基于自适应增量Kriging模型的多目标稳健优化设计方法

提出了一种自适应增量Kriging模型的多目标稳健优化设计方法。依据结构特征及优化目标,构建了增量Kriging代理模型,并提出混合加点采样策略,提高增量Kriging代理模型的自适应性;提出了柯西变异多目标粒子群优化(CMMOPSO)算法,通过改进惯性权重因子、个体学习因子和社会学习因子,同时引入柯西变异策略,提高优化模型求解的效率和精度;构建以结构相关参数为设计变量、性能指标标准差为目标、3σ变量缩减区间为约束的优化模型,综合CMMOPSO算法和灰色关联分析获得多目标稳健优化最优解。算例分析结果表明,所提方法不仅能够以较少的性能函数调用次数获得高精度结构优化模型,而且优化结果与传统方法相比,收敛速度更快、稳健性更好。

基于CST参数化方法气动优化设计研究

翼型及机翼优化设计中,设计变量的个数对优化算法的收敛速度及代理模型的精度有很大的影响。因此,在精确描述翼型的同时,发展较少设计变量的翼型参数化方法对翼型优化设计有着重要的意义。本文基于CST(class function/shape function transformation)翼型参数化方法对Kriging模型的预测精度进行研究,并采用改进的粒子群优化算法构建气动优化设计系统。某亚声速机翼单点减阻设计及超临界翼型的稳健性设计表明该系统具有较高的设计质量,方法可靠,有较高的工程应用前景。

考虑机翼尾流影响的运输类飞机后体气动外形优化设计（英文）

在某典型运输机翼身组合体的构型上,进行了考虑机翼尾流影响的机身后体气动外形优化设计研究。基于翼身组合体构型建立了考虑尾流影响和部分工程约束的优化设计系统,并对后体构型在巡航状态下进行了优化设计。以比较适合描述后体变形的NURBS样条基函数为空间控制体属性引入FFD自由变形技术,通过在FFD控制框架对该运输机后体进行了空间属性构建。采用无限差值动网格技术提高空间网格的更新效率并保证网格质量。利用改进Kriging代理模型、量子粒子群优化算法提高优化效率和全局寻优能力。为减小巡航阻力,对某运输机后体的上翘角、截面形状等参数进行了优化设计,优化结果显示,设计后的机身气动特性明显提高。

考虑机身干扰的机翼气动外形综合优化

由于受机身绕流的影响,后掠机翼翼根的流动非常复杂,翼根气动设计是后掠机翼气动设计的难点。本章发展了基于Kriging代理模型的双层粒子群优化算法,结合雷诺平均N-S方程流场求解器进行了考虑机身干扰的机翼气动外形综合优化研究,在保证机翼相对厚度和容积不减的前提下降低了气动阻力、低头力矩和翼根弯矩。而考虑非设计巡航状态的多点综合优化使设计机翼具有良好的鲁棒性。

基于车轮磨耗和舒适度的CRH3型动车组型面优化研究

随着我国高速列车运营里程不断增大,车辆车轮磨耗日益突出,旅客舒适度近一步降低。车轮磨耗带来的次生问题已经严重影响着我国高速铁路运营的经济性。而这些问题的核心在于轮轨接触关系的变化,该研究在原有车轮型面的基础上,采用了旋转压缩微调法进行车轮型面设计。以车轮踏面磨耗和舒适度为优化目标,采用Kriging代理模型(KSM)和粒子群优化(PSO)算法优化出最优型面。并对优化后型面的轮轨接触特性,动力学特性和车轮磨耗进行仿真分析。结果表明:优化后型面其轮轨接触点分布更加均匀,轮轨最大接触应力进一步减小;同时其临界速度进一步提高,增大了35km/h;在直线和曲线工况下,横向平稳性指标有了进一步降低;优化后型面其轮轨磨耗性能进一步提高,最大磨耗深度减小13.4%。

基于曲线通过性能的地铁车辆动刚度转臂节点参数优化

地铁线路小曲线段众多,造成了地铁车辆车轮磨耗严重。当一系转臂定位节点采用考虑频变特性的变刚度转臂定位节点时,可以有效提高车辆的曲线通过性能和稳定性。首先,建立基于变刚度转臂定位节点的地铁车辆动力学模型,并分析其相关频变特性。然后,通过采用Kriging surrogate model-particle swarm optimization(KSM-PSO)算法对于变刚度转臂定位节点参数进行优化,其中以车轮磨耗和车体横向平稳性为优化目标,进一步优化出适合地铁车辆的变刚度模型节点参数。结果表明:采用优化后的参数其临界速度为211.8 km/h,相对于定刚度模型临界速度增大4.1%,优化后节点参数进一步降低了脱轨系数和轮轴横向力。最后,分析优化后参数对于小曲线段车轮磨耗的影响,曲线外侧车轮磨耗减小31.4%,曲线内侧车轮磨耗较优化前减小22.4%。因此,优化后动刚度转臂节点参数能够提升地铁车辆曲线通过性能并减小车轮小曲线上的磨耗。

组合加点准则的代理辅助多目标粒子群优化

针对小样本数据构建代理模型初期优化效率低、模型精度差的问题,文中提出组合加点准则的代理辅助多目标粒子群优化算法。该算法通过加权平均法将Kriging模型和径向基函数网络模型组合成异构集成模型,使用改善期望准则和最小化代理模型预测准则相结合的组合加点准则对代理模型进行管理,加快了模型收敛速度。此外,该算法采用实际目标函数对每次迭代中增加的样本点进行评估,并对代理模型进行更新以增加模型准确性。实验结果表明,在适应度函数评估次数上,所提算法与非代理模型算法相比减少了10倍,证明该算法可提高代理模型的优化效率及准确性,并在勘探与开发之间取得了更好的平衡。

基于POD-PCE-Kriging模型的航空发动机高维多目标优化

针对于传统的航空发动机燃烧室设计过程计算周期长,加工和试验成本高,制约发动机设计周期的问题,基于航空发动机燃烧室模型,结合POD-PCE-Kriging(本征正交分解-多项式混沌展开-Kriging)模型和粒子群优化(PSO)算法开展了燃烧性能代理模型的构建和多目标优化设计。通过试验,应用POD-PCE-Kriging模型预测结果与一维程序计算结果进行对比分析,针对于燃烧效率和总压损失预测值的方均根误差分别为0.006 3%和0.122 7%。对设计变量参数开展寻优,并对获取的Pareto最优解集进行了分析,为满足性能指标的先进航空发动机燃烧室设计提供了物理见解,可以快速准确获得满足最优性能的设计参数,缩短航空发动机的研制周期。

考虑螺旋桨滑流影响的机翼气动优化设计

涡桨飞机的机翼、短舱等部件在滑流作用下周围的流场特性与无滑流状态下截然不同。所以,应该在涡桨飞机的机翼气动设计过程中考虑螺旋桨滑流的影响,从而使得机翼在真实飞行时滑流作用下表现出更好的气动特性。采用基于雷诺平均Navier-Stokes方程的多重参考坐标系(MRF)方法对螺旋桨滑流进行高精度准定常数值模拟,通过自由变形(FFD)技术实现螺旋桨飞机机翼的参数化构建,应用径向基函数(RBF)插值的动网格技术进行网格自动生成,获得样本机翼在滑流影响下的气动数据后,建立目标函数和状态函数的Kriging代理模型,结合随机权重粒子群优化(PSO)算法、Kriging代理模型和对应的EI(Expected Improvement)函数加点准则进行加样本点以及代理模型重建,从而建立滑流影响下机翼气动优化设计系统。使用该系统对某型螺旋桨飞机进行了滑流影响下的优化设计,结果表明,优化后的构型机翼和短舱在巡航状态下减阻达3.98counts,升阻比提高了3.325%。因此,建立的考虑滑流影响下的机翼优化设计方法是可行的。