發(fā)布時(shí)間：2023-04-07 21:45

　　在現(xiàn)代飛行器設(shè)計(jì)中,結(jié)合CFD(Computational Fluid Dynamics)技術(shù)與數(shù)值優(yōu)化理論的氣動(dòng)外形優(yōu)化設(shè)計(jì)方法已經(jīng)成為提升飛行器氣動(dòng)性能非常重要的手段�；诖砟Ｐ偷膬�(yōu)化方法由于具備高效全局優(yōu)化以及處理多目標(biāo)問題的能力,在氣動(dòng)外形優(yōu)化設(shè)計(jì)領(lǐng)域占有舉足輕重的地位。隨著設(shè)計(jì)師對(duì)卓越氣動(dòng)性能的不斷追求,氣動(dòng)優(yōu)化設(shè)計(jì)問題的復(fù)雜性日益凸顯,基于代理模型的氣動(dòng)優(yōu)化方法面臨著新的問題和挑戰(zhàn)。從設(shè)計(jì)空間層面來看,設(shè)計(jì)對(duì)象需要充足的變形范圍(尺度)以滿足全局優(yōu)化和創(chuàng)新設(shè)計(jì)的要求,同時(shí)需要足夠的設(shè)計(jì)變量數(shù)目(維度)以實(shí)現(xiàn)對(duì)復(fù)雜外形的精確控制。設(shè)計(jì)空間尺度和維度的增加會(huì)導(dǎo)致設(shè)計(jì)空間急劇膨脹,從而給代理模型氣動(dòng)優(yōu)化的效率和能力帶來嚴(yán)峻的考驗(yàn)。從目標(biāo)空間層面來看,設(shè)計(jì)對(duì)象需要更多的優(yōu)化目標(biāo)以應(yīng)對(duì)飛行器愈加苛刻的性能指標(biāo)。目標(biāo)空間維度的增加會(huì)導(dǎo)致多目標(biāo)優(yōu)化算法的性能急劇下降以及Pareto最優(yōu)解集可視化的難度增大。圍繞上述問題,本文對(duì)基于代理模型的高效氣動(dòng)優(yōu)化與高維多目標(biāo)問題開展了研究,首先研究了基于代理模型氣動(dòng)優(yōu)化的基本方法和關(guān)鍵技術(shù),然后對(duì)代理模型氣動(dòng)優(yōu)化方法所面臨的設(shè)計(jì)空間尺度、維度以及...

【文章頁數(shù)】：190 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文研究背景
    1.2 基于代理模型氣動(dòng)優(yōu)化設(shè)計(jì)的關(guān)鍵技術(shù)
        1.2.1 外形參數(shù)化方法
        1.2.2 網(wǎng)格變形技術(shù)
        1.2.3 代理模型方法
        1.2.4 數(shù)值優(yōu)化方法
        1.2.5 基于代理模型的加點(diǎn)優(yōu)化方法
    1.3 基于代理模型氣動(dòng)優(yōu)化設(shè)計(jì)方法面臨的問題與挑戰(zhàn)
        1.3.1 設(shè)計(jì)空間的尺度問題
        1.3.2 設(shè)計(jì)空間的維度問題
        1.3.3 目標(biāo)空間的維度問題
    1.4 論文的主要工作
第二章 外形參數(shù)化方法與網(wǎng)格變形技術(shù)
    2.1 外形參數(shù)化方法
        2.1.1 基函數(shù)線性疊加類翼型參數(shù)化方法
        2.1.2 基于多塊控制框的FFD參數(shù)化方法
    2.2 網(wǎng)格變形技術(shù)
        2.2.1 耦合四元數(shù)的IDW動(dòng)網(wǎng)格方法
        2.2.2 適用于多塊結(jié)構(gòu)網(wǎng)格的加速變形策略
        2.2.3 三維復(fù)雜構(gòu)型網(wǎng)格變形算例
    2.3 小結(jié)
第三章 基于代理模型的氣動(dòng)優(yōu)化設(shè)計(jì)方法
    3.1 氣動(dòng)特性數(shù)值計(jì)算方法
        3.1.1 控制方程
        3.1.2 湍流模型
        3.1.3 離散求解
        3.1.4 數(shù)值驗(yàn)證
    3.2 優(yōu)化搜索算法
        3.2.1 單目標(biāo)粒子群算法
        3.2.2 多目標(biāo)粒子群算法
    3.3 代理模型方法
        3.3.1 試驗(yàn)設(shè)計(jì)方法
        3.3.2 Kriging代理模型
        3.3.3 Kriging模型精度的影響因素研究
        3.3.4 基于HDMR的代理模型構(gòu)建方法
    3.4 基于代理模型的加點(diǎn)優(yōu)化方法
        3.4.1 MP加點(diǎn)準(zhǔn)則
        3.4.2 EI加點(diǎn)準(zhǔn)則
        3.4.3 混合加點(diǎn)方法
        3.4.4 約束處理方法
        3.4.5 多目標(biāo)加點(diǎn)方法
    3.5 基于代理模型的氣動(dòng)優(yōu)化設(shè)計(jì)算例
        3.5.1 NACA0012 翼型單目標(biāo)優(yōu)化
        3.5.2 RAE2822 翼型單目標(biāo)優(yōu)化
        3.5.3 RAE2822 翼型多目標(biāo)優(yōu)化
    3.6 小結(jié)
第四章 自適應(yīng)設(shè)計(jì)空間擴(kuò)展的氣動(dòng)優(yōu)化設(shè)計(jì)方法
    4.1 傳統(tǒng)代理模型氣動(dòng)優(yōu)化設(shè)計(jì)方法的局限性
    4.2 擴(kuò)展設(shè)計(jì)空間
    4.3 自適應(yīng)設(shè)計(jì)空間擴(kuò)展的氣動(dòng)優(yōu)化設(shè)計(jì)方法
    4.4 自適應(yīng)設(shè)計(jì)空間氣動(dòng)優(yōu)化設(shè)計(jì)算例
        4.4.1 NACA0012 翼型自適應(yīng)設(shè)計(jì)空間優(yōu)化
        4.4.2 RAE2822 翼型自適應(yīng)設(shè)計(jì)空間多目標(biāo)優(yōu)化
    4.5 小結(jié)
第五章 有效設(shè)計(jì)空間縮減的氣動(dòng)優(yōu)化設(shè)計(jì)方法
    5.1 高維設(shè)計(jì)空間代理模型優(yōu)化的問題
        5.1.1 設(shè)計(jì)空間維度對(duì)代理模型氣動(dòng)優(yōu)化的影響
        5.1.2 高維設(shè)計(jì)空間問題的解決方法
    5.2 有效設(shè)計(jì)空間的提取和重構(gòu)
        5.2.1 K-L變換
        5.2.2 有效設(shè)計(jì)空間的提取
        5.2.3 有效設(shè)計(jì)空間的重構(gòu)
    5.3 有效設(shè)計(jì)空間縮減的氣動(dòng)優(yōu)化設(shè)計(jì)方法
        5.3.1 函數(shù)優(yōu)化測(cè)試
        5.3.2 翼型優(yōu)化測(cè)試
    5.4 考慮配平的機(jī)翼-機(jī)身-平尾構(gòu)型氣動(dòng)優(yōu)化設(shè)計(jì)
    5.5 小結(jié)
第六章 高維多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì)與可視化方法
    6.1 高維多目標(biāo)優(yōu)化問題
        6.1.1 求解高維多目標(biāo)優(yōu)化問題的困難
        6.1.2 高維多目標(biāo)優(yōu)化問題的處理方法
    6.2 面向工程設(shè)計(jì)的高維多目標(biāo)粒子群算法
        6.2.1 MaOPSO的關(guān)鍵技術(shù)
        6.2.2 MaOPSO算法流程
        6.2.3 MaOPSO性能測(cè)試
    6.3 基于SOM的高維Pareto前緣可視化方法
        6.3.1 SOM網(wǎng)絡(luò)基本原理
        6.3.2 基于SOM的高維Pareto前緣可視化
    6.4 高維多目標(biāo)氣動(dòng)優(yōu)化設(shè)計(jì)算例
        6.4.1 旋翼翼型氣動(dòng)優(yōu)化設(shè)計(jì)
        6.4.2 戰(zhàn)斗機(jī)翼型氣動(dòng)優(yōu)化設(shè)計(jì)
    6.5 小結(jié)
第七章 總結(jié)與展望
    7.1 論文研究工作總結(jié)
    7.2 論文的創(chuàng)新點(diǎn)
    7.3 研究展望
參考文獻(xiàn)
致謝
攻讀博士學(xué)位期間發(fā)表論文和參加科研情況



本文編號(hào)：3785379