翼型多目标气动优化设计方法ppt课件

1、王一伟王一伟20192019年年5 5月月 导言导言什么是优化什么是优化 优化设计战略优化设计战略优化设计的任务流程优化设计的任务流程翼型表示方法翼型表示方法优化设计算法优化设计算法数值模拟方法数值模拟方法 优化算例优化算例NACA0012多目的遗传算法算例多目的遗传算法算例多目的模拟退火算法算例多目的模拟退火算法算例 结论结论导言 什么是优化优化包含的要素 设计变量 计算过程 计算结果 优化目的 优化算法优化设计战略优化设计的任务流程优化设计的任务流程翼型表示方法翼型表示方法优化设计算法优化设计算法数值模拟方法数值模拟方法优优化化算算法法2、计算翼型曲线3、gambit生成网格4、Fluen

2、t计算6、能否满足终止条件1、生成初始参数程序终止7、由modelFRONTIER的优化算法生成一组新的参数5、得到Cl,Cd,Cl/Cd否是设计变量设计变量计算过程计算过程结果结果目的目的翼型表示方法翼型表示方法 解析函数外形扰动方法解析函数外形扰动方法 为为Hicks-Henne函数簇：函数簇： m、n为参数为参数00( )( )( )niiiy xyxf xln(0.5)ln()( ,)sinnmifx m nxifi即为设计变量，改动i的值即可得到一系列光滑翼型Hicks-HenneHicks-Henne函数簇：函数满足的条件函数簇：函数满足的条件 参数参数m m对应函数极值点的位置，

3、函数在对应函数极值点的位置，函数在x=mx=m点处取到最大值点处取到最大值1 1，向两侧迅速减小；，向两侧迅速减小； 函数在函数在0 0、1 1点对应取点对应取0 0值，保证了上下一面结合处的延续性；值，保证了上下一面结合处的延续性； 参数参数n n对应函数的外形，对应函数的外形，n n的值越大，函数峰值两侧下降的速度越快；的值越大，函数峰值两侧下降的速度越快； 函数在函数在x=0 x=0点导数为零，这就保证了上下翼面在点导数为零，这就保证了上下翼面在0 0点结合处的光滑性。点结合处的光滑性。 Hicks-HenneHicks-Henne函数簇：函数图形函数簇：函数图形 mi=0.1 mi=0

4、.1、0.30.3、0.50.5、0.70.7、0.90.9 ni =3 ni =3 、 3 3 、 3 3 、 3 3 、 1 (i=1 1 (i=1、2 2、3 3、4 4、5)5)优化设计算法：遗传算法优化设计算法：遗传算法 简 单 遗 传 算 法 的 遗 传 操 作 主 要 有 三 种简 单 遗 传 算 法 的 遗 传 操 作 主 要 有 三 种 : : 选 择选 择(selection)(selection)、杂交、杂交(cross-over)(cross-over)、变异、变异(mutation)(mutation)。 选择操作根据个体的顺应度函数值所度量的优劣程选择操作根据个体的

5、顺应度函数值所度量的优劣程度决议它在下一代是被淘汰还是被遗传。度决议它在下一代是被淘汰还是被遗传。 杂交算法交换随机挑选的两个个体的某些位，杂交算法交换随机挑选的两个个体的某些位， 变异算子那么直接对一个个体中的随机挑选的某一变异算子那么直接对一个个体中的随机挑选的某一位进展突变。位进展突变。优化设计算法：模拟退火算法优化设计算法：模拟退火算法 模拟退火算法是一种基于模拟退火算法是一种基于Monte Monte Carlo Carlo 迭代求解的启发式随机搜索算迭代求解的启发式随机搜索算法，它源于固体退火原理，首先将固法，它源于固体退火原理，首先将固体加温至充分高，使固体内部的粒子体加温至充分

6、高，使固体内部的粒子变为无序状，内能增大，再让其徐徐变为无序状，内能增大，再让其徐徐冷却，粒子渐趋有序，最后在常温时冷却，粒子渐趋有序，最后在常温时到达基态，内能减为最小。模拟退火到达基态，内能减为最小。模拟退火算法用内能算法用内能E E模拟目的函数，用温度模拟目的函数，用温度T T作为控制参数。作为控制参数。 优化设计算法：多目的算法及约束条件优化设计算法：多目的算法及约束条件处置处置 Pareto Pareto边境的处置方法：仅对边境的处置方法：仅对ParetoPareto边境进展操作，这边境进展操作，这就同时思索到了每个目的的进展，并且能大大简化运就同时思索到了每个目的的进展，并且能大大

7、简化运算。算。 权系数权系数wiwi处置为函数：用一定的算法计算当前处置为函数：用一定的算法计算当前wiwi的的值以消除操作中的客观要素，使得对每个目的的处置值以消除操作中的客观要素，使得对每个目的的处置更有效。更有效。 ni 1objwiiF 利用Gambit生成构造化网格能大大提高FLUENT的计算速度和精度。数值模拟方法：网格生成数值模拟方法：网格生成数值模拟方法：流场计算数值模拟方法：流场计算 本文选择本文选择N-S方程作为流场方程作为流场计算的主控方程，湍流方式计算的主控方程，湍流方式运用运用Spalart-AllmarasS-A模型，边境采用远场压模型，边境采用远场压力条件采用一阶

8、迎风差分格力条件采用一阶迎风差分格式离散控制方程。式离散控制方程。 我们首先验证了翼型在我们首先验证了翼型在不同攻角下的气动性能，其不同攻角下的气动性能，其中，中，2o 攻角，攻角，2.63马赫下马赫下，计算值与实验值的压力系，计算值与实验值的压力系数曲线对比方图。证明了流数曲线对比方图。证明了流场计算模型和参数的选择是场计算模型和参数的选择是相当有效的。相当有效的。优化算例及结果 多目的遗传算法多目的遗传算法MOGA)算例算例 多目的模拟退火算法多目的模拟退火算法(MOSA)算例算例 结果讨论结果讨论 优化算例的设计要求优化算例的设计要求 初始翼型选用NACA0012，Ma=0.75，迎角2

9、.57o ； 优化后翼型的最大厚度不小于原始翼型的厚度； 要求提高升力、降低阻力、提高升阻比。优化算例：翼型及压力系数曲线优化算例：翼型及压力系数曲线对比对比优化前后机翼外形及压力系数对比曲线优化前后机翼外形及压力系数对比曲线MOGA算例：结果表格算例：结果表格 ClCdCl/Cd初始翼型(2.57o)0.43630.024218.03中间翼型(2.57o)0.57800.017832.47优化翼型(2.57o)0.68120.013450.84优化翼型(1.829 o)0.52370.011545.54表1、多目的遗传算法优化结果表格MOSA算例：结果表格算例：结果表格 ClCdCl/Cd初始翼型(2.57o)0.43630.024218.03中间翼型(2.57o)0.49680.016130.86优化翼型(2.57o)0.52060.010947.76优化翼型(2.5969 o)0.52730.0109648.11表2、多目的模拟退火算法优化结果MOGA算例：图形对比算例：图形对比MOGA优化前后流场等马赫数曲线及翼面附近速度矢量图 MOSA算例：图形对比算例：图形对比MOSA优化前