[发明专利]一种基于流动物理的气动优化设计变量选取方法

说明书

本发明公开了一种基于流动物理的气动优化设计变量选取方法。该方法是在采用全局优化流程进行气动优化设计时，选用自由变形技术进行参数化，对设计变量进行选择，具体是通过计算流动控制方程的离散伴随方程获取物面灵敏度，根据灵敏度分布确定气动优化设计的变量位置，将灵敏度分布曲线的极值点和零曲率点位置作为控制点，将控制点的变形方向的位移作为设计变量，并自适应地调整变量的设计空间。利用这种方法，能够以较少的变量取得更好的气动全局优化效果，降低计算成本，提升飞行器机翼的全局优化效率。

技术领域

本发明涉及一种基于流动物理的气动优化设计变量选取方法，可广泛运用于飞行器部件的气动全局优化设计领域。

背景技术

随着CFD技术和计算机硬件的发展，飞行器气动优化已经成功应用于飞行器设计过程。提升现有外形气动性能的优化方法可分为两大类：梯度方法和全局寻优流程。这两类方法在近几十年中都广泛应用于气动优化设计领域，其中，基于梯度的方法更受设计人员的欢迎。梯度方法通过求解目标函数的当地梯度指导搜索方向，梯度的计算通常采用最速下降策略、牛顿法、共轭梯度法和拟牛顿法等算法。尽管这类方法往往趋向于局部最优解，但以其高效的优势得到了广泛应用。梯度方法受欢迎的原因主要是目标函数的计算次数少，收敛快，气动优化设计的目标函数计算即CFD数值模拟过程。

梯度方法的缺陷在于开发周期长、应用要求高，在离散变量、目标函数空间存在间断和设计空间存在多峰性的情况下表现不佳。此时，采用全局寻优流程往往能以更大的概率取得全局最优解。全局寻优流程避免计算梯度，通常以优化过程中的当前位置为基准建立算法，以模拟自然过程或种群行为的启发式算法为主。例如，遗传算法的种群进化，模拟退火算法的金属冷却，蚁群优化算法的蚁群觅食路径，粒子群算法的种群行为，重力搜索算法的牛顿万有引力定律等。这类算法的主要优势在于将CFD模块作为“黑盒”处理，可移植性强，并且在迭代次数足够多时能充分搜索设计空间，然而，成本比较高，样本需求量大，在需要进行高精度CFD数值模拟分析和目标函数多次迭代时，由于周期过长需将优化过程强行截断而无法获得最优解。当维度增大时，样本需求量骤增，对全局优化设计提出了挑战。

提升全局优化的效率并保证其精度是气动优化领域一直致力解决的重要问题。研究表明，设计空间维度上升时，最优解的性能不断提升，渐进地趋近一个极限值；对于三维机翼优化问题，与减少控制截面相比，减少翼剖面控制点数对阻力增大的贡献更大。现有关于设计维度的研究多是基于提前定义的均匀分布的控制点，采用自适应参数化模式的研究较少，且是在梯度优化框架下完成的。

对计算资源的过多占用限制了全局寻优流程在飞行器气动优化中的应用。因此，采用更少的变量降低设计成本并取得气动性能较好的外形的方法研究非常有必要。

发明内容

为了克服变量均匀分布带来的样本量过大的问题，本发明的目的是提供一种基于流动物理的气动优化设计变量选取方法，该方法基于灵敏度分布选取设计变量并对设计空间分布进行调整，可以以更少的变量来降低计算成本并取得气动性能较好的外形。

对设计变量选取的考虑影响参数化方法的选择，如何进行参数化取决于整个优化平台的架构、效率需求和设计者关注的几何特征。某一参数化方法的选用反过来对设计变量的定义起到了限制作用，比如，翼型外形常采用CST类型函数/形状函数参数化，以前缘曲率、最大厚度及其位置、后缘夹角等典型参数为变量；样条函数或多项式函数常以未知系数作为设计变量。自由变形参数化方法允许设计者自由选择变量，且能保持物面网格光顺，物面变形与几何复杂度无关，是本发明的基础。