于不精确搜索的自适应采样策略缩短了序列采样过程的时间成本,提高了优化方法的整体效率。
优化结果列于表2中进行比较,在相同CFD仿真计算次数条件下,常规SAO得到的翼型阻力系数为192.54d.c.。就DE随机算法而言,以20的初始种群规模,以27步迭代优化、540(20*27)次CFD仿真计算模型调用的成本,优化出阻力系数为104.29的翼型结果。与常规SAO和DE算法结果的比较证明了本文方法的有效性。表中还列出了文献[1]中的优化结果与本文结果进行对比,以保证优化结果的可靠性。文献[1]在研究中采用具有自适应和扩展设计空间的多轮近似优化方法来优化本实施例中的NACA-0012翼型优化算例。多轮近似优化方法在850次CFD仿真模型调用次数条件下,优化得到翼型的阻力系数为73.14d.c.。与此对比,本文方法仅用126次CFD模型仿真即得到阻力系数为72.32的最优翼型结果。
表2优化结果对比
图7和8中展示了由常规SAO和DE优化得到的翼型形状和表面压力系数分布。由包括本文方法在内的三种方法得到的翼型结果具有几乎相同的厚度和表面压力系数分布。
其中,文献[1]:Zhang Y,HanZ-H,Leifsson L T.Surrogate-Based OptimizationApplied to Benchmark Aerodynamic Design Problems[A].35th AIAA AppliedAerodynamics Conference[C].Reston,Virginia:American Institute ofAeronauticsand Astronautics,2017(127):1–15.
实施例二
关于整流罩外形的优化,本算例的基础外形是整流罩。优化问题是在体积和热流密度约束下,在10.1km高度、1.8马赫速度下阻力最小化优化。约束条件具体是优化外形体积不小于基础外形体积,表面上的最大热流不大于基线的表面最大热流。综上,
优化问题表述如下:
minimize CD
subject to:F≤Fbaseline
V≥Vbaseline
其中,F为整流罩表面最大热流密度,V是整流罩体积,Fbaseline为基础翼型的整流罩表面最大热流密度,Vbaseline为基础翼型的整流罩体积;
关于模型:本算例采用Spalart-Allmaras(S-A)湍流模型进行气动仿真计算。
关于边界条件:
所述湍流模型需满足如下边界条件:
物面边界条件:在飞行器表面采用绝热壁面、无滑移边界条件;
压力入口边界条件:在流场上游外边界应用压力入口边界条件,给定马赫数Ma=1.8,攻角α=0°,雷诺数6.5×106,并且根据10.1km高空大气参数给定温度和压力;
压力出口边界条件:在流场下游边界处应用压力出口边界条件,给定出口静压后,由上游压力外推得到其真实压力;
对称条件:根据整流罩外形及飞行条件的几何对称性,在y=0处应用轴对称边界条件,将三维轴对称气动仿真变为二维气动仿真。
关于网格无关性验证:
设置所述湍流模型和边界条件对整流罩气动分析进行网格无关性验证;所述整流罩的网格划分采用C型网格。
整流罩针对不同规模的网格的CFD仿真计算结果如表3所示,表中结果表明,随着网格尺寸的增大,升力系数CL始终为零,阻力系数CD变化逐渐收敛在0.001以内。在512×1024规模网格下,得到的阻力系数与较稠密网格得到的结果误差在允许范围内,与1024×2048网格的计算结果相差小于0.001,计算结果可信,可以基于该网格进行优化设计。该网格如图9和10所示,后续优化设计过程中新外形的网格通过该网格变形得到。
表3网格无关性研究
优化结果与分析:
采用本实施例的方法对整流罩外形进行优化。由于对称性,仅使用一条4阶CST曲线即可对整流罩外形实现参数化,因此仅需要5个设计变量来定义形状。初始实验设计样本数量设为N=20,使用CFD仿真模型计算初始样本点集,获得每个样本点对应翼型的流场分布数据。
由图11可知,本实施例的方法在24次迭代仿真后即完成优化过程,总计算量为44(24+20)次CFD模型仿真。为了更清晰的展示优化算法效果,图12中展示的阻力系数的优化过程,包含了本实施例的方法和常规SAO方法所有的CFD仿真,包括实验设计所有样本和优化过程每个样本同时也包含了基准外形。图12中可以清楚的看到本实施例方法和常规SAO方法优化过程CFD仿真次数的对比,本实施例方法在优化效率上有着明显的优势。表4中包含了本文方法和常规SAO方法的优化结果。可以看出本文方法结果的阻力系数为0.079322,相比于初始外形降低了24.3%;而常规SAO方法优化结果外形的阻力系数为0.079414,降低了24.2%。
表4优化结果对比
在图13-14中分别给出了优化结果与基础外形和相应的表面压力分布对比。由图可见,优化结果具有更钝的头部、平滑的表面和连续的曲率,这将有助于减小驻点的压力,可以产生分布更加平滑的表面压力分布。滞流点附近的压力越小,阻力就会越小。本实施例方法和常规SAO都能搜索到相似的最优外形。
通过序列近似优化方法关键技术的创新融合,提出基于高精度流场预测的气动外形优化方法;通过与常规序列近似优化方法和随机进化算法比较,验证本发明方法的有效性和高效率。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种基于流场预测的气动外形优化方法,其特征在于,包括以下步骤:
S1、根据飞行器气动外形参数设定设计变量范围,并对各设计变量进行归一化处理;
S2、采用约束域空间优化拉丁超立方实验设计方法处理约束并生成预设数量的可行初始样本点;
S3、调用CFD仿真模型进行流场仿真,构建样本训练集;
S4、引入存储有优质样本点的样本精英集,并进行初始化处理;
S5、采用径向基函数对S3获得的样本训练集构造基于RBF近似模型的流场近似模型,获得每个样本的目标函数;
S6、以样本精英集作为初始种群运行差分进化算法对S5获得的流场近似模型进行非精确搜索的采样,确定下一个采样点;
S7、对新样本点通过CFD仿真模型进行流场仿真计算;
S8、收敛判定:当连续两步之间设计变量、目标函数和约束之间相对差异均小于预设精度值,或达到最大模型仿真次数时终止优化;当连续两步之间的设计变量、目标函数和约束之间相对差异均大于预设精度值则到S9;
S9、使用S8获得的样本点及其输出与样本精英集进行对比,将适应度较好的样本点作为新的样本点加入样本训练集,更新样本精英集并转到S5。
2.根据权利要求1所述的一种基于流场预测的气动外形优化方法,其特征在于:步骤S3中根据流场近似模型原理,存储所有样本点仿真的流场气动参数分布作为训练集的输出,近似模型近似的对象是气动流场。
4.根据权利要求3所述的一种基于流场预测的气动外形优化方法,其特征在于,所述无粘流动模型需满足如下边界条件:
物面边界条件:在飞行器表面采用绝热壁面、无滑移边界条件;
压力入口边界条件:在流场上游外边界应用压力入口边界条件,给定马赫数Ma=0.85,攻角α=0°,并且根据地表大气参数给定温度和压力;
压力出口边界条件:在流场下游边界处应用压力出口边界条件,给定出口静压后,由上游压力外推得到其真实压力;
对称面条件:根据翼型及飞行条件的几何对称性,在y=0处应用对称边界条件,将全翼型气动仿真变为半翼型。
5.根据权利要求4所述的一种基于流场预测的气动外形优化方法,其特征在于:基于Ansys Fluent 15.0气动流场求解器,根据所述边界条件对NACA-0012翼型的气动性能进行网格无关性验证;所述NACA-0012翼型的网格划分采用C型网格。
6.根据权利要求5所述的一种基于流场预测的气动外形优化方法,其特征在于:所述气动外形优化方法在经历96次迭代仿真后收敛,整个优化过程中所述CFD仿真模型调用次数为126次。
7.根据权利要求1所述的一种基于流场预测的气动外形优化方法,其特征在于:关于整流罩外形的优化,优化问题表述如下:
minimize CD
subject to:F≤Fbaseline
V≥Vbaseline
其中,F为整流罩表面最大热流密度,V是整流罩体积,Fbaseline为基础翼型的整流罩表面最大热流密度,Vbaseline为基础翼型的整流罩体积;
采用湍流模型进行气动仿真计算。
8.根据权利要求7所述的一种基于流场预测的气动外形优化方法,其特征在于,所述湍流模型需满足如下边界条件:
物面边界条件:在飞行器表面采用绝热壁面、无滑移边界条件;
压力入口边界条件:在流场上游外边界应用压力入口边界条件,给定马赫数Ma=1.8,攻角α=0°,雷诺数6.5×106,并且根据10.1km高空大气参数给定温度和压力;
压力出口边界条件:在流场下游边界处应用压力出口边界条件,给定出口静压后,由上游压力外推得到其真实压力;
对称条件:根据整流罩外形及飞行条件的几何对称性,在y=0处应用轴对称边界条件,将三维轴对称气动仿真变为二维气动仿真。
9.根据权利要求8所述的一种基于流场预测的气动外形优化方法,其特征在于:设置所述湍流模型和边界条件对整流罩气动分析进行网格无关性验证;所述整流罩的网格划分采用C型网格。
10.根据权利要求9所述的一种基于流场预测的气动外形优化方法,其特征在于:所述湍流模型在进行24次迭代仿真后即完成优化过程,总计算量为44次CFD模型仿真。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911317268.7A CN111079228B (zh) | 2019-12-19 | 2019-12-19 | 一种基于流场预测的气动外形优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911317268.7A CN111079228B (zh) | 2019-12-19 | 2019-12-19 | 一种基于流场预测的气动外形优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111079228A true CN111079228A (zh) | 2020-04-28 |
CN111079228B CN111079228B (zh) | 2021-05-28 |
Family
ID=70315710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911317268.7A Active CN111079228B (zh) | 2019-12-19 | 2019-12-19 | 一种基于流场预测的气动外形优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079228B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632697A (zh) * | 2020-12-11 | 2021-04-09 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 一种压气机***流旋涡发生器的孔型优化方法及装置 |
CN112749082A (zh) * | 2020-05-11 | 2021-05-04 | 长江大学 | 一种基于de-th算法的测试用例生成方法及*** |
CN113255082A (zh) * | 2021-06-21 | 2021-08-13 | 中国人民解放军国防科技大学 | 变推力固体发动机喉栓喷管型面一体化优化设计方法 |
CN113505545A (zh) * | 2021-06-21 | 2021-10-15 | 西南交通大学 | 基于改进加点准则的轨道交通车辆气动多目标优化方法 |
CN114077771A (zh) * | 2022-01-07 | 2022-02-22 | 中国空气动力研究与发展中心计算空气动力研究所 | 气动外形反设计方法 |
CN115610464A (zh) * | 2022-12-07 | 2023-01-17 | 成都流体动力创新中心 | 一种高速列车升力翼连接杆导流罩及其设计方法 |
CN116822173A (zh) * | 2023-06-14 | 2023-09-29 | 西安交通大学 | 一种低阻力气动外形的设计装置、方法及应用 |
CN117034470A (zh) * | 2023-09-08 | 2023-11-10 | 北京流体动力科学研究中心 | 基于高性能数值计算的飞行器外形快速反设计方法 |
CN117171894A (zh) * | 2023-11-02 | 2023-12-05 | 中国科学院工程热物理研究所 | 一种考虑静稳定裕度约束的飞行器布局气动优化设计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090157364A1 (en) * | 2007-12-18 | 2009-06-18 | Airbus Espana, S.L.. | Method and system for a quick calculation of aerodynamic forces on an aircraft |
CN104573282A (zh) * | 2015-01-29 | 2015-04-29 | 河海大学 | 一种垂直轴风力机翼型的气动优化设计方法 |
CN104834774A (zh) * | 2015-04-29 | 2015-08-12 | 西北工业大学 | 一种平流层复合材料螺旋桨综合优化设计方法及设计平台 |
CN106202667A (zh) * | 2016-07-01 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 约束域优化拉丁超立方设计方法 |
-
2019
- 2019-12-19 CN CN201911317268.7A patent/CN111079228B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090157364A1 (en) * | 2007-12-18 | 2009-06-18 | Airbus Espana, S.L.. | Method and system for a quick calculation of aerodynamic forces on an aircraft |
CN104573282A (zh) * | 2015-01-29 | 2015-04-29 | 河海大学 | 一种垂直轴风力机翼型的气动优化设计方法 |
CN104834774A (zh) * | 2015-04-29 | 2015-08-12 | 西北工业大学 | 一种平流层复合材料螺旋桨综合优化设计方法及设计平台 |
CN106202667A (zh) * | 2016-07-01 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 约束域优化拉丁超立方设计方法 |
Non-Patent Citations (2)
Title |
---|
DONGHUI WANG 等: "Structural design employing a sequential approximation optimization approach", 《COMPUTERS AND STRUCTURES》 * |
WENJIE WANG 等: "A novel surrogate-based aerodynamic optimization method using field approximate model", 《PROCEEDINGS OF THE IMECHE PART G: JOURNAL OF AEROSPACE ENGINEERING》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749082A (zh) * | 2020-05-11 | 2021-05-04 | 长江大学 | 一种基于de-th算法的测试用例生成方法及*** |
CN112749082B (zh) * | 2020-05-11 | 2022-06-24 | 长江大学 | 一种基于de-th算法的测试用例生成方法及*** |
CN112632697A (zh) * | 2020-12-11 | 2021-04-09 | 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) | 一种压气机***流旋涡发生器的孔型优化方法及装置 |
CN113505545A (zh) * | 2021-06-21 | 2021-10-15 | 西南交通大学 | 基于改进加点准则的轨道交通车辆气动多目标优化方法 |
CN113505545B (zh) * | 2021-06-21 | 2022-04-15 | 西南交通大学 | 基于改进加点准则的轨道交通车辆气动多目标优化方法 |
CN113255082A (zh) * | 2021-06-21 | 2021-08-13 | 中国人民解放军国防科技大学 | 变推力固体发动机喉栓喷管型面一体化优化设计方法 |
CN114077771A (zh) * | 2022-01-07 | 2022-02-22 | 中国空气动力研究与发展中心计算空气动力研究所 | 气动外形反设计方法 |
CN115610464A (zh) * | 2022-12-07 | 2023-01-17 | 成都流体动力创新中心 | 一种高速列车升力翼连接杆导流罩及其设计方法 |
CN116822173A (zh) * | 2023-06-14 | 2023-09-29 | 西安交通大学 | 一种低阻力气动外形的设计装置、方法及应用 |
CN116822173B (zh) * | 2023-06-14 | 2024-01-02 | 西安交通大学 | 一种低阻力气动外形的设计装置、方法及应用 |
CN117034470A (zh) * | 2023-09-08 | 2023-11-10 | 北京流体动力科学研究中心 | 基于高性能数值计算的飞行器外形快速反设计方法 |
CN117034470B (zh) * | 2023-09-08 | 2024-03-29 | 北京流体动力科学研究中心 | 基于高性能数值计算的飞行器外形快速反设计方法 |
CN117171894A (zh) * | 2023-11-02 | 2023-12-05 | 中国科学院工程热物理研究所 | 一种考虑静稳定裕度约束的飞行器布局气动优化设计方法 |
CN117171894B (zh) * | 2023-11-02 | 2024-02-09 | 中国科学院工程热物理研究所 | 一种考虑静稳定裕度约束的飞行器布局气动优化设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111079228B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079228B (zh) | 一种基于流场预测的气动外形优化方法 | |
He et al. | Robust aerodynamic shape optimization—from a circle to an airfoil | |
Leung et al. | Aerodynamic shape optimization of wings using a parallel newton-krylov approach | |
Leifsson et al. | Multi-fidelity design optimization of transonic airfoils using physics-based surrogate modeling and shape-preserving response prediction | |
CN105718634B (zh) | 一种基于非概率区间分析模型的翼型鲁棒优化设计方法 | |
CN112016167A (zh) | 基于仿真和优化耦合的飞行器气动外形设计方法及*** | |
CN107391891B (zh) | 一种基于模型融合方法的大展弦比机翼优化设计方法 | |
CN105183996A (zh) | 面元修正与网格预先自适应计算方法 | |
Duru et al. | CNNFOIL: Convolutional encoder decoder modeling for pressure fields around airfoils | |
LeDoux et al. | Study based on the AIAA aerodynamic design optimization discussion group test cases | |
Chiba et al. | Multidisciplinary design optimization and data mining for transonic regional-jet wing | |
Epstein et al. | Comparative study of three-dimensional wing drag minimization by different optimization techniques | |
Ceze et al. | Drag prediction using adaptive discontinuous finite elements | |
Jameson et al. | Reduction of the adjoint gradient formula for aerodynamic shape optimization problems | |
CN105631125A (zh) | 基于降阶模型的气动-热-结构耦合分析方法 | |
Ishida et al. | Transonic buffet simulation over NASA-CRM by unsteady-FaSTAR code | |
Sasaki et al. | Aerodynamic optimization of an over-the-wing-nacelle-mount configuration | |
Yanhui et al. | Performance improvement of optimization solutions by POD-based data mining | |
CN107766620A (zh) | 一种基于降阶模型的气动‑热‑结构优化方法 | |
Venkatachari et al. | Assessment of transition modeling capability in OVERFLOW with emphasis on swept-wing configurations | |
CN105138766B (zh) | 基于模糊聚类的高超声速气动热降阶模型的加点方法 | |
Wen et al. | Optimal design of an autonomous underwater helicopter's shape based on combinatorial optimization strategy | |
Leifsson et al. | Multi-fidelity design optimization of transonic airfoils using shape-preserving response prediction | |
Barrett et al. | Airfoil shape design and optimization using multifidelity analysis and embedded inverse design | |
Cameron et al. | Metamodel assisted multi-objective global optimisation of natural laminar flow aerofoils |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |