基于遗传算法的翼型多目标优化设计.pdfVIP

基于遗传算法的翼型多目标优化设计

摘要

随着航空航天产业技术不断发展，人们对飞行器的性能提出了更高的要求。翼型

的气动性能是飞行器设计过程中重要的设计因素，它对飞行器的操控性，气动性能都

有着直接的影响并且会间接影响飞行器的整体性能。因此，探索如何设计和提升翼型

的气动特性有着重要的意义。

本文构建了翼型多目标优化设计流程，流程可以分为四个组成部分，翼型参数化，

翼型气动特性仿真模拟，优化工况代理模型构建，多目标优化算法寻优。

翼型参数化环节使用参数化方法，将经典翼型RAE2822参数化后与初始翼型形状

比较，验证了参数化方法的形状拟合准确性。确定了研究的亚音速翼型和超音速翼型

的形状参数取值范围，为后文多目标翼型优化设计提供技术基础支撑。

翼型气动特性仿真模拟部分依旧使用RAE2822作为研究对象，使用ICEM网格划

分软件对翼型进行网格划分，使用ANSYSFLUENT软件进行翼型气动特性分析，将仿

真结果与实验数据进行对比，验证了仿真结果的准确性，并且进行了网格无关性验证。

通过ISIGHT仿真集成平台将编写好的参数化方法程序，网格划分软件ICEM以及

流体仿真软件FLUENT集成起来，使用最优拉丁超立方抽样方法作为试验设计方法，

使用抽样方法生成大量翼型样本点，通过自动化流程解算每个样本点下翼型的气动特

性指标，使用这些样本点数据作为代理模型的拟合数据。

多目标寻优算法部分使用测试函数测试并比较了AMGA（Archive-BasedMicro

GeneticAlgorith）算法，NSGA-II（Non-DominatedSortingGeneticAlgorith）算法和

NCGA（NeighborhoodCultivationGeneticAlgorith）算法，三种遗传算法的计算效率

以及解集的收敛性、分布性，测试结果表明AMGA算法性能最优。采用三种算法分别

对选定的亚音速翼型以及超音速翼型进行两目标优化，对比了在相同优化迭代次数下

三种算法优化得到的翼型在目标工况下的气动指标，结果表明三种算法优化后的翼型

在目标工况下的气动指标有不同幅度的提升，其中AMGA算法和NSGA-II算法对翼型

的气动指标提升更显著，并且两者提升幅度基本相同。

关键词：CST参数化方法；遗传算法；气动仿真模拟；ISIGHT集成软件

哈尔滨工程大学硕士学位论文

Abstract

Withthecontinuousdevelopmentofaerospaceindustrytechnology,peoplehaveput

forwardhigherrequirementsfortheperformanceofaircraft.Theaerodynamicperformanceof

airfoilsisanimportantdesignfactorintheaircraftdesignprocess,whichhasadirectimpact

onthecontrolandaerodynamicperformanceoftheaircraftandindirectlyaffectingtheoverall

performanceoftheaircraft.Therefore,exploringhowtodesignandimprovetheaerodynamic

characteristicsofairfoilsisofgreatsignificance.

Thisarticleconstructsamulti-objectiveoptimizationdesignprocessforairfoils,which

canbedividedintofourcomponents:airfoil