二维三段翼型的前缘缝翼及后缘襟翼位置的气动优化方法

摘要

本发明是一种二维三段翼型的前缘缝翼及后缘襟翼位置的气动优化方法，该方法以二维三段翼型的前缘缝翼、后缘襟翼相对于它们原始位置的平动量和绕它们各自的前缘点做面内旋转的转动量作为优化设计变量，以前缘缝翼、后缘襟翼平动、旋转后的整个翼型气动力性能获得提升作为优化目标。本优化方法采用了外循环含敏度分析、内循环以遗传算法为优化算法的嵌套双循环优化流程，有效解决了二维三段翼型气动优化设计过程中，设计变量空间维度高及搜索范围大而导致的寻优效率低、计算次数多、计算耗时长的问题，以及优化过程易早熟等问题。该方法通过工作流引擎自动调度并行计算环境中的计算节点，通过自动化调度并行计算而充分利用了计算资源，缩短了优化过程所需的总计算时间，提高了优化效率。

主权项

一种二维三段翼型的前缘缝翼及后缘襟翼位置的气动优化方法，所述二维三段翼型是由前缘缝翼(3)、中段固定翼(2)和后缘襟翼(5)构成，其特征在于：该方法的步骤是：⑴优化前准备工作根据二维三段翼型(以下简称翼型)几何模型(1)，建立二维三段翼型的二维结构网格模型，选择需要优化的设计变量：二维三段翼型的前缘缝翼(3)绕该前缘缝翼前缘点(4)在翼型的几何模型(1)所在平面内做面内旋转的转动增量△θ₁、前缘缝翼(3)沿着该翼型弦长方向(7)的平移量△X₁、前缘缝翼(3)沿该翼型厚度方向(8)的平移量△Z₁、后缘襟翼(5)绕该后缘襟翼前缘点(6)在翼型的几何模型(1)所在平面内做面内旋转的转动增量△θ₂、后缘襟翼(5)沿着该翼型弦长方向(7)的平移量△X₂、后缘襟翼(5)沿该翼型厚度方向(8)的平移量△Z₂；然后进入优化流程，优化流程分为外循环和内循环，优化从外循环开始；⑵外循环优化的步骤是：2.1敏度分析阶段中敏度的定义是系统状态参数或输出对设计变量的导数，反映系统状态或输出随设计变量的变化趋势和改变程度，敏度分析的含义是：以目标函数对各设计变量偏导数或偏导数的函数作为该设计变量的敏度值，并通过判断敏度值的大小，得到各设计变量对优化目标函数的影响因子的过程；2.2将翼型的前缘缝翼(3)的设计变量△θ₁、△X₁、△Z₁作为一组设计变量组，将后缘襟翼(5)的设计变量△θ₂，△X₂和△Z₂作为另一组设计变量组，然后将△θ₁、△X₁，△Z₁张成的设计空间记为前缘缝翼设计子空间(11)，将△θ₂，△X₂和△Z₂张成的设计空间记为后缘襟翼设计子空间(12)，前缘缝翼设计子空间(11)和后缘襟翼设计子空间(12)的和为设计空间；2.3确定设计空间中的当前设计状态点P₀，该点的坐标为△θ₁^(O)，△X₁^(O)，△Z₁^(O)，△θ₂^(O)，△X₂^(O)，△Z₂^(O)，P₀点确定翼型前缘缝翼(3)及后缘襟翼(5)的位置，前缘缝翼(3)的位置变化是以下三种位置变化中的一种或几种的组合，共计26种位置变化：a前缘缝翼(3)沿翼型弦长方向(7)平移一个单位长度；b前缘缝翼(3)沿翼型厚度方向(8)平移一个单位长度；c前缘缝翼(3)绕着该前缘缝翼前缘点(4)在翼型的几何模型(1)所在平面内做面内旋转转动一个单位角度；后缘襟翼(5)的位置变化是以下三种位置变化中的一种或几种的组合，共计26种位置变化：d后缘襟翼(5)沿翼型弦长方向(7)平移一个单位长度e后缘襟翼(5)沿翼型厚度方向(8)平移一个单位长度；f后缘襟翼(5)绕着绕该后缘襟翼前缘点(6)在翼型的几何模型(1)所在平面内做面内旋转转动一个单位角度；上述位置变化相加，得到52种位置变化，该52种位置变化产生了P₀点在设计空间中的52个敏度值，上述单位长度为翼型弦长的1％，单位角度为1°；2.4根据这52种位置变化，在设计空间中生成一个由52个点组成的种群，称为敏度种群，敏度种群中的一个点是一个敏度个体；每一个敏度个体在完成位置变化后形成翼型的一个新的二维结构网格模型，二维结构网格模型是气动力求解器的输入文件，用于计算每个敏度个体的敏度值；2.5计算第i(i＝1，2，…，52)个敏度个体的敏度值，敏度的计算公式为；Sen_(i)＝(K₁·Cl_(i)+K₂·(Cl_(i)/Cd_(i)))   公式1Sen_(i)：第i个敏度个体的敏度值Cl_(i)：第i个敏度个体的升力系数Cd_(i)：第i个敏度个体的阻力系数K₁：Cl_(i)的权重系数，通常取值范围为0≤K₁≤1K₂：Cl_(i)/Cd_(i)的权重系数，通常取值范围为0≤K₂≤1Cl_(i)和Cd_(i)的计算方法是：将第i个敏度个体对应的二维结构网格模型文件提交至气动力求解器，气动力计算结束后得到第i个敏度个体的升力系数和阻力系数，然后计算得到该个体的升阻比Cl_(i)/Cd_(i)；2.6根据每一个敏度个体的敏度值Sen_(i)，将其数值从大到小进行排序，再由排序结果选出最高敏度值，具有最高敏度值的敏度个体的6个设计变量值设为△θ₁^(S)、△X₁^(S)、△Z₁^(S)、△θ₂^(S)、△X₂^(S)和△Z₂^(S)，在前缘缝翼设计子空间(11)中，确定点A(9)，点A(9)的坐标为当前设计状态点P₀坐标的前三个设计变量△θ₁^(O)，△X₁^(O)，△Z₁^(O)，确定点B，点B的坐标为△θ₁^(S)、△X₁^(S)、△Z₁^(S)，以点A(9)为起点、点B为终点所确定的矢量为前缘缝翼最佳搜索方向(13)；在后缘襟翼设计子空间(12)中，确定点C(10)，点C(10)的坐标为当前设计状态点P₀坐标的后三个设计变量△θ₂^(O)，△X₂^(O)，△Z₂^(O)，确定点D，点D的坐标为△θ₂^(S)、△X₂^(S)、△Z₂^(S)，以点C(10)为起点、点D为终点所确定的矢量为后缘襟翼最佳搜索方向(14)；2.7前缘缝翼设计子空间(11)中，以点A(9)为原点，以三个相互正交的△θ₁轴、△X₁轴和△Z₁轴为坐标轴，此三个坐标轴将前缘缝翼设计子空间(11)划分成一维、二维和三维的邻域共26个，其中前缘缝翼最佳搜索方向(13)指向的邻域为前缘缝翼优先搜索空间(15)；后缘襟翼设计子空间(12)中，以点C(10)为原点，以三个相互正交的△θ₂轴、△X₂轴和△Z₂轴为坐标轴，此三个坐标轴将后缘襟翼设计子空间(12)划分为一维、二维和三维的邻域共26个，后缘襟翼最佳搜索方向(14)指向的邻域为后缘襟翼优先搜索空间(16)；⑶内循环优化的步骤是：3.1以外循环优化步骤2.7得到的前缘缝翼优先搜索空间(15)和后缘襟翼优先搜索空间(16)的和作为当前外循环下的第一代内循环的寻优搜索空间，利用拉丁立方投点方法在寻优搜索空间中生成个体数量为Num_G的设计点种群D’；3.2利用遗传算法的二进制编码方法对设计点种群D’中每个个体进行编码，得到遗传算法染色体种群C，种群C的个体的染色体为X_i(i＝1,2，…，Num_G)；3.3对遗传算法染色体种群C中每个个体的染色体X_i进行二进制解码，生成解码后设计点个体，设计点个体的设计变量值为△θ_1(i)、△X_1(i)、△Z_1(i)、△θ_2(i)、△X_2(i)和△Z_2(i)(i＝1,2，…，Num_G)，解码后设计点个体构成了一个解码后设计点种群D，当每一个设计点个体根据其设计变量值△θ_1(i)、△X_1(i)、△Z_1(i)、△θ_2(i)、△X_2(i)和△Z_2(i)完成前缘缝翼(3)和后缘襟翼(5)的位置变化过程时，生成翼型的一个新的二维结构网格模型，二维结构网格模型是气动力求解器的输入文件；3.4计算当前代设计点种群D中的每一个设计点个体的目标值(i＝1,2，…，Num_G)，目标值的计算公式为；Value_(i)＝k₁·Cl_(i)+k₂·Cd_(i)+k₃·Cm_y(i)+k₄·(Cl_(i)/Cd_(i))   公式2Value_(i)：第i个设计点个体的目标值Cl_(i)：第i个设计点个体的升力系数Cd_(i)：第i个设计点个体的阻力系数Cm_y(i)：第i个设计点个体的俯仰力矩系数k₁：Cl_(i)的权重系数，通常取值范围为0≤k₁≤1k₂：Cd_(i)的权重系数，通常取值范围为0≤k₂≤1k₃：Cm_y(i)的权重系数，通常取值范围为0≤k₃≤1k₄：Cl_(i)/Cd_(i)的权重系数，通常取值范围为0≤k₄≤1Cl_(i)、Cd_(i)和Cm_y(i)的计算方法是：将第i个设计点个体对应的二维结构网格模型文件提交至气动力求解器，气动力计算结束后得到第i个设计点个体的升力系数、阻力系数和俯仰力矩系数，然后计算得到该个体的升阻比Cl_(i)/Cd_(i)；3.5计算当前代设计点种群D中的第i个设计点个体的适应度(i＝1,2，…，Num_G)，适应度的计算公式为；Fit_(i)＝Factor·Value_(i)   公式3Fit_(i)：第i个设计点个体的适应度；Value_(i)：第i个设计点个体的目标值；Factor：惩罚因子，惩罚因子的计算公式为：$\begin{array}{c}\mathrm{Factor}=\left\{\begin{array}{c}1.0\\ {({\mathrm{Cl}}_{\left(i\right)}/{\mathrm{Cl}}_{\mathrm{best}})}^2\end{array}\right.\\ ,(({\mathrm{Cl}}_{\mathrm{best}}-{\mathrm{Cl}}_{\left(i\right)})/{\mathrm{Cl}}_{\mathrm{best}})<\mathrm{limit}\\ ,(({\mathrm{Cl}}_{\mathrm{best}}-{\mathrm{Cl}}_{\left(i\right)})/{\mathrm{Cl}}_{\mathrm{best}})\ge \mathrm{limit}\end{array}$   公式4Cl_(i)：第i个设计点个体的升力系数Cl_best：当前代设计点种群最佳个体的升力系数，当前代设计点种群中，若某个体的适应度值相比起其他个体越大，则表明该个体越接近于最优解，适应度值最大的个体记为当前代种群最佳个体；limit：惩罚下限值，limit值与优化目标值中升力系数的重要程度有关，取值范围为0≤limit≤0.1；3.6根据当前代设计点种群D中第i个体适应度Fit_(i)的大小，对种群D的每个个体的染色体进行遗传算法操作，遗传算法操作的顺序依次为精英保留操作、选择操作、交叉操作和变异操作，然后得到下一代染色体种群C；3.7重复执行上述步骤3.3至步骤3.6操作3至6次，然后停止内循环优化操作；3.8停止当前代内循环优化操作后，更新并备份外循环过程下的所有内循环优化计算结果，然后将当前代内循环的设计点种群D中适应度最大的个体作为下一轮外循环过程步骤2.3中设计空间的当前设计状态点P₀，然后开始下一轮外循环优化过程，顺序执行下一轮外循环优化过程中的步骤2.3至步骤2.7的操作，结束步骤2.7操作后，开始下一轮外循环下的内循环优化过程，顺序执行步骤3.1至步骤3.7操作直至内循环优化操作停止；3.9重复执行上述外循环优化过程及内循环优化过程的步骤2.3至步骤3.8操作10至50次。