基于自适应本征正交分解混合模型的跨音速流场分析

采用非线性模型替代线性回归模型响应本征正交分解(POD)基函数的系数,并采用自适应抽样方法确定快照集合,实现了基于自适应POD混合模型的跨音速叶片复杂流动分析及流场拟合.首先通过比较基于线性回归模型和非线性回归模型的基函数系数响应精度,验证非线性回归模型的收敛性和精确性;之后通过与静态抽样方法进行对比,研究分析自适应抽样技术的优越性;最后开展基于自适应POD混合模型的全三维跨音速流场分析及流动拟合.结果表明,采用自适应POD混合模型,不仅能够清晰地识别三维跨音速流场中的敏感流动特征,还能精确地拟合设计空间内任意状态的流场及出口气动参数.     

使用类别形状函数的多目标气动外形优化设计

在飞行器的气动外形优化设计中, 参数化方法和优化算法具有十分重要的作用, 对优化的计算时间设计空间的数学特性有着深刻的影响.类别形状函数(class and shape transformation, CST)方法是一种简洁高效的参数化方法, 但对于复杂曲面很难使用统一的CST方法进行拟合.文章首先介绍了CST方法的三维实现, 分析了其数学性质, 提出了分块CST参数化方法, 保留CST方法的特性, 实现了分块曲面之间的光滑连接.针对气动外形优化设计的复杂情况, 需要根据具体的飞行任务提出设计目标, 并处理不同目标的矛盾问题.其次采用Pareto策略自动寻找最优方案集, 并基于分块CST参数化方法遗传算法和气动力快速计算方法, 对类乘波翼身组合飞行器进行了优化设计, 并改变原有问题的设定条件优化得到了全新外形.研究结果表明分块CST方法参数少, 精度高, Pareto策略处理多目标准确有效, 是气动外形优化设计中非常有用的工具.      

基于本征正交分解的气动优化设计外形数据挖掘

气动外形的全局优化设计会产生大量的过程数据,其中隐含的设计知识具有较高的挖掘价值.数据挖掘有助于获取直观、可定性描述的设计知识.本文采用基于本征正交分解的数据挖掘方法从气动优化设计的过程数据中获取设计知识,数据挖掘对象为跨音速压气机转子叶片NASA Rotor 37的优化过程数据,该数据由基于粒子群方法的绝热效率最大化优化设计产生.结果表明:基于本文数据挖掘方法获取的设计知识能够直接反映气动外形的变化规律,为叶片的气动外形设计提供参考;数据挖掘的设计知识成功地验证了优化设计结果的有效性.