翼型多目标气动优化设计方法.pptx

翼型多目标气动优化翼型多目标气动优化翼型多目标气动优化翼型多目标气动优化 设计方法设计方法设计方法设计方法王一伟王一伟20052005年年5 5月月总述总述 导言导言n什么是优化什么是优化 优化设计策略优化设计策略n优化设计的工作流程优化设计的工作流程n翼型表示方法翼型表示方法n优化设计算法优化设计算法n数值模拟方法数值模拟方法 优化算例优化算例（NACA0012）n多目标遗传算法算例多目标遗传算法算例n多目标模拟退火算法算例多目标模拟退火算法算例 结论结论导言 什么是优化什么是优化优化包含的要素 设计变量设计变量 计算过程计算过程 计算结果计算结果 优化目标优化目标 优化算法优化算法优化设计策略优化设计的工作流程优化设计的工作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、Fluent计算6、是否满足终止条件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标目标翼型表示方法翼型表示方法 解析函数形状扰动方法解析函数形状扰动方法 为为Hicks-HenneHicks-Henne函数簇函数簇：m、n为参数为参数i i即为设计变量，改变即为设计变量，改变i i的值即可得到的值即可得到一系列光滑翼型一系列光滑翼型Hicks-HenneHicks-Henne函数簇函数簇：函数满足的条件函数满足的条件 参数参数m m对应函数极值点的位置，函数在对应函数极值点的位置，函数在x=mx=m点处取到最点处取到最大值大值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连值，保证了上下一面结合处的连续性；续性；参数参数n n对应函数的形状，对应函数的形状，n n的值越大，函数峰值两侧下的值越大，函数峰值两侧下降的速度越快；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点结点结合处的光滑性。合处的光滑性。Hicks-HenneHicks-Henne函数簇函数簇：函数图形函数图形 m mi i=0.1=0.1、0.30.3、0.50.5、0.70.7、0.90.9 n ni i=3 =3 、3 3、3 3、3 3、1 (i=11 (i=1、2 2、3 3、4 4、5)5)优化设计算法优化设计算法：遗传算法遗传算法 简简单单遗遗传传算算法法的的遗遗传传操操作作主主要要有有三三种种:选选择择(selection)selection)、杂杂 交交(cross-over)cross-over)、变变 异异(mutation)mutation)。选选择择操操作作根根据据个个体体的的适适应应度度函函数数值值所所度度量量的的优优劣劣程程度决定它在下一代是被淘汰还是被遗传。度决定它在下一代是被淘汰还是被遗传。杂交算法杂交算法交换随机挑选的两个个体的某些位，交换随机挑选的两个个体的某些位，变变异异算算子子则则直直接接对对一一个个个个体体中中的的随随机机挑挑选选的的某某一一位位进行突变。进行突变。优化设计算法：优化设计算法：模拟退火算法模拟退火算法 模拟退火算法是一种基于模拟退火算法是一种基于Monte Carlo Monte Carlo 迭迭代求解的代求解的启发式随机搜索算法启发式随机搜索算法，它源于固体，它源于固体退火原理，首先将固体加温至充分高，使固退火原理，首先将固体加温至充分高，使固体内部的粒子变为无序状，内能增大，再让体内部的粒子变为无序状，内能增大，再让其徐徐冷却，粒子渐趋有序，最后在常温时其徐徐冷却，粒子渐趋有序，最后在常温时达到基态，内能减为最小。模拟退火算法用达到基态，内能减为最小。模拟退火算法用内能内能E E模拟模拟目标函数目标函数，用温度，用温度T T作为作为控制参数控制参数。优化设计算法优化设计算法：多目标算法及约束条件处理多目标算法及约束条件处理 ParetoPareto边界边界的处理方法：仅对的处理方法：仅对ParetoPareto边界进行操作，这边界进行操作，这就同时考虑到了每个目标的进展，并且能大大简化运就同时考虑到了每个目标的进展，并且能大大简化运算。算。权系数权系数w wi i处理为函数：处理为函数：用一定的算法计算当前用一定的算法计算当前w wi i的的值以消除操作中的主观因素，使得对每个目标的处理值以消除操作中的主观因素，使得对每个目标的处理更有效。更有效。利用利用GambitGambit生成生成结构化网格能大大提结构化网格能大大提高高FLUENTFLUENT的计算速度的计算速度和精度。和精度。数值模拟方法数值模拟方法：网格生成网格生成数值模拟方法数值模拟方法：流场计算流场计算 本文选择本文选择N-S方程方程作为流场作为流场计算的计算的主控方程主控方程，湍流模式，湍流模式使用使用Spalart-Allmaras（S-A）模型）模型，边界采用，边界采用远场压远场压力条件力条件采用采用一阶迎风差分格一阶迎风差分格式式离散控制方程。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不同攻角下的下的气动性能气动性能，其，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数计算值与实验值的压力系数曲线对比如图。证明了流场曲线对比如图。证明了流场计算模型和参数的选择是相计算模型和参数的选择是相当有效的。当有效的。优化算例及结果 多目标遗传算法（多目标遗传算法（MOGA)算例算例 多目标模拟退火算法多目标模拟退火算法(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2.57o；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。优化算例优化算例：翼型及压力系数曲线对比翼型及压力系数曲线对比优化前后机翼形状及压力系数对比曲线优化前后机翼形状及压力系数对比曲线MOGA算例：算例：结果表格结果表格 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、多目标遗传算法优化结果表格MOSA算例：算例：结果表格结果表格 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、多目标模拟退火算法优化结果MOGA算例：算例：图形对比图形对比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：算例：图形对比图形对比MOSA优化前后流场等马赫数曲线图 MOGA优化后翼型升阻比提高182.0%，而其中形状变化带来的提高是152.6%，其余部分则源自有效攻角的增大。MOSA优化后翼型升阻比提高164.9%，但单纯形状变化带来的提高是166.8%，翼型形状优化效果更加明显。结果比较结果比较Questions?Thank you