采用知识迁移加速的智能气动设计优化方法

为缩短精细气动形状设计优化所需的最少性能评估次数与任务周期内所能容许的最大性能评估次数之间的差距,基于机器学习领域迁移学习理念,开展了采用知识迁移加速的智能气动设计优化方法研究。首先,搭建了翼型变分自编码器模型,利用其解码器实现了气动形状的智能参数化,同时借助其编码器将已完成任务样本统一至目标任务参数化空间;其次结合单保真度和多保真度代理模型,建立了贝叶斯迁移优化算法;然后,将翼型变分自编码器模型与贝叶斯迁移优化算法相结合,搭建了智能气动形状迁移优化框架;最后,通过任务相关性分析对知识迁移加速优化过程的机理进行了讨论。研究结果表明:通过开展翼型设计优化,智能气动形状迁移优化框架所获得的最优解中位数相较于无知识迁移的变分自编码器优化方法,性能提升了4.8%,比其他各参比方法提升了19.9%以上,验证了该知识迁移策略的有效性。

屋盖气动抗风体型优化

借助CFD有限元软件,采用数值模拟的方法,分别针对平面、球面以及柱面屋盖部位的风压情况进行了模拟分析。基于不同体型屋盖的表面风压随矢跨比的变化规律,进行了数据再加密,以寻找较为性能优越的球面、柱面抗风矢跨比;对尖锐边角倒圆角设置,对平屋盖抗风性能的影响进行了研究。结果表明:球面屋盖矢跨比为1/6时,屋盖迎风前缘区域钝体效应造成的负压极值与屋顶流线体气流弱分离造成的情况基本一致,整个球面屋盖范围内具有最小的负压极值,局部抗风能力表现最优;对于柱面屋盖来说,当矢跨比为1/7时,侧墙同屋盖连接部位区域由锥形涡造成的负压极值,与屋盖迎风前缘区域由钝体效应造成的压力情况基本一致,屋盖整体范围内的风压情况以及局部抗风性能,同球面屋盖类似;尖锐边角倒圆角设置,可显著平屋盖削弱锥形涡作用,实现了降低局部风压的目的,倒角半径达到8m时,负压极值降低到最低。