CN102323983B - 一种自动提供优化的合成射流参数的方法 - Google Patents
一种自动提供优化的合成射流参数的方法 Download PDFInfo
- Publication number
- CN102323983B CN102323983B CN201110259037.2A CN201110259037A CN102323983B CN 102323983 B CN102323983 B CN 102323983B CN 201110259037 A CN201110259037 A CN 201110259037A CN 102323983 B CN102323983 B CN 102323983B
- Authority
- CN
- China
- Prior art keywords
- jet
- parameter
- lift coefficient
- parameters
- flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供了一种自动提供优化的合成射流参数的方法,应用在航空航天领域中合成射流控制方面。本发明方法针对合成射流的三个控制参数:射流最大速度、频率和喷口方向角度,首先采用多岛遗传算法进行迭代计算,将迭代得到的每一组参数输入优化模型中进行平均升力系数的比较,确定最大的升力系数及对应的控制参数,经多岛遗传算法迭代得到控制参数的一个范围,对该范围再采用序列二次规划法优化处理,并通过优化模型比较,最终得到所要求取的控制参数。本发明实现了自动为合成射流提供高效的参数组合方案的目的,避免了人为设定不合理的合成射流参数的情况,并为合成射流提供了一组更为优化的控制参数。
Description
技术领域
本发明属于航空航天领域,具体涉及一种自动为加合成射流的翼型提供优化的合成射流参数的方法。
背景技术
周期性吹吸气主动控制技术(合成射流技术)能够通过局部吹吸,来改变附面层流动,以及翼型整体的流动结构,从而改善翼型的气动性能,该技术对气动性能的控制效率与参数组合(频率、速度、角度)有非常密切的关系。但是由于合成射流控制参数与控制效果之间关系的复杂性,如果仅仅靠手动试验的尝试方法来寻找控制效率较高的参数组合方案是很困难且非常耗时的事情,寻找到较好的方案的概率也比较低,成功与否很大程度上依靠经验和运气。某些参数组合不仅没有提升气动性能的作用,而且会产生反面效果,破坏气动力性能,这种参数组合对合成射流控制效果的发挥有误导作用,更加影响了参数组合的寻优过程。
下面以具体的例子来加以说明:
选择NACA0015翼型作为数值试验翼型。计算来流攻角a=20°下的未加合成射流的基本翼型和加合成射流翼型的绕流流场。试验所选翼型的弦长C=0.5m,来流风速U∞=26.0m/s,基于弦长的雷诺数约为Re=8.9×105。如图1所示为基本翼型的流线图。
加了合成射流时的情况,孔口位置合成射流的相关参数为:频率Njet=10赫兹,射流最大速度Ujet=U∞=26.0m/s,喷口方向角度αjet=10°,即 方向单位矢量 在X轴和Y轴上的分量分别为Cos10°和Sin10°,t为时间,单位为秒,T0为一个波动周期。20°攻角时基本翼型和加合成射流翼型的升力系数变化如图2所示,图2中横坐标表示时间,单位是秒,纵坐标表示升力系数Cl,阻力系数变化如图3所示,图3的横坐标表示时间,单位是秒,纵坐标表示阻力系数Cd。由图2和图3可以看出,加合成射流之后,平均升力系数增大,平均阻力系数减小。加合成射流翼型一个周期内的绕流流场如图4所示,涡的尺寸变小。
表1加合成射流翼型和基本翼型分离点位置比较(攻角20°,弦长C=0.5m)
对于合成射流的控制方案的选择,也就是在Njet、Ujet、αjet的组合中,三者具体数值大小的确定,不同的人根据自己的经验,需求或其它原则,会有不同的选择结果。然而不同的控制方案的控制效果却很不相同。首先看下面20°攻角时的一些参数组合方案的升阻力系数比较表格:
表2合成射流不同参数组合方案的控制结果
由表2可以得出:(1)气动力系数随方案中参数的变化而有很大不同,三个参数中任意改变一个即可得到相当不同的结果;(2)加了合成射流之后的气动性能不一定就优于基本翼型,如表2中加粗的斜体方案值所示,其平均升力系数比基本翼型还小,平均阻力系数也比基本翼型大,不仅没有起到优化气动性能的作用,反而有破坏效果。
所以,为合成射流提供一种自动的、智能的优化方法,耦合气动求解器,来提供高效的参数组合方案是有必要的。
发明内容
本发明的目的是为了解决目前缺乏自动为合成射流提供高效的参数组合方案,避免人为设定不合理的合成射流参数的问题,提出一种自动提供优化的合成射流参数的方法。
一种自动提供优化的合成射流参数的方法,具体包括如下步骤:
步骤1:为控制参数赋初值,采用多岛遗传算法进行迭代计算,所述的控制参数包括三 个:射流最大速度Ujet、频率Njet和喷口方向角度αjet;
步骤2:判断多岛遗传算法的结果是否收敛,若否,执行步骤3,若是,执行步骤4;
步骤3:将控制参数输入优化模型,输出翼型当前的最大平均升力系数以及该升力系数所对应的三个控制参数,然后转步骤1执行;
步骤4:对多岛遗传算法得到的结果的收敛范围中的控制参数采用序列二次规划法处理;
步骤5:判断序列二次规划法是否收敛,若否,执行步骤6,若是,则输出所记录的三个控制参数,结束本方法;
步骤6:将控制参数的数值输入优化模型,输出翼型的平均升力系数,然后转步骤4执行。
所述的优化模型输出的数学表达式如下:
目标函数:Maximize Clave;
参数约束:射流最大速度的范围:U1≤Ujet≤U2;
射流频率的范围:N1≤Njet≤N2;
射流方向角的范围:α1≤αjet≤α2;
其中,U1、U2分别表示设定的射流最大速度的最小值和最大值,N1、N2分别表示设定的射流频率的最小值和最大值,α1、α2分别表示设定的射流方向角的最小值和最大值,在时间段[t1,t2]中的平均升力系数Clave的计算方法为:
其中,Cl(a,Ujet,Njet,αjet)表示在攻角a、射流最大速度Ujet、频率Njet和喷口方向角度αjet条件下的升力系数;优化模型中对输入的控制参数下的平均升力系数作比较,将比较得到的最大的升力系数输出,并记录该最大升力系数所对应的三个控制参数。
本发明的优点与积极效果在于:本发明实现了自动为合成射流提供高效的参数组合方案的目的,避免了人为设定不合理的合成射流参数的情况,并为合成射流提供了一组更为优化的控制参数。
附图说明
图1是背景技术中实施例基本翼型的绕流流场的示意图;
图2是背景技术中实施例20°攻角时基本翼型和加合成射流翼型的升力系数变化图;
图3是背景技术中实施例20°攻角时基本翼型和加合成射流翼型的阻力系数变化图;
图4是背景技术中实施例20°攻角时合成射流一个周期内翼型的绕流流场的示意图;
图5是本发明方法的步骤流程图;
图6是在20°攻角时采用本发明所得参数的加合成射流翼型一个周期内的绕流流场示 意图;
图7是本发明实施例中平均升力系数的比较图;
图8是本发明实施例中平均阻力系数的比较图;
图9是加优化的合成射流控制的示意图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明一种自动提供优化的合成射流参数的方法,基于多岛遗传算法(Multi-Island Genetic Algorithm,简称MIGA)与序列二次规划法(Sequential Quadratic Programming,简称SQP),并采用代理模型来减小计算量,最终获得优化的合成射流参数,本发明所述到的合成射流参数包括射流最大速度、频率和方向角。
如图5所示,一种自动提供优化的合成射流参数的方法,具体步骤如下:
步骤1:用射流(jet)最大速度Ujet、频率Njet和喷口方向角度αjet为控制参数,开始进行多岛遗传算法处理。给控制参数赋初值,接着进行迭代计算。
在各控制参数的范围,为控制参数赋任意初值。三个控制参数的范围
多岛遗传算法的基本思想是把种群划分成了多个子种群,这些子种群称为岛,然后再在各个岛上进行原始遗传算法操作,但各个岛并不是孤立的,每隔一段时期各个岛之间有一定的个体迁移,这样可以提高了优化解的多样性,避免过早收敛[参考文献:《多岛遗传算法的振动控制传感器优化配置》,作者:石爱华,孟祥众等,振动、测试与诊断,2008年3月第28卷第1期]。
本发明步骤一中多岛遗传算法的有关参数设置是:子群数为4,子种群个数为12个,复制率0.8,交叉率0.8,变异率0.01,迁移率0.4,迁移间隔为5代,最大迭代代数为960。
步骤2:判断MIGA的结果是否收敛,若否,执行步骤3,若是,执行步骤4。采用多岛遗传算法进行处理,最后收敛速度下降,迭代后的控制参数在一定的范围内波动,也就是多岛遗传算法的结果所收敛的范围就是锁定的控制参数的优化区域。
步骤3:将控制参数输入优化模型,输出翼型的最大平均升力系数以及该升力系数所对应的三个控制参数,然后转步骤1执行。
比较每一次迭代得到的控制参数的平均升力系数,将每一次比较得到的最大的平均升力系数及该升力系数对应的控制参数输出。
步骤4:对经过多岛遗传算法迭代计算得到的收敛范围,继续采用序列二次规划法优化。
序列二次规划法是经典梯度优化算法,无全局求优能力,但求解效率高,局部最优解收敛速度快,往往迭代几步或者几十步就可以收敛于一个极小解。求解约束问题的序列二次规划法源自于牛顿法,采用的拉格朗日牛顿法仅是局部收敛的,对初始点的选取要求较高,基 本思想是将目标函数以二阶拉氏方程展开,并把约束条件线性化,使得转化为一个二次规划问题。
当多岛遗传算法迭代一定代数,收敛速度下降时,说明已经锁定了优化区域,找到了一组优化解,此时在此锁定的优化区域内启动序列二次规划法,可以弥补多岛遗传算法群体搜索收敛效率低的缺点,快速地找到最优解。
步骤5:判断SQP的结果是否收敛,若否,执行步骤6,若是,结束本方法,收敛的依据是所得到的数据结果的波动在预先设定的一个很小的数值范围内。设置的很小的数值范围要考虑目前激励器的水平,本发明实施例设置的数值范围就是目前激励器能达到的范围,或者略小,也可以根据用户实际使用情况来选择。
步骤6:将控制参数的数值输入优化模型,输出翼型的最大平均升力系数以及该升力系数所对应的三个控制参数,然后转步骤4执行。
步骤3和步骤6中所述的优化模型包括目标函数的确定和控制参数的选择,以及控制参数约束的设定,控制参数约束的设定是为了让优化模型更加符合实际,或者更快的找到设计者所要求的目标值,而且约束范围一般都是封闭的,本发明中优化模型采用的数学模型表达式如下:
目标函数:Maximize Clave;
参数约束:射流最大速度的范围:U1≤Ujet≤U2;
射流频率的范围:N1≤Njet≤N2;
射流方向角的范围:α1≤αjet≤α2;
其中,U1、U2分别表示设定的射流最大速度的最小值和最大值,N1、N2分别表示设定的射流频率的最小值和最大值,α1、α2分别表示设定的射流方向角的最小值和最大值。本发明实施例中U1设置为20,U2设置为100,N1设置为10,U2设置为70,α1设置为10,α2设置为90。
在时间段[t1,t2]中的平均升力系数Clave的计算方法为:
其中,Cl(α,Ujet,Njet,αjet)表示在攻角a以及输入的射流最大速度Ujet、频率Njet和喷口方向角度αjet条件下的升力系数。
优化模型中对平均升力系数作比较,将比较得到的最大的升力系数所对应的三个控制参数作为最后的结果输出。
通过优化,得到NACA0015翼型在20°迎角时,加合成射流的数值模拟结果如下表3所示:
表320°迎角时的优化结果
如图6所示,为在20°迎角时采用本发明所得参数的加合成射流翼型一个周期内的绕流流场示意图,从图中看出上翼面涡的尺寸变小,气动性能得到了改善,即升力增加,阻力减小了。
还是以来流速度U∞=26.0m/s,基于弦长的雷诺数约为Re=8.9×105,计算所选翼型弦长为C=0.5m,来研究NACA0015基本翼型和加合成射流以及优化之后的失速特征,并随意选择三个方案:方案一:αjet=10°,Njet=10,Ujet=26;方案二:αjet=68°,Njet=50,Ujet=52;方案三:αjet=10°,Njet=50,Ujet=52;比较基本翼型、经本发明方法得到的优化参数的加合成射流翼型以及上面选择的合成射流三种参数组合的加合成射流翼型的部分平均升力系数与平均阻力系数。
表4各攻角对应的优化参数与具体结果
表4是采用本发明方法,针对NACA0015翼型,加合成射流时在各迎角情况下的优化参数的组合以及优化结果,将表4中加合成射流的平均升力系数和平均阻力系数与基本翼型、随意选择三个方案的平均升力系数和平均阻力系数相比,如图7和图8所示。结果显示,使用本发明方法后的合成射流的控制效率在大迎角情况下有很大幅度的提高,气动力有明显改善,失速攻角也被大大推迟,失速之后的升力系数值仍然可观,并且升力系数曲线下降斜率很小,但同时也表明合成射流对小攻角状态的附着流动作用很小,而且在优化过后的结果还显示会有大振幅,由此可以得出,合成射流对气动性能的改善很大程度上来源于于它对流动分离的控制。
如图9所示,在传统的压电膜振动激励模式中加入控制箱,通过外部测试装置输入流动相关信息,然后在有关处理器上采用本发明方法进行优化计算或调取已经存储的优化资料,把优化得到的参数信息再传给控制箱,最后激励器采用优化后的有关参数来控制外部流动,获得最优效果。
Claims (3)
1.一种自动提供优化的合成射流参数的方法,其特征在于,该方法包括如下步骤:
步骤1:为控制参数赋初值,采用多岛遗传算法进行迭代计算,所述的控制参数包括三个:射流最大速度Ujet、频率Njet和喷口方向角度αjet;
步骤2:判断多岛遗传算法的结果是否收敛,若否,执行步骤3,若是,执行步骤4;
步骤3:将控制参数输入优化模型,输出翼型当前的最大平均升力系数以及该升力系数所对应的三个控制参数,然后转步骤1执行;
步骤4:对多岛遗传算法得到的结果的收敛范围中的控制参数采用序列二次规划法处理;
步骤5:判断序列二次规划法的结果是否收敛,若否,执行步骤6,若是,则输出所记录的三个控制参数,结束本方法;
步骤6:将控制参数的数值输入优化模型,输出翼型的平均升力系数,然后转步骤4执行;
所述的优化模型输出的数学表达式如下:
目标函数:Maximize Clave;
参数约束:射流最大速度的范围:U1≤Ujet≤U2;
射流频率的范围:N1≤Njet≤N2;
喷口方向角度的范围:α1≤αjet≤α2;
其中,U1、U2分别表示设定的射流最大速度的最小值和最大值,N1、N2分别表示设定的射流频率的最小值和最大值,α1、α2分别表示设定的喷口方向角度的最小值和最大值,在时间段[t1,t2]中的平均升力系数Clave的计算方法为:
其中,Cl(a,Ujet,Njet,αjet)表示在攻角a、射流最大速度Ujet、频率Njet和喷口方向角度αjet条件下的升力系数;优化模型中对输入的控制参数下的平均升力系数作比较,将比较得到的最大的升力系数以及该升力系数所对应的三个控制参数输出。
2.根据权利要求1所述的一种自动提供优化的合成射流参数的方法,其特征在于,步骤1中所述的多岛遗传算法的参数设置是:子群数为4,子种群个数为12,复制率为0.8,交叉率为0.8,变异率为0.01,迁移率为0.4,迁移间隔为5代,最大迭代次数为960。
3.根据权利要求1所述的一种自动提供优化的合成射流参数的方法,其特征在于,所述的U1设置为20,U2设置为100,N1设置为10,U2设置为70,α1设置为10,α2设置为90。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110259037.2A CN102323983B (zh) | 2011-09-02 | 2011-09-02 | 一种自动提供优化的合成射流参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110259037.2A CN102323983B (zh) | 2011-09-02 | 2011-09-02 | 一种自动提供优化的合成射流参数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102323983A CN102323983A (zh) | 2012-01-18 |
CN102323983B true CN102323983B (zh) | 2014-03-26 |
Family
ID=45451725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110259037.2A Expired - Fee Related CN102323983B (zh) | 2011-09-02 | 2011-09-02 | 一种自动提供优化的合成射流参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102323983B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050383B (zh) * | 2014-06-27 | 2017-09-12 | 北京航空航天大学 | 基于黎曼问题的翼型大攻角固壁边界处理方法 |
CN106873647B (zh) * | 2015-12-11 | 2020-04-03 | 中国航空工业集团公司成都飞机设计研究所 | 一种基于零质量射流的阵列可变参数喷流流动控制方法 |
CN112461547B (zh) * | 2020-12-22 | 2022-06-28 | 河北建投能源投资股份有限公司 | 一种基于多岛遗传和变分模态分解的轴承故障诊断方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6813533B1 (en) * | 2001-05-15 | 2004-11-02 | Vladimir V. Semak | Method for simulation of laser material deposition |
CN102167163A (zh) * | 2011-03-25 | 2011-08-31 | 北京航空航天大学 | 一种提高机翼升力的合成射流环量控制方法 |
-
2011
- 2011-09-02 CN CN201110259037.2A patent/CN102323983B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6813533B1 (en) * | 2001-05-15 | 2004-11-02 | Vladimir V. Semak | Method for simulation of laser material deposition |
CN102167163A (zh) * | 2011-03-25 | 2011-08-31 | 北京航空航天大学 | 一种提高机翼升力的合成射流环量控制方法 |
Non-Patent Citations (1)
Title |
---|
张国栋,唐智礼.基于合成射流的流动控制分析.《江苏航空》.2010,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN102323983A (zh) | 2012-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yildiz et al. | Hybrid taguchi-harmony search approach for shape optimization | |
Poloni et al. | Hybridization of a multi-objective genetic algorithm, a neural network and a classical optimizer for a complex design problem in fluid dynamics | |
Milano et al. | A clustering genetic algorithm for cylinder drag optimization | |
CN106055791B (zh) | 基于预估校正算法的飞行器全局气动优化方法 | |
CN102930137B (zh) | 一种加筋板结构的优化设计方法 | |
CN107169558A (zh) | 一种实现工程岩体力学参数反演的改进粒子群优化方法 | |
CN104020665A (zh) | 基于多目标粒子群算法的机械臂最小跃度轨迹优化方法 | |
JP2008090548A (ja) | ブレード翼型設計方法および翼型 | |
CN106875050A (zh) | 一种基于改进混沌蜂群算法的工程约束参数优化方法 | |
CN110363343A (zh) | 一种混合自适应的水电站群智能优化调度方法及系统 | |
CN106934459A (zh) | 一种基于种群进化过程的自适应遗传算法 | |
CN102323983B (zh) | 一种自动提供优化的合成射流参数的方法 | |
Liu et al. | Kinematic optimization of a flapping foil power generator using a multi-fidelity evolutionary algorithm | |
CN110516318A (zh) | 基于径向基函数神经网络代理模型的翼型设计方法 | |
CN105389442A (zh) | 一种耦合遗传算法、神经网络与数值模拟的反向设计方法 | |
CN104616072A (zh) | 一种基于区间优化的提高谷氨酸发酵产物浓度的方法 | |
Panda et al. | Reduction of linear time-invariant systems using Routh-approximation and PSO | |
CN109034476A (zh) | 一种高速铁路沿线极端风速大数据聚类预测方法 | |
CN103699778B (zh) | 一种考虑流体负载效应的平板结构优化设计方法 | |
CN105590141A (zh) | 适用于复杂产品优化设计的遗传算法初始种群构造方法 | |
Kampolis et al. | Multilevel optimization strategies based on metamodel-assisted evolutionary algorithms, for computationally expensive problems | |
Fricke et al. | Investigation of reinforcement learning for shape optimization of profile extrusion dies | |
Vasant | Hybrid mesh adaptive direct search and genetic algorithms techniques for industrial production systems | |
CN105160108B (zh) | 一种探空火箭气动外形优化目标函数的确定方法 | |
CN103246807B (zh) | 一种二维固‑固声子晶体混合模态带隙优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140326 Termination date: 20140902 |
|
EXPY | Termination of patent right or utility model |