本文關(guān)鍵詞：基于CFD的復(fù)雜氣動(dòng)優(yōu)化與穩(wěn)健設(shè)計(jì)方法研究

  更多相關(guān)文章： 氣動(dòng)優(yōu)化設(shè)計(jì) 計(jì)算流體力學(xué) 代理模型 自由變形技術(shù) 穩(wěn)健設(shè)計(jì) 高維多目標(biāo)優(yōu)化 分層優(yōu)化 混沌多項(xiàng)式 目標(biāo)降維 旋翼翼型 BWB

【摘要】：飛行器氣動(dòng)優(yōu)化設(shè)計(jì)是現(xiàn)代CFD(Computational Fluid Dynamics)技術(shù)與優(yōu)化搜索方法相結(jié)合而形成的一個(gè)新的研究方向，是飛行器設(shè)計(jì)學(xué)科的重要組成部分。隨著航空科技的發(fā)展，對(duì)各類飛行器提出的各類性能需求不斷增加，同時(shí)要求也不斷提高，給飛行器氣動(dòng)特性設(shè)計(jì)提出了更多更復(fù)雜的設(shè)計(jì)要求，引發(fā)了高維多目標(biāo)設(shè)計(jì)問題；同時(shí)氣動(dòng)外形也更加復(fù)雜，需要對(duì)外形進(jìn)行精細(xì)設(shè)計(jì)，這使得設(shè)計(jì)變量數(shù)目不斷增加，造成了多設(shè)計(jì)變量問題；對(duì)于工程設(shè)計(jì)，要求飛行器性能更加穩(wěn)健可靠，需要通過設(shè)計(jì)來減小不確定性因素對(duì)飛行器性能的影響，對(duì)于氣動(dòng)設(shè)計(jì)需要開展穩(wěn)健設(shè)計(jì)問題研究。圍繞飛行器復(fù)雜優(yōu)化問題和穩(wěn)健性設(shè)計(jì)問題，本文首先開展了氣動(dòng)數(shù)值模擬方法的研究，開發(fā)了一套高效可靠的CFD計(jì)算程序，為氣動(dòng)優(yōu)化奠定了基礎(chǔ)。進(jìn)一步研究了氣動(dòng)外形參數(shù)化方法，優(yōu)化算法以及代理模型方法，以松散式代理模型管理框架耦合以上要素建立了氣動(dòng)優(yōu)化平臺(tái)。在本文優(yōu)化設(shè)計(jì)平臺(tái)的基礎(chǔ)上開展了復(fù)雜氣動(dòng)優(yōu)化問題研究和基于不確定分析的氣動(dòng)穩(wěn)健性設(shè)計(jì)研究工作。 本文主要完成了以下幾個(gè)方面的工作： 1.針對(duì)飛行器氣動(dòng)外形設(shè)計(jì)，開發(fā)了一套數(shù)值求解RANS(Reynolds Averaged Na-vier-Stokes)方程的高效氣動(dòng)分析程序，通過典型的航空氣動(dòng)算例驗(yàn)證了該程序的氣動(dòng)分析精度。研究了分區(qū)拼接網(wǎng)格的劃分與邊界插值策略，保證復(fù)雜流場(chǎng)計(jì)算精度要求的前提下，降低計(jì)算難度，提高計(jì)算效率；第二，針對(duì)邊界層轉(zhuǎn)捩對(duì)氣動(dòng)外形優(yōu)化設(shè)計(jì)的影響，開展了當(dāng)?shù)刈兞哭D(zhuǎn)捩模式研究，并將其引入CFD數(shù)值計(jì)算系統(tǒng)，進(jìn)行了典型的邊界層轉(zhuǎn)捩數(shù)值模擬，為層流技術(shù)研究應(yīng)用奠定了基礎(chǔ)。 2.為了解決復(fù)雜氣動(dòng)外形高效優(yōu)化設(shè)計(jì)技術(shù)問題，針對(duì)構(gòu)成氣動(dòng)外形優(yōu)化設(shè)計(jì)方法中的參數(shù)化方法、代理模型技術(shù)、優(yōu)化搜索算法三要素開展研究。首先，研究了多種翼型機(jī)翼參數(shù)化方法，包括CST參數(shù)化方法，F(xiàn)FD參數(shù)化方法，實(shí)現(xiàn)了從翼型到機(jī)翼以及到全機(jī)氣動(dòng)外形的參數(shù)化建模。針對(duì)三維復(fù)雜外形精細(xì)化設(shè)計(jì)，開發(fā)了基于NURBS基函數(shù)的FFD方法，有效解決了以Bezier基函數(shù)為基礎(chǔ)的FFD參數(shù)化方法設(shè)計(jì)空間不足，設(shè)計(jì)變量相關(guān)性強(qiáng)的問題；第二，開展了代理模型技術(shù)研究，重點(diǎn)以Kriging代理模型為例，，研究了設(shè)計(jì)變量維數(shù)對(duì)代理模型精度的影響，結(jié)果表明隨著設(shè)計(jì)變量數(shù)目的增加，代理模型精度急劇下降，構(gòu)造代理模型所需樣本數(shù)目迅速增加，出現(xiàn)了代理模型“維度災(zāi)難”問題。結(jié)合傳統(tǒng)的基于松散式代理模型管理框架的氣動(dòng)外形優(yōu)化設(shè)計(jì)方法，發(fā)現(xiàn)了由于受多設(shè)計(jì)變量對(duì)代理模型精度影響，導(dǎo)致了優(yōu)化搜索過程中基于代理模型優(yōu)化結(jié)果的“精度凍結(jié)”問題。針對(duì)多設(shè)計(jì)變量下的代理模型問題，建立了基于空間分區(qū)的代理模型構(gòu)造方法，提高了代理模型精度和構(gòu)造效率，并以此為基礎(chǔ)提出了基于分區(qū)代理模型的協(xié)同優(yōu)化管理框架，以典型的BWB(Blended-Wing-Body)布局運(yùn)輸機(jī)氣動(dòng)外形精細(xì)化設(shè)計(jì)為例，完成了BWB氣動(dòng)外形精細(xì)化優(yōu)化設(shè)計(jì)，驗(yàn)證了優(yōu)化設(shè)計(jì)方法。 3.開展了高維多目標(biāo)優(yōu)化研究，針對(duì)傳統(tǒng)多目標(biāo)優(yōu)化算法收斂困難及優(yōu)化結(jié)果難以進(jìn)一步?jīng)Q策等問題，采用PCA(Principal Component Analysis)分析方法進(jìn)行高維多目標(biāo)問題的主要目標(biāo)提取，針對(duì)該方法存在的問題，結(jié)合改進(jìn)ε-constraint優(yōu)化方法和工程分析，建立了分層多級(jí)約束優(yōu)化設(shè)計(jì)方法，采用該方法系統(tǒng)地進(jìn)行了旋翼翼型氣動(dòng)優(yōu)化設(shè)計(jì)研究，優(yōu)化結(jié)果表明分層多級(jí)約束方法很好地解決了旋翼翼型高維多目標(biāo)設(shè)計(jì)難題，最終得到了一套先進(jìn)的旋翼翼型族。 4.開展了氣動(dòng)穩(wěn)健設(shè)計(jì)研究，針對(duì)傳統(tǒng)的不確定性分析方法(蒙特卡洛取樣方法)計(jì)算耗時(shí)，效率低下等問題，引入PCE(Polynomial Chaos Expansion)混沌多項(xiàng)方法，以少數(shù)求積節(jié)點(diǎn)來構(gòu)造不確定性響應(yīng)模型，提高了分析計(jì)算效率；耦合PCE不確定分析方法和優(yōu)化設(shè)計(jì)系統(tǒng)建立了考慮飛行狀態(tài)不確定性的氣動(dòng)穩(wěn)健設(shè)計(jì)模型，通過超臨界翼型穩(wěn)健設(shè)計(jì)對(duì)文中方法進(jìn)行了驗(yàn)證，并與傳統(tǒng)的基于MCS(Monte Carlo Simulation)模擬的穩(wěn)健設(shè)計(jì)方法進(jìn)行了對(duì)比，結(jié)果表明本文方法是高效可靠的，在此基礎(chǔ)上開展了層流超臨界翼型穩(wěn)健優(yōu)化設(shè)計(jì)工作。
【關(guān)鍵詞】：氣動(dòng)優(yōu)化設(shè)計(jì) 計(jì)算流體力學(xué) 代理模型 自由變形技術(shù) 穩(wěn)健設(shè)計(jì) 高維多目標(biāo)優(yōu)化 分層優(yōu)化 混沌多項(xiàng)式 目標(biāo)降維 旋翼翼型 BWB
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：V221.3
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-12
• 第一章 緒論12-22
• 1.1 論文研究背景12-15
• 1.2 復(fù)雜氣動(dòng)優(yōu)化設(shè)計(jì)研究15-17
• 1.2.1 多變量?jī)?yōu)化設(shè)計(jì)15-16
• 1.2.2 高維多目標(biāo)優(yōu)化16-17
• 1.3 穩(wěn)健優(yōu)化設(shè)計(jì)17-18
• 1.4 氣動(dòng)外形優(yōu)化設(shè)計(jì)面臨的主要問題18-20
• 1.4.1 氣動(dòng)特性分析方法的困境19
• 1.4.2 大規(guī)模優(yōu)化設(shè)計(jì)問題19
• 1.4.3 高維多目標(biāo)設(shè)計(jì)難題19
• 1.4.4 氣動(dòng)穩(wěn)健設(shè)計(jì)對(duì)氣動(dòng)設(shè)計(jì)帶來的挑戰(zhàn)19-20
• 1.5 論文主要工作20-22
• 第二章 氣動(dòng)特性評(píng)估及數(shù)值模擬22-52
• 2.1 控制方程及其離散求解22-28
• 2.1.1 控制方程22-24
• 2.1.2 有限體積方法24-25
• 2.1.3 空間離散25-26
• 2.1.4 時(shí)間推進(jìn)26-28
• 2.2 湍流模型28-31
• 2.2.1 雷諾平均方程28-29
• 2.2.2 Spalart-Allmaras 湍流模型29-30
• 2.2.3 Menter s k- SST 湍流模型30-31
• 2.3 CFD 方法數(shù)值驗(yàn)證31-38
• 2.3.1 RAE-2822 翼型31-32
• 2.3.2 SC1095 旋翼翼型32-35
• 2.3.3 DLR-F6 翼身組合體算例35-38
• 2.4 分區(qū)拼接網(wǎng)格技術(shù)38-45
• 2.4.1 拼接網(wǎng)格原理38-39
• 2.4.2 拼接區(qū)域?qū)τ?jì)算結(jié)果的影響39-41
• 2.4.3 拼接面網(wǎng)格比例與插值精度41-43
• 2.4.4 NASA 高升力構(gòu)型拼接網(wǎng)格數(shù)值模擬43-45
• 2.5 邊界層轉(zhuǎn)捩數(shù)值模擬45-51
• 2.5.1 基于當(dāng)?shù)刈兞康霓D(zhuǎn)捩模式45-48
• 2.5.2 NLR-7301 超臨界翼型48-49
• 2.5.3 MD30P/30N 多段翼型49-51
• 2.6 小結(jié)51-52
• 第三章 基于代理模型的復(fù)雜氣動(dòng)優(yōu)化設(shè)計(jì)52-93
• 3.1 氣動(dòng)外形參數(shù)化方法52-58
• 3.1.1 基于 CST 方法的翼型參數(shù)化52-54
• 3.1.2 三維復(fù)雜外形參數(shù)化方法54-58
• 3.2 單目標(biāo)優(yōu)化搜索算法58-65
• 3.2.1 MADS 算法59-60
• 3.2.2 遺傳算法60-62
• 3.2.3 粒子群算法62-63
• 3.2.4 優(yōu)化算法性能測(cè)試63-65
• 3.3 代理模型技術(shù)65-75
• 3.3.1 試驗(yàn)設(shè)計(jì)65-66
• 3.3.2 Kriging 代理模型66-69
• 3.3.3 代理模型精度校驗(yàn)69-72
• 3.3.4 設(shè)計(jì)變量維數(shù)對(duì)代理模型的影響72-75
• 3.4 松散式代理模型管理框架75-84
• 3.4.1 松散式代理模型管理框架76
• 3.4.2 超臨界翼型優(yōu)化設(shè)計(jì)76-79
• 3.4.3 BWB(翼身融合)氣動(dòng)優(yōu)化設(shè)計(jì)79-84
• 3.5 基于分區(qū)代理模型的協(xié)同優(yōu)化管理框架84-88
• 3.5.1 基于空間分區(qū)的代理模型構(gòu)建84-86
• 3.5.2 基于分區(qū)代理模型的協(xié)同優(yōu)化管理框架86-88
• 3.6 BWB(翼身融合)氣動(dòng)分區(qū)協(xié)同優(yōu)化設(shè)計(jì)88-92
• 3.7 小結(jié)92-93
• 第四章 高維多目標(biāo)優(yōu)化設(shè)計(jì)93-119
• 4.1 高維多目標(biāo)優(yōu)化93-101
• 4.1.1 標(biāo)量化方法94-95
• 4.1.2 帶精英策略的快速非支配排序遺傳算法（NSGA-II）95-98
• 4.1.3 目標(biāo)維度災(zāi)難98-101
• 4.2 目標(biāo)降維101-104
• 4.2.1 目標(biāo)關(guān)系101
• 4.2.2 基于 PCA 方法的目標(biāo)降維101-104
• 4.3 分層約束優(yōu)化方法104-108
• 4.3.1 變約束雙目標(biāo)優(yōu)化104-106
• 4.3.2 分層多級(jí)約束方法106-108
• 4.4 旋翼翼型高維多目標(biāo)設(shè)計(jì)108-118
• 4.4.1 旋翼翼型設(shè)計(jì)要求110-111
• 4.4.2 基于多目標(biāo)進(jìn)化算法的旋翼翼型設(shè)計(jì)111-116
• 4.4.3 優(yōu)化設(shè)計(jì)結(jié)果116-118
• 4.5 小結(jié)118-119
• 第五章 不確定性分析及穩(wěn)健設(shè)計(jì)119-140
• 5.1 穩(wěn)健設(shè)計(jì)基本概念119-121
• 5.2 不確定性分類與分析121-123
• 5.3 混沌多項(xiàng)式方法123-130
• 5.3.1 混沌多項(xiàng)式展開法123-125
• 5.3.2 均值與方差計(jì)算125-126
• 5.3.3 函數(shù)測(cè)試126-128
• 5.3.4 不確定性分析氣動(dòng)測(cè)試128-130
• 5.4 氣動(dòng)穩(wěn)健設(shè)計(jì)框架及其驗(yàn)證130-135
• 5.4.1 氣動(dòng)穩(wěn)健設(shè)計(jì)框架130-132
• 5.4.2 超臨界翼型穩(wěn)健設(shè)計(jì)132-135
• 5.5 層流超臨界翼型穩(wěn)健設(shè)計(jì)135-139
• 5.5.1 設(shè)計(jì)模型135-136
• 5.5.2 氣動(dòng)特性分析136-137
• 5.5.3 壓力分布及摩阻分布對(duì)比137-138
• 5.5.4 壓力梯度與轉(zhuǎn)捩位置138-139
• 5.6 小結(jié)139-140
• 第六章 總結(jié)與展望140-143
• 6.1 研究結(jié)論及論文創(chuàng)新點(diǎn)140-142
• 6.2 展望142-143
• 參考文獻(xiàn)143-157
• 攻讀博士學(xué)位期間發(fā)表論文和參加科研情況157-158
• 致謝158-159

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃江濤;高正紅;趙軻;白俊強(qiáng);;考慮機(jī)身干擾的超臨界機(jī)翼穩(wěn)健型優(yōu)化設(shè)計(jì)(英文)[J];Chinese Journal of Aeronautics;2010年05期

2 王曉東;康順;;多項(xiàng)式混沌方法在隨機(jī)方腔流動(dòng)模擬中的應(yīng)用[J];中國科學(xué):技術(shù)科學(xué);2011年06期

3 徐崗;汪國昭;陳小雕;;自由變形技術(shù)及其應(yīng)用[J];計(jì)算機(jī)研究與發(fā)展;2010年02期

4 李新亮;傅德薰;馬延文;;可壓縮尖錐邊界層湍流的直接數(shù)值模擬[J];中國科學(xué)(G輯:物理學(xué) 力學(xué) 天文學(xué));2008年01期

5 孫玉娥;林滸;蓋榮麗;;基于速度平滑控制的高效非均勻有理B樣條曲線插補(bǔ)算法[J];計(jì)算機(jī)集成制造系統(tǒng);2008年11期

6 陳入領(lǐng),潘雙夏,沈彤;穩(wěn)健設(shè)計(jì)研究現(xiàn)狀[J];機(jī)械設(shè)計(jì);2003年08期

7 王曉鵬,高正紅;基于遺傳算法的翼型氣動(dòng)優(yōu)化設(shè)計(jì)[J];空氣動(dòng)力學(xué)學(xué)報(bào);2000年03期

8 丁繼鋒;李為吉;張勇;唐偉;;基于響應(yīng)面的翼型穩(wěn)健設(shè)計(jì)研究[J];空氣動(dòng)力學(xué)學(xué)報(bào);2007年01期

9 陳奕;高正紅;;Gamma-Theta轉(zhuǎn)捩模型在繞翼型流動(dòng)問題中的應(yīng)用[J];空氣動(dòng)力學(xué)學(xué)報(bào);2009年04期

10 孔維健;丁進(jìn)良;柴天佑;;高維多目標(biāo)進(jìn)化算法研究綜述[J];控制與決策;2010年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 王宇;基于不確定性的優(yōu)化方法及其在飛機(jī)設(shè)計(jì)中的應(yīng)用[D];南京航空航天大學(xué);2010年

2 韋東來;汽車覆蓋件成形工藝的穩(wěn)健優(yōu)化與容差分析[D];上海交通大學(xué);2009年

3 陳國棟;基于代理模型的多目標(biāo)優(yōu)化方法及其在車身設(shè)計(jì)中的應(yīng)用[D];湖南大學(xué);2012年

4 徐鶴鳴;多目標(biāo)粒子群優(yōu)化算法的研究[D];上海交通大學(xué);2013年

本文編號(hào)：881774