基于预估校正算法的飞行器全局气动优化方法

摘要

本发明公开了一种基于预估校正算法的飞行器全局气动优化方法，用于解决现有飞行器全局气动优化方法效率低的技术问题。技术方案是首先进行预估优化，通过对流场快照的收集构建代理模型，结合遗传算法对设计空间进行一次初筛，得到的全局最优点的近似点；第二步进行矫正优化，利用伴随梯度和梯度优化算法进行气动优化，使预估近似点快速收敛到全局最优点。本发明在第二步优化中重复使用前期得到的流场快照构建流场降阶模型，快速预测待计算流场，再利用全阶流场求解器对预测值进行校正。相对于背景技术方法，本发明方法提高了流场的计算效率。对于二维优化问题，流场数值计算由背景技术的需要200次左右下降到70次左右，优化效果明显。

主权项

一种基于预估校正算法的飞行器全局气动优化方法，其特征在于包括以下步骤：步骤一、建立气动外形的参数化方法，选取参数作为设计变量；在约束条件下扰动初始设计变量获取多个气动外形作为样本，通过数值计算获取样本流场及对应的目标函数；步骤二、根据步骤一获取的样本以及对应的目标函数建立代理模型；使用EI准则检验代理模型的误差特性，补充样本直至误差小于设定阈值；步骤三、结合智能算法和步骤二所建立的代理模型对设计变量进行优化迭代，将优化迭代点和EI误差值最大点作为新样本添加至总样本中，并重新构造代理模型直至优化结果满足设定条件；步骤四、使用收集到的流场快照构建流场降阶模型，利用该模型预测新流场，之后再通过数值求解器对该预测值进行校正，得到精确流场解；步骤五、基于步骤四的流场降阶模型建立伴随降阶模型方程，具体方法为：定义降阶残差向量r＝Φ^TJ^TR，其中J,R分别为原始流场模型的雅克比矩阵和残差向量；基于降阶残差向量r推导出降阶伴随方程为其中L为目标函数，λ为降阶伴随模型的伴随向量，T为矩阵转置操作；另有$\begin{array}{c}\frac{\partial r}{\partial x}={\Phi }^T\left(\frac{\partial J^T}{\partial W}R+J^{T}J\right)\Phi \\ {\left(\frac{\partial L}{\partial x}\right)}^T={\Phi }^T{\left(\frac{\partial L}{\partial W}\right)}^T\end{array};$略去高阶偏导数项有最终降阶伴随方程表示为${\left({\Phi }^T{J}^{T}J\Phi \right)}^T\lambda =-{\Phi }^T\left(\frac{\partial L}{\partial W}\right);$基于LU分解求解该降阶伴随方程得到降阶伴随向量λ，进而求解全阶伴随向量的预测值以为预测初始值，代入原始伴随方程中，使用GMRES方法迭代得到收敛解Λ；气动力导数由下式得到；$\frac{dL}{d\beta }=(\frac{\partial L}{\partial X}+\Lambda ·\frac{\partial R}{\partial X})\frac{dX}{d\beta }+\frac{\partial L}{\partial \beta }+\Lambda ·\frac{\partial R}{\partial \beta },$其中，Λ为全阶伴随向量，X代表几何网格，β为设计变量；步骤六、使用步骤四中的流场快速求解策略和步骤五中的伴随快速求解策略，基于伪牛顿算法对设计变量进行优化，最终得到收敛的全局最优解。