[发明专利]一种基于浓度策略的非支配遗传算法在飞机翼形设计优化中的应用方法

摘要

本发明公开了一种基于浓度策略的非支配遗传算法在飞机翼型优化设计的应用。由于传统的翼型优化方法存在依赖给定气动要求、需要先验数据以及优化算法本身存在收敛性与多样性不高的问题，所以提出了一种基于浓度策略的非支配遗传算法，并应用于飞机翼形设计优化中。首先，参考一般飞机翼型参数化方法确定飞机翼型参数；其次，根据飞机翼型参数计算翼型曲线，建立气动优化设计模型；然后，利用基于浓度策略的非支配排序遗传算法对飞机翼型模型进行优化，接着执行循环直到满足终止条件后输出最优值。本发明将基于浓度策略的非支配遗传算法应用在多目标设计优化领域，比传统优化方法具有更强的普适性、更好的全局寻优能力等优点，具有广泛的应用前景。

主权项

1.一种基于浓度策略的非支配排序遗传算法在飞机翼型优化中的应用方法，其特征在于，包括以下步骤：A、参考一般飞机翼型参数化方法确定飞机翼型参数；B、根据飞机翼型参数计算翼型曲线，建立气动优化模型；C、利用基于浓度策略的非支配排序遗传算法对飞机翼型模型进行优化；D、将步骤C中得到的结果作为新的翼型参数，返回步骤B，直到满足终止条件即最大迭代次数，迭代过程终止；在步骤A中，参考一般飞机翼型参数化方法确定飞机翼型参数具体为：采用CST参数化方法描述飞机翼型，数学公式为：ζ(ψ)＝C(ψ)S(ψ)+ψζ_T其中，ψ＝x/c,ζ＝z/c,ζ_T＝Δζ_TE/c，c为机翼弦长，C(ψ)为类函数，S(ψ)为形函数，分别用以下式子表示：C(ψ)＝(ψ)^a(1‑ψ)^b对于类函数C(ψ)，当a,b取不同值时，可以定义不同分类的基本几何形状；对于圆头部、尖后缘翼型，取a＝0.5,b＝1.0；S_U(ψ)表示翼型上表面形函数，S_L(ψ)表示翼型下表面形函数，其中，系数Au_i和Al_i，它与翼型的前缘半径、后缘角和后缘厚度有关，可以通过最小二乘拟合获得，为了保证翼型上下表面前缘曲率的连续性，翼型上下表面前缘半径必须相同，即Au_i＝0＝Al_i＝0；将公式中的S_i(ψ)用伯恩斯坦多项式代替，表示如下：式中：N表示翼型上下表面伯恩斯坦多项式的阶次；K表示与伯恩斯坦多项式相关的二项式系数；二项式系数定义如下：则，用CST方法描述翼型上下表面坐标可以表示为：式中：N_U和N_L分别表示翼型上下表面形函数的伯恩斯让多项式的阶次，此处采用5阶伯恩斯坦多项式来拟合，因此，采用11个形函数系数作为翼型设计变量；所述步骤B根据飞机翼型参数建立优化模型具体为：B1：选取基本翼型RAE2822，建立翼型曲线，采用计算流体力学的方法，利用Gambit生成结构网格，并对翼型前缘附近进行网格加密，并用Fluent计算出翼型的气动性能得到升力系数、阻力系数；B2：翼型最大厚度基本不变且考虑控制力矩系数的前提下提高升力系数，减小阻力系数，模型建立为：Max C_lMin C_d约束条件为：其中，C_l为升力系数，C_d为阻力系数，thick为最大翼型厚度，thick₀为原始翼型厚度；所述步骤C基于浓度策略的非支配排序遗传算法对飞机翼型模型进行优化，具体为：C1：设置算法的初始参数：种群个体数量N，最大迭代次数G_MAX，交叉概率p_c，变异概率p_m，设置参考点Z_r，随机生成第一代种群G₀；C2：对第一代种群进行模拟二进制交叉与多项式变异，采用锦标赛选择的方式产生第二代个体，个体数量保持为N；C3：将第一代个体与第二代个体合并，按照帕累托支配准则对种群进行非支配排序并分层；C4：将第1层到第层的所有个体根据浓度策略选择优秀的个个体保存为本次优化的结果。