本文關(guān)鍵詞：大展弦比機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合分析與快速優(yōu)化

  更多相關(guān)文章： 多學(xué)科設(shè)計(jì)優(yōu)化 大展弦比機(jī)翼 氣動(dòng)結(jié)構(gòu)隱身耦合分析 序列采樣 代理模型 近似優(yōu)化策略 分解優(yōu)化策略

【摘要】：大展弦比機(jī)翼具有升阻比大、翼內(nèi)容積大的特點(diǎn),廣泛應(yīng)用于民航客機(jī)、運(yùn)輸機(jī)和長(zhǎng)航時(shí)無(wú)人機(jī)等航空飛行器。本文考慮大展弦比機(jī)翼柔性大的特點(diǎn),采用高精度分析模型進(jìn)行機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合分析,并引入自適應(yīng)代理模型與分級(jí)優(yōu)化的思想,完成大展弦比機(jī)翼的氣動(dòng)結(jié)構(gòu)隱身耦合快速優(yōu)化。主要研究?jī)?nèi)容如下:(1)開展基于高精度分析模型的大展弦比機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合分析。建立二維翼型和三維機(jī)翼的幾何參數(shù)化模型,使用計(jì)算流體力學(xué)(CFD)、有限元分析方法(FEA)和計(jì)算電磁學(xué)(CEM)方法建立機(jī)翼的氣動(dòng)、結(jié)構(gòu)和隱身學(xué)科的高精度分析模型。通過(guò)三維插值方法將氣動(dòng)力加載到結(jié)構(gòu)模型,通過(guò)獲得機(jī)翼前后緣控制點(diǎn)的坐標(biāo)來(lái)更新幾何模型,從而實(shí)現(xiàn)氣動(dòng)結(jié)構(gòu)耦合分析。在氣動(dòng)結(jié)構(gòu)耦合分析達(dá)到平衡狀態(tài)后,對(duì)變形后的機(jī)翼進(jìn)行隱身分析,最終完成機(jī)翼氣動(dòng)結(jié)構(gòu)隱身多學(xué)科耦合分析。通過(guò)對(duì)某大展弦比機(jī)翼進(jìn)行氣動(dòng)結(jié)構(gòu)隱身耦合分析,驗(yàn)證了上述耦合分析方法的合理性,并明確了在大展弦比機(jī)翼設(shè)計(jì)與優(yōu)化中考慮各學(xué)科耦合關(guān)系的必要性。(2)為了提高序列采樣的樣本點(diǎn)在設(shè)計(jì)空間的空間均布性與投影均勻性,本文提出了一種基于Maximin準(zhǔn)則的確定性序列拉丁超方采樣方法(S-SLE)。為了保證樣本點(diǎn)的投影均勻性,使用網(wǎng)格映射方法將已有樣本點(diǎn)映射到超棋盤格中;為了獲得更好的空間均布性,使用局部逐次枚舉方法確定新增樣本點(diǎn)。與Quasi-LHD、MIPT和MCSR等國(guó)際同類算法的對(duì)比研究表明S-SLE具有如下幾點(diǎn)優(yōu)勢(shì):1)S-SLE方法可以靈活地生成具有較高空間均布性和投影均勻性的序列樣本點(diǎn),并具有較高的魯棒性;2)S-SLE方法可以有效提高自適應(yīng)代理模型優(yōu)化方法的優(yōu)化效率與魯棒性。(3)為了降低大展弦比機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合優(yōu)化的計(jì)算成本,本為提出了一種基于自適應(yīng)代理模型和分解策略的氣動(dòng)結(jié)構(gòu)隱身耦合優(yōu)化框架。優(yōu)化過(guò)程分為兩個(gè)階段,第一個(gè)階段為翼型優(yōu)化,第二個(gè)階段為三維機(jī)翼優(yōu)化。翼型優(yōu)化結(jié)果將用來(lái)構(gòu)造三維機(jī)翼幾何模型,并在機(jī)翼優(yōu)化中保持不變。在機(jī)翼優(yōu)化中,將設(shè)計(jì)變量分為系統(tǒng)級(jí)和分系統(tǒng)級(jí)設(shè)計(jì)變量,使用自適應(yīng)代理模型優(yōu)化方法完成系統(tǒng)級(jí)優(yōu)化,使用Nastran中的序列二次規(guī)劃優(yōu)化器完成結(jié)構(gòu)分系統(tǒng)級(jí)優(yōu)化。提出了一種基于智能空間探索策略的自適應(yīng)代理模型優(yōu)化策略(即ARSM-ISES)。通過(guò)標(biāo)準(zhǔn)測(cè)試算例與ARSM、EGO以及MPS等國(guó)際知名的近似優(yōu)化策略進(jìn)行對(duì)比研究。研究結(jié)果表明ARSM-ISES策略的全局收斂性、優(yōu)化效率以及魯棒性均具有較顯著的優(yōu)勢(shì)。此外,針對(duì)機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合優(yōu)化問(wèn)題,提出了一種高效的二級(jí)優(yōu)化方法,并通過(guò)數(shù)值算例和簡(jiǎn)單的氣動(dòng)結(jié)構(gòu)耦合算例驗(yàn)證了該方法在求解耦合優(yōu)化問(wèn)題方面的效率優(yōu)勢(shì)。(4)采用氣動(dòng)、結(jié)構(gòu)以及隱身學(xué)科的高精度分析模型以及本文所提出的氣動(dòng)結(jié)構(gòu)隱身耦合優(yōu)化框架對(duì)某大展弦比機(jī)翼進(jìn)行多學(xué)科耦合設(shè)計(jì)優(yōu)化。二維翼型優(yōu)化使得翼型在滿足約束條件的情況下,升阻比提高了18.6%,平均雷達(dá)散射截面積降低了14.7%。通過(guò)三維機(jī)翼優(yōu)化,機(jī)翼的升阻比降低了1.5%,機(jī)翼結(jié)構(gòu)質(zhì)量降低了51.8%,平均雷達(dá)散射面積降低了68.6%,優(yōu)化后的機(jī)翼滿足所有約束條件,機(jī)翼的綜合性得以顯著提升,而真實(shí)模型的調(diào)用次數(shù)僅為51次�？梢�(jiàn),本文所研究的高精度分析模型與耦合優(yōu)化框架能夠有效的改善大展弦比機(jī)翼的氣動(dòng)結(jié)構(gòu)隱身綜合性能,并且能夠有效的降低計(jì)算成本,提高優(yōu)化效率。
【關(guān)鍵詞】：多學(xué)科設(shè)計(jì)優(yōu)化 大展弦比機(jī)翼 氣動(dòng)結(jié)構(gòu)隱身耦合分析 序列采樣 代理模型 近似優(yōu)化策略 分解優(yōu)化策略
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：V224
【目錄】：

• 摘要5-7
• Abstract7-15
• 第1章 緒論15-28
• 1.1 研究背景與意義15-17
• 1.2 大展弦比機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合分析與優(yōu)化概況17-21
• 1.2.1 氣動(dòng)結(jié)構(gòu)耦合分析概況17-18
• 1.2.2 隱身學(xué)科分析概況18-19
• 1.2.3 氣動(dòng)結(jié)構(gòu)隱身耦合優(yōu)化概況19-21
• 1.3 采樣方法研究現(xiàn)狀21-23
• 1.4 多學(xué)科設(shè)計(jì)優(yōu)化策略研究現(xiàn)狀23-26
• 1.4.1 分解策略研究現(xiàn)狀23-24
• 1.4.2 近似策略研究現(xiàn)狀24-26
• 1.5 本文主要內(nèi)容和章節(jié)安排26-28
• 第2章 氣動(dòng)結(jié)構(gòu)隱身耦合建模與分析28-48
• 2.1 引言28
• 2.2 參數(shù)化建模方法28-34
• 2.2.1 翼型參數(shù)化建模方法28-32
• 2.2.2 三維機(jī)翼參數(shù)化建模方法32-34
• 2.3 學(xué)科分析模型34-40
• 2.3.1 氣動(dòng)學(xué)科分析模型34-36
• 2.3.2 結(jié)構(gòu)學(xué)科分析模型36-38
• 2.3.3 隱身學(xué)科分析模型38-40
• 2.4 氣動(dòng)結(jié)構(gòu)隱身耦合分析模型40-43
• 2.5 氣動(dòng)結(jié)構(gòu)隱身耦合分析實(shí)例43-47
• 2.6 小結(jié)47-48
• 第3章 基于Maximin準(zhǔn)則的序列采樣方法研究48-72
• 3.1 引言48
• 3.2 S-SLE序列采樣策略48-57
• 3.2.1 網(wǎng)格映射算法48-51
• 3.2.2 基于Maximin準(zhǔn)則的序列采樣算法51-56
• 3.2.3 S-SLE方法的特性56-57
• 3.3 S-SLE方法采樣性能研究57-64
• 3.3.1 S-SLE方法與現(xiàn)有單次采樣方法對(duì)比58-60
• 3.3.2 S-SLE方法與現(xiàn)有序列采樣方法對(duì)比60-62
• 3.3.3 關(guān)于S-SLE方法的進(jìn)一步討論62-64
• 3.4 S-SLE方法在自適應(yīng)代理模型中的應(yīng)用64-70
• 3.5 小結(jié)70-72
• 第4章 基于自適應(yīng)代理模型和分解技術(shù)的優(yōu)化框架研究72-100
• 4.1 引言72
• 4.2 基于自適應(yīng)代理模型和分解策略的優(yōu)化框架72-74
• 4.3 自適應(yīng)代理模型優(yōu)化策略74-92
• 4.3.1 ARSM-ISES方法研究74-85
• 4.3.2 算法性能對(duì)比研究85-92
• 4.4 二級(jí)優(yōu)化策略92-99
• 4.4.1 二級(jí)優(yōu)化策略概述92-95
• 4.4.2 二級(jí)優(yōu)化策略數(shù)值算例對(duì)比研究95-96
• 4.4.3 二級(jí)優(yōu)化策略工程算例對(duì)比研究96-99
• 4.5 小結(jié)99-100
• 第5章 大展弦比機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合優(yōu)化100-110
• 5.1 引言100
• 5.2 翼型氣動(dòng)隱形優(yōu)化100-103
• 5.2.1 翼型優(yōu)化問(wèn)題描述100-101
• 5.2.2 翼型優(yōu)化結(jié)果與分析101-103
• 5.3 三維機(jī)翼氣動(dòng)結(jié)構(gòu)隱身耦合優(yōu)化103-108
• 5.3.1 機(jī)翼優(yōu)化問(wèn)題描述103-105
• 5.3.2 機(jī)翼優(yōu)化結(jié)果與分析105-108
• 5.4 小結(jié)108-110
• 第6章 總結(jié)與展望110-112
• 6.1 本文主要工作110-111
• 6.2 展望111-112
• 參考文獻(xiàn)112-121
• 攻讀碩士學(xué)位期間發(fā)表的論文與研究成果清單121-122
• 致謝122

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 孫子杰;毛根旺;栗金平;胡偉;黃先科;;隱身技術(shù)在飛行器上的應(yīng)用[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

，

本文編號(hào)：791035