[发明专利]短舱参数化设计的多目标优化方法

说明书

一种短舱参数化设计的多目标优化方法，以短舱几何的外部摩擦阻力和风扇进口处的总压恢复系数作为设计目标，选取短舱几何的内、外型线的关键几何参数作为考察变量，采用拉丁超立方(LHS)方法选取样本的模型库，对不同几何参数对应的短舱进行模型建立、网格生成和数值计算，然后根据样本目标函数的分布规律使用径向基神经网络作为代理模型，采用多目标优化算法对代理模型进行寻优计算，最终选取最优的短舱型线方案，即更高的风扇进口处总压恢复和更低的短舱外部摩擦阻力。本发明能够迅速找到短舱参数的设计最优值，提高了设计效率，缩短了设计周期和研制成本。

技术领域

本发明涉及的是一种飞机制造领域的技术，具体是一种短舱参数化设计的多目标优化方法。

背景技术

随着当今世界航空技术的发展，飞机发动机技术也得到了长足的进步，发动机可以在实现更远航程的同时有效降低飞机发动机的燃油率。这些进步的实现就要求在飞行过程中，发动机必须工作在一个稳定、可控的运行状态下，同时发动机整体受到更小的摩擦阻力，而短舱装置作为发动机的引气装置和安装平台，其在稳定气流和减小阻力方面的作用就尤为显著。一个正确的短舱设计，可以有效提高风扇入口处的总压恢复、流量系数和流场均匀性，明显改善发动机的整体性能，极大地扩大飞机的飞行包线，同时使民用飞机具有更佳的经济性和市场竞争力。因此针对短舱装置的合理设计就显得愈来重要。短舱设计的主要目的是提供对发动机和飞机性能影响最小、最紧凑的流线外形，同时短舱外形的设计也要兼顾到它对进气道内部流动产生的影响。

早期的短舱设计方法是在基本方案设计的基础上，进行不同几何方案的风洞试验，依据试验结果选定最终的设计方案。近年来，得益于计算流体力学(CFD)方法和计算机技术的快速发展，国内外对基于CFD方法的气动外形设计方案也越来越完善，取得了诸多成果，出现了基于梯度搜索的优化设计与基于遗传算法等智能算法的优化设计两类主要设计方法。但短舱外形的几何参数众多，且易产生相互影响，无法采用穷举方案完成短舱设计。

发明内容

本发明针对现有技术存在的上述不足，提出一种短舱参数化设计的多目标优化方法，通过合理的参数化方案可以同时完成内、外两条型线的参数化建模，保证曲线精度；采用多目标函数的优化方案，可同时兼顾短舱模型的内、外几何性能；程序模块化处理，提高了设计效率，能够迅速找到短舱参数的设计最优值，缩短了设计周期和研制成本。

本发明是通过以下技术方案实现的：

本发明以短舱几何的外部摩擦阻力和风扇进口处的总压恢复系数作为设计目标，选取短舱几何的内、外型线的关键几何参数作为考察变量，采用拉丁超立方(LHS)方法选取样本的模型库，对不同几何参数对应的短舱进行模型建立、网格生成和数值计算，然后根据样本目标函数的分布规律使用径向基神经网络(Radial Basis Neural Network)作为代理模型，采用多目标优化算法对代理模型进行寻优计算，最终选取最优的短舱型线方案，即更高的风扇进口处总压恢复和更低的短舱外部摩擦阻力。

本发明涉及一种实现上述方法的系统，包括：用于优化问题的提出及数学表达，并建立有效的几何模型样本库的模型样本建立模块、用于获得几何模型样本所对应的目标函数性能的数值分析模块、代理模型构建模块以及用于最优解寻优的遗传算法模块，其中给你：模型样本建立模块利用拉丁超立方方法获得模型样本点的几何信息，并将该几何信息传输至数值分析模块，数值分析模块经过数值分析模块的数值模拟技术，获得目标函数性能，代理模型构建模块根据来自模型样本建立模块的几何样本库和数值分析模块对应的目标性能建立径向基神经网络模型，遗传算法模块通过带精英策略的非支配排序(NSGA-II)多目标遗传算法计算得到径向基神经网络模型的最优解并进行检验。

技术效果