CN111191401B - 高超声速飞行器气动/控制/结构多学科协同优化方法 - Google Patents

高超声速飞行器气动/控制/结构多学科协同优化方法 Download PDF

Info

Publication number
CN111191401B
CN111191401B CN201911416353.9A CN201911416353A CN111191401B CN 111191401 B CN111191401 B CN 111191401B CN 201911416353 A CN201911416353 A CN 201911416353A CN 111191401 B CN111191401 B CN 111191401B
Authority
CN
China
Prior art keywords
optimization
control
level
subject
structural
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.)
Active
Application number
CN201911416353.9A
Other languages
English (en)
Other versions
CN111191401A (zh
Inventor
邱志平
姜南
王晓军
王磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201911416353.9A priority Critical patent/CN111191401B/zh
Publication of CN111191401A publication Critical patent/CN111191401A/zh
Application granted granted Critical
Publication of CN111191401B publication Critical patent/CN111191401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法。该方法考虑气动、控制、结构学科之间的耦合效应,基于传统串行优化流程,实现包括系统级和学科级的三学科协同优化架构的构建;系统级将设计变量期望值传到各学科,各学科在满足其自身约束条件下,使其优化结果与系统级传递的期望值之间的差异最小,并返回给系统级;系统级利用学科间一致性约束进行优化,并将结果再次传给学科级;经过系统级优化和学科级优化之间的多次迭代,最终得到一个最优的整体设计方案。本发明在获取整体最优性能的同时能够提高计算效率,可为高超声速飞行器的先进设计提供高效合理可行的技术思路。

Description

高超声速飞行器气动/控制/结构多学科协同优化方法
技术领域
本发明涉及高超声速飞行器的多学科优化设计领域,特别涉及考虑气动、控制和结构三个学科之间强烈耦合作用的协同优化设计方法,为突破高超声速飞行器传统串行设计流程计算效率低且整体最优解难以获得的瓶颈挑战,进而提高高超声速飞行器的设计水平提供可借鉴的流程思路。
背景技术
高超声速飞行器一般指飞行速度超过5倍音速的飞行器,具有作战半径大、反应时间短、飞行速度快、隐蔽性能好、突防能力强等诸多优势,具有重大的军事意义,已经成为当今世界各个军事强国最为关注的战略发展方向之一。
与常规飞行器相比,高超声速飞行器的一个显著特征是飞行器自身各学科之间存在严重的相互影响,气动、控制及结构学科之间存在强烈耦合现象,即一个学科物理量发生变化,其他学科的物理量也会随之改变,同时还会反作用于原学科物理量。这种多学科强耦合的显著特征给飞行器设计方法带来相当大的挑战,在设计过程中如果对多学科强耦合现象处理不当,可能造成飞行器结构的灾难性后果。
传统的飞行器设计流程采取串行设计模式,在不同设计阶段选择不同学科对飞行器进行设计,各学科相对独立地运行。尽管如此也能设计出达到要求的飞行器,但这个过程设计周期长,计算效率低,经济成本也高。这种设计实质上是将具有相互耦合影响的气动、控制和结构等学科人为割裂开来,没有充分考虑各学科之间耦合作用产生的协同效应。这样可能导致得不到系统的整体最优解,从而达不到有限设计约束下高超声速飞行器的最优性能。
针对传统设计方法的不足,以美国为代表的发达国家提出了多学科优化设计思想。这一思想要求充分考虑各学科之间的相互耦合关系,通过特定的框架协调各学科,从而获得系统的整体最优解。协同优化方法作为应用最为普遍的多学科优化设计方法之一,是由Kroo等针对单级多学科优化方法在解决大型复杂工程系统时出现的低效率问题,提出的具有两级结构的多学科优化策略。协同优化方法使得各学科具有高度的独立性和自治性,各学科可以灵活选择最合适的优化算法,减少学科级优化的计算量,同时能够协调各学科使整体性能最优。
为了提高高超声速飞行器的设计水平,必须利用复杂工程系统设计方法的最新成果,从系统整体性能最优的角度出发,充分考虑各学科之间的耦合关系,对高超声速飞行器总体设计进行新理论方法研究。
本发明将协同优化方法引入高超声速飞行器设计中,考虑气动、控制、结构三个学科之间的耦合影响,构建高超声速飞行器气动/控制/结构多学科协同优化流程架构,降低传统串行设计模式的时间成本的同时使整体性能最优,为高超声速飞行器先进设计提供技术保障。
发明内容
本发明要解决的技术问题是:克服现有技术的不足,提供一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,充分考虑气动、控制、结构各学科之间耦合作用产生的协同效应,以协同优化方法为指导策略,构建具有系统级和学科级两层的优化流程架构,通过系统级的协调作用完成整体最优解的求取。所提出的方法在确保高超声速飞行器整体性能最优的前提下,可实现效率的有效提升,工程适用性更强。
本发明采用的技术方案为:一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,该方法实现步骤如下:
第一步:构建高超声速飞行器气动、控制、结构学科串行优化流程。
首先开展气动学科优化,设计变量为前体压缩面和进气道保护罩的几何尺寸参数x1i,其中i是几何尺寸参数的个数,优化目标为前体压缩面峰值载荷p1.max最小,约束条件为前体升阻比Cl/Cd不下降、保护罩与弹体连接处力矩M不升高、进气流量qm不减小和总压恢复系数Ctpr不降低,从而建立气动学科优化模型表达式:
Figure GDA0003360805870000021
其中,(Cl/Cd)0、M0、qm0和Ctpr0分别是初始升阻比、初始力矩、初始进气流量和初始总压恢复系数。
气动学科优化结束后得到前体压缩面峰值载荷p1.max最小情况下的升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和峰值载荷p1.max,传递给控制学科,作为控制学科的输入参数。
其次开展控制学科优化,设计变量为舵面控制律的状态空间系数矩阵x2j,其中j是状态空间系数矩阵的个数,优化目标为舵面气动峰值载荷p2.max最小,约束条件为舵面偏转角度θ在上下界范围内、弹道最大过载系数n不小于初始过载系数的1.2倍和前体压缩面峰值载荷
Figure GDA0003360805870000022
不升高,从而建立控制学科优化模型表达式:
Figure GDA0003360805870000031
其中,θ
Figure GDA0003360805870000032
分别是舵面偏转角度的下界和上界,n0是初始过载系数,
Figure GDA0003360805870000033
是控制学科分析过程中计算得到的前体压缩面峰值载荷,p1.max是气动学科传递下来的前体压缩面峰值载荷。
控制学科优化结束后得到舵面气动峰值载荷p2.max最小情况下的舵面气动载荷p2和刚性舵偏角dr,传递给结构学科,作为结构学科的输入参数。
进而开展结构学科优化,设计变量为梁、肋构件位置和截面尺寸x3k,其中k是构件位置和截面尺寸参数的个数,优化目标为舵面结构重量W最小,约束条件为满足强度约束条件,从而建立结构学科优化模型表达式:
Figure GDA0003360805870000034
其中,σmax和[σ]分别是最大应力和许用应力。
结构学科优化结束后在刚性舵偏角dr基础上得到舵面结构重量W最小情况下考虑弹性变形的舵偏角de,传递给气动学科,作为气动学科的输入参数,再依次进行气动、控制、结构学科优化,直到各学科优化目标前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的综合评定指标最小:
minλ1p1.max2p2.max3W
其中,λ1、λ2和λ3分别是各学科优化目标所占权重。
第二步:基于第一步构建的串行优化流程,确定各物理量相互影响和传递关系,得到气动、控制、结构学科级局部设计变量、耦合状态变量和状态变量,建立协同优化架构中各学科级优化模型。
对于气动学科级优化,约束条件为气动学科自身约束条件,即前体升阻比Cl/Cd不下降、保护罩与弹体连接处力矩M不升高、进气流量qm不减小和总压恢复系数Ctpr不降低;局部设计变量为前体压缩面和进气道保护罩的几何尺寸参数x1i,耦合状态变量为考虑弹性变形的舵偏角de,状态变量为升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和前体压缩面峰值载荷p1.max;目标函数为学科间一致性约束函数J1最小,即气动学科级自身得到的升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和前体压缩面峰值载荷p1.max与系统级传递下来的它们的期望值
Figure GDA0003360805870000041
之差的平方和最小。从而建立气动学科级优化模型表达式:
Figure GDA0003360805870000042
其中,带上角标t的量表示系统级传给学科级的期望值。
对于控制学科级优化,约束条件为控制学科自身约束条件,即舵面偏转角度θ在上下界范围内、弹道最大过载系数n不小于初始过载系数的1.2倍和前体压缩面峰值载荷
Figure GDA0003360805870000043
不升高;局部设计变量为舵面控制律的状态空间系数矩阵x2j,耦合状态变量为升力系数Cl、阻力系数Cd和俯仰力矩系数Cm,状态变量为舵面气动载荷p2、舵面气动峰值载荷p2.max和刚性舵偏角dr;目标函数为学科间一致性约束函数J2最小,即控制学科级自身得到的舵面气动载荷p2、刚性舵偏角dr和舵面气动峰值载荷p2.max与系统级传递下来的它们的期望值
Figure GDA0003360805870000044
之差的平方和最小。从而建立控制学科级优化模型表达式:
Figure GDA0003360805870000045
对于结构学科级优化,约束条件为结构学科自身约束条件,即满足强度约束条件;局部设计变量为梁、肋构件位置和截面尺寸x3k,耦合状态变量为舵面气动载荷p2和刚性舵偏角dr,状态变量为舵面结构重量W和考虑弹性变形的舵偏角de;目标函数为学科间一致性约束函数J3最小,即结构学科级自身得到的考虑弹性变形的舵偏角de和舵面结构重量W与系统级传递下来的它们的期望值
Figure GDA0003360805870000046
Wt之差的平方和最小。从而建立结构学科级优化模型表达式:
Figure GDA0003360805870000047
第三步:根据第一步构建的串行优化流程和第二步得到的各学科级局部设计变量、耦合状态变量和状态变量,建立协同优化架构中系统级优化模型表达式。
对于系统级优化,优化目标为关于前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的函数最小,约束条件为学科间一致性约束函数为微小量,设计变量包括耦合状态变量和直接与目标函数相关的状态变量,其中耦合状态变量为升力系数Cl、阻力系数Cd、俯仰力矩系数Cm、舵面气动载荷p2、刚性舵偏角dr和考虑弹性变形的舵偏角de,直接与目标函数相关的状态变量为前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W。从而建立系统级优化模型表达式:
Figure GDA0003360805870000051
其中,
Figure GDA0003360805870000052
表示系统级各学科间一致性约束函数;除
Figure GDA0003360805870000053
外,带上角标*的量表示各学科级传给系统级的最优值;ε123表示松弛因子,为接近0的微小量,取值范围为10-3~10-5。从而,包括系统级和气动、控制、结构学科级的协同优化架构构建完成。
第四步:在第三步构建的协同优化架构中,系统级首先给定设计变量期望值Zt,并将期望值Zt分别传递给各学科级,其中初始设计变量期望值设定为
Figure GDA0003360805870000054
具体而言,将升力系数Cl、阻力系数Cd、俯仰力矩系数Cm、前体压缩面峰值载荷p1.max和考虑弹性变形的舵偏角de的期望值
Figure GDA0003360805870000055
传递给气动学科级,其中
Figure GDA0003360805870000056
仅作为气动学科级的输入参数,而
Figure GDA0003360805870000057
则需与气动学科级自身得到的结果进行比较;将舵面气动载荷p2、舵面气动峰值载荷p2.max、刚性舵偏角dr和升力系数Cl、阻力系数Cd、俯仰力矩系数Cm的期望值
Figure GDA0003360805870000058
传递给控制学科级,其中
Figure GDA0003360805870000059
仅作为控制学科级的输入参数,而
Figure GDA00033608058700000510
则需与控制学科级自身得到的结果进行比较;将舵面结构重量W、考虑弹性变形的舵偏角de和舵面气动载荷p2、刚性舵偏角dr的期望值Wt,
Figure GDA00033608058700000511
传递给结构学科级,其中
Figure GDA00033608058700000512
仅作为结构学科级的输入参数,而Wt,
Figure GDA00033608058700000513
则需与结构学科级自身得到的结果进行比较。
第五步:在第四步系统级传递给各学科级的设计变量期望值Zt后,与各学科级优化模块相连的学科分析模块根据前者提供的设计变量Xi,i=1,2,3进行学科分析,其中i表示气动、控制、结构中的第i个学科,得到各学科级约束参数、状态变量Yi,i=1,2,3及其与系统级设计变量期望值Zt之间的差异Ji,i=1,2,3,在此过程中将系统级设计变量期望值Zt看作不变参数。各学科级利用第二步建立的各学科级优化模型,进行本学科的学科级优化,在满足自身约束条件的情况下,使各学科级状态变量Yi尽可能接近系统级设计变量期望值Zt,计算求得各学科级状态变量的最优值Yi *,i=1,2,3。
对于气动学科级,给定前体压缩面和进气道保护罩的几何尺寸参数x1i,经过几何外形参数化建模、气动网格划分、CFD计算、气动载荷优化步骤,得到约束参数Cl/Cd,M,qm,Ctpr、状态变量Cl,Cd,Cm,p1.max及其与期望值
Figure GDA0003360805870000061
之差的平方和J1。基于第二步的气动学科级优化模型,通过改变x1i,在满足气动学科自身约束条件下,使状态变量Cl,Cd,Cm,p1.max与期望值
Figure GDA0003360805870000062
之间的差异J1最小,得到状态变量的最优值
Figure GDA0003360805870000063
对于控制学科级,给定舵面控制律的状态空间系数矩阵x2j,经过弹体解算、控制律解算、舵面载荷优化步骤,得到约束参数θ,n,
Figure GDA0003360805870000064
状态变量p2,p2.max,dr及其与期望值
Figure GDA0003360805870000065
之差的平方和J2。基于第二步的控制学科级优化模型,通过改变x2j,在满足控制学科自身约束条件下,使状态变量p2,p2.max,dr与期望值
Figure GDA0003360805870000066
之间的差异J2最小,得到状态变量的最优值
Figure GDA0003360805870000067
对于结构学科级,给定梁、肋构件位置和截面尺寸x3k,经过几何外形参数化建模、设计域加筋布局建立、翼面载荷计算、有限元分析、灵敏度计算、结构重量优化步骤,得到约束参数σmax、状态变量W,de及其与期望值Wt,
Figure GDA0003360805870000068
之差的平方和J3。基于第二步的结构学科级优化模型,通过改变x3k,在满足结构学科自身约束条件下,使状态变量W,de与期望值Wt,
Figure GDA0003360805870000069
之间的差异J3最小,得到状态变量的最优值W*,
Figure GDA00033608058700000610
第六步:各学科级将第五步优化得到的各学科级状态变量的最优值Yi *返回给系统级,即气动学科级返回
Figure GDA00033608058700000611
控制学科级返回
Figure GDA00033608058700000612
结构学科级返回W*,
Figure GDA00033608058700000613
系统级根据各学科级状态变量最优值Yi *构造系统级优化的学科间一致性约束条件
Figure GDA00033608058700000614
利用第三步建立的系统级优化模型,通过改变系统级设计变量Z,在满足学科间一致性约束条件
Figure GDA00033608058700000615
下,使关于前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的函数最小。经系统级优化后,得到系统级设计向量最优值Zt*,将最优值Zt*作为新的系统级设计向量期望值Zt传递给各学科级,即将
Figure GDA00033608058700000616
传递给气动学科级,将
Figure GDA00033608058700000617
传递给控制学科级,将Wt,
Figure GDA00033608058700000618
传递给结构学科级。
第七步:重复上述第四步到第六步,系统级设计变量期望值Zt传递给各学科级、各学科级优化得到各学科级状态变量的最优值Yi *并返回系统级、系统级优化得到新的系统级设计变量期望值Zt往复循环,直到系统级优化目标收敛。此时,高超声速飞行器整体性能达到最优。
本发明与现有技术相比的优点在于:本发明提供了考虑高超声速飞行器气动、控制和结构学科间耦合作用开展优化设计的新思路,弥补和完善了传统串行设计流程计算效率低且整体最优解难以获得的局限性。所构建的协同优化流程,一方面由系统级统一协调各学科间的耦合作用影响使得系统级目标函数达到最优,另一方面各学科间可以并行分析优化从而提高计算效率,为高超声速飞行器先进设计方法理论的完善作出了积极贡献。
附图说明
图1是本发明高超声速飞行器气动/控制/结构多学科协同优化流程图;
图2是本发明高超声速飞行器气动、控制、结构学科串行优化流程图;
图3是本发明高超声速飞行器气动/控制/结构多学科协同优化架构图。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
如图1所示,本发明提出了一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,包括以下步骤:
(1)构建高超声速飞行器气动、控制、结构学科串行优化流程,如图2所示。
首先开展气动学科优化,设计变量为前体压缩面和进气道保护罩的几何尺寸参数x1i,其中i是几何尺寸参数的个数,优化目标为前体压缩面峰值载荷p1.max最小,约束条件为前体升阻比Cl/Cd不下降、保护罩与弹体连接处力矩M不升高、进气流量qm不减小和总压恢复系数Ctpr不降低,从而建立气动学科优化模型表达式:
Figure GDA0003360805870000071
其中,(Cl/Cd)0、M0、qm0和Ctpr0分别是初始升阻比、初始力矩、初始进气流量和初始总压恢复系数。
在气动学科每次改变设计变量x1i迭代优化过程中,分别在给定舵偏角de条件下依次进行几何外形参数化建模、气动网格划分、CFD计算、气动载荷优化过程。
气动学科优化结束后得到前体压缩面峰值载荷p1.max最小情况下的升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和峰值载荷p1.max,传递给控制学科,作为控制学科的输入参数。
其次开展控制学科优化,设计变量为舵面控制律的状态空间系数矩阵x2j,其中j是状态空间系数矩阵的个数,优化目标为舵面气动峰值载荷p2.max最小,约束条件为舵面偏转角度θ在上下界范围内、弹道最大过载系数n不小于初始过载系数的1.2倍和前体压缩面峰值载荷
Figure GDA0003360805870000081
不升高,从而建立控制学科优化模型表达式:
Figure GDA0003360805870000082
其中,θ
Figure GDA0003360805870000083
分别是舵面偏转角度的下界和上界,n0是初始过载系数,
Figure GDA0003360805870000084
是控制学科分析过程中计算得到的前体压缩面峰值载荷,p1.max是气动学科传递下来的前体压缩面峰值载荷。
在控制学科每次改变设计变量x2j迭代优化过程中,分别在气动学科传递的升力系数Cl、阻力系数Cd和俯仰力矩系数Cm条件下依次进行弹体解算、控制律解算、舵面载荷优化过程。
控制学科优化结束后得到舵面气动峰值载荷p2.max最小情况下的舵面气动载荷p2和刚性舵偏角dr,传递给结构学科,作为结构学科的输入参数。
进而开展结构学科优化,设计变量为梁、肋构件位置和截面尺寸x3k,其中k是构件位置和截面尺寸参数的个数,优化目标为舵面结构重量W最小,约束条件为满足强度约束条件,从而建立结构学科优化模型表达式:
Figure GDA0003360805870000085
其中,σmax和[σ]分别是最大应力和许用应力。
在结构学科每次改变设计变量x3k迭代优化过程中,分别在控制学科传递的舵面气动载荷p2条件下依次进行几何外形参数化建模、设计域加筋布局建立、翼面载荷计算、有限元分析、灵敏度计算、结构重量优化过程。
结构学科优化结束后在刚性舵偏角dr基础上得到舵面结构重量W最小情况下考虑弹性变形的舵偏角de,传递给气动学科,作为气动学科的输入参数,再依次进行气动、控制、结构学科优化,直到各学科优化目标前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的综合评定指标最小:
minλ1p1.max2p2.max3W
其中,λ1、λ2和λ3分别是各学科优化目标所占权重。
综上,高超声速飞行器气动、控制、结构学科串行优化流程构建完成。
(2)基于第一步构建的串行优化流程,确定各物理量相互影响和传递关系,得到气动、控制、结构学科级局部设计变量、耦合状态变量和状态变量,建立协同优化架构中各学科级优化模型。
由第一步构建的串行优化流程可知,气动、控制、结构各学科的设计变量x1i,x2j,x3k只在本学科内起作用,不对其他学科起作用,因此各设计变量均为本学科的局部设计变量,而没有共享设计变量;升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和峰值载荷p1.max由气动学科得到,为气动学科级的状态变量,其中升力系数Cl、阻力系数Cd和俯仰力矩系数Cm又为控制学科的输入,为控制学科级的耦合状态变量;舵面气动载荷p2、峰值载荷p2.max和刚性舵偏角dr由控制学科得到,为控制学科级的状态变量,其中舵面气动载荷p2和刚性舵偏角dr又为结构学科的输入,为结构学科级的耦合状态变量;舵面结构重量W和考虑弹性变形的舵偏角de由结构学科得到,为结构学科级的状态变量,其中考虑弹性变形的舵偏角de又为气动学科的输入,为气动学科级的耦合状态变量。各学科级局部设计变量、耦合状态变量和状态变量如表1所示。
表1
Figure GDA0003360805870000091
对于气动学科级优化,约束条件为气动学科自身约束条件,即前体升阻比Cl/Cd不下降、保护罩与弹体连接处力矩M不升高、进气流量qm不减小和总压恢复系数Ctpr不降低;局部设计变量、耦合状态变量和状态变量如表1所示;目标函数为学科间一致性约束函数J1最小,即气动学科级自身得到的升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和前体压缩面峰值载荷p1.max与系统级传递下来的它们的期望值
Figure GDA0003360805870000092
之差的平方和最小。从而建立气动学科级优化模型表达式:
Figure GDA0003360805870000101
其中,带上角标t的量表示系统级传给学科级的期望值。
对于控制学科级优化,约束条件为控制学科自身约束条件,即舵面偏转角度θ在上下界范围内、弹道最大过载系数n不小于初始过载系数的1.2倍和前体压缩面峰值载荷
Figure GDA0003360805870000102
不升高;局部设计变量、耦合状态变量和状态变量如表1所示;目标函数为学科间一致性约束函数J2最小,即控制学科级自身得到的舵面气动载荷p2、刚性舵偏角dr和舵面气动峰值载荷p2.max与系统级传递下来的它们的期望值
Figure GDA0003360805870000103
之差的平方和最小。从而建立控制学科级优化模型表达式:
Figure GDA0003360805870000104
对于结构学科级优化,约束条件为结构学科自身约束条件,即满足强度约束条件;局部设计变量、耦合状态变量和状态变量如表1所示;目标函数为学科间一致性约束函数J3最小,即结构学科级自身得到的考虑弹性变形的舵偏角de和舵面结构重量W与系统级传递下来的它们的期望值
Figure GDA0003360805870000105
Wt之差的平方和最小。从而建立结构学科级优化模型表达式:
Figure GDA0003360805870000106
综上,气动、控制、结构学科级优化模型建立完成,各学科能自主选择适合自身学科的优化算法并行地进行优化,从而提高计算效率。
(3)根据第一步构建的串行优化流程和第二步得到的各学科级局部设计变量、耦合状态变量和状态变量,建立协同优化架构中系统级优化模型系统级优化模型。
对于系统级优化,优化目标为关于前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的函数最小,约束条件为学科间一致性约束函数为微小量,设计变量包括耦合状态变量和直接与目标函数相关的状态变量,其中耦合状态变量为升力系数Cl、阻力系数Cd、俯仰力矩系数Cm、舵面气动载荷p2、刚性舵偏角dr和考虑弹性变形的舵偏角de,直接与目标函数相关的状态变量为前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W。从而建立系统级优化模型表达式:
Figure GDA0003360805870000111
其中,
Figure GDA0003360805870000112
表示系统级各学科间一致性约束函数;除
Figure GDA0003360805870000113
外,带上角标*的量表示各学科级传给系统级的最优值;ε123表示松弛因子,为接近0的微小量,取值范围为10-3~10-5。由于等式约束的一致性约束形式对于各学科级来讲过于严格,为此引入较小的松弛因子将系统级中的一致性等式约束变为不等式约束,以使系统级存在可行解域,从而在一定程度上改善协同优化算法的求解性能。
综上,包括系统级和气动、控制、结构学科级的协同优化架构构建完成,如图3所示。
(4)在第三步构建的协同优化架构中,系统级首先给定设计变量期望值Zt,并将期望值Zt分别传递给各学科级,其中初始设计变量期望值设定为
Figure GDA0003360805870000114
具体而言,将升力系数Cl、阻力系数Cd、俯仰力矩系数Cm、前体压缩面峰值载荷p1.max和考虑弹性变形的舵偏角de的期望值
Figure GDA0003360805870000115
传递给气动学科级,其中
Figure GDA0003360805870000116
仅作为气动学科级的输入参数,而
Figure GDA0003360805870000117
则需与气动学科级自身得到的结果进行比较;将舵面气动载荷p2、舵面气动峰值载荷p2.max、刚性舵偏角dr和升力系数Cl、阻力系数Cd、俯仰力矩系数Cm的期望值
Figure GDA0003360805870000118
传递给控制学科级,其中
Figure GDA0003360805870000119
仅作为控制学科级的输入参数,而
Figure GDA00033608058700001110
则需与控制学科级自身得到的结果进行比较;将舵面结构重量W、考虑弹性变形的舵偏角de和舵面气动载荷p2、刚性舵偏角dr的期望值Wt,
Figure GDA00033608058700001111
传递给结构学科级,其中
Figure GDA00033608058700001112
仅作为结构学科级的输入参数,而Wt,
Figure GDA00033608058700001113
则需与结构学科级自身得到的结果进行比较。
(5)在第四步系统级传递给各学科级的设计变量期望值Zt后,与各学科级优化模块相连的学科分析模块根据前者提供的设计变量Xi,i=1,2,3进行学科分析,其中i表示气动、控制、结构中的第i个学科,得到各学科级约束参数、状态变量Yi,i=1,2,3及其与系统级设计变量期望值Zt之间的差异Ji,i=1,2,3,在此过程中将系统级设计变量期望值Zt看作不变参数。各学科级利用第二步建立的各学科级优化模型,进行本学科的学科级优化,在满足自身约束条件的情况下,使各学科级状态变量Yi尽可能接近系统级设计变量期望值Zt,计算求得各学科级状态变量的最优值Yi *,i=1,2,3。
对于气动学科级,给定前体压缩面和进气道保护罩的几何尺寸参数x1i,经过几何外形参数化建模、气动网格划分、CFD计算、气动载荷优化步骤,得到约束参数Cl/Cd,M,qm,Ctpr、状态变量Cl,Cd,Cm,p1.max及其与期望值
Figure GDA0003360805870000121
之差的平方和J1。基于第二步的气动学科级优化模型,通过改变x1i,在满足气动学科自身约束条件下,使状态变量Cl,Cd,Cm,p1.max与期望值
Figure GDA0003360805870000122
之间的差异J1最小,得到状态变量的最优值
Figure GDA0003360805870000123
对于控制学科级,给定舵面控制律的状态空间系数矩阵x2j,经过弹体解算、控制律解算、舵面载荷优化步骤,得到约束参数θ,n,
Figure GDA0003360805870000124
状态变量p2,p2.max,dr及其与期望值
Figure GDA0003360805870000125
之差的平方和J2。基于第二步的控制学科级优化模型,通过改变x2j,在满足控制学科自身约束条件下,使状态变量p2,p2.max,dr与期望值
Figure GDA0003360805870000126
之间的差异J2最小,得到状态变量的最优值
Figure GDA0003360805870000127
对于结构学科级,给定梁、肋构件位置和截面尺寸x3k,经过几何外形参数化建模、设计域加筋布局建立、翼面载荷计算、有限元分析、灵敏度计算、结构重量优化步骤,得到约束参数σmax、状态变量W,de及其与期望值Wt,
Figure GDA0003360805870000128
之差的平方和J3。基于第二步的结构学科级优化模型,通过改变x3k,在满足结构学科自身约束条件下,使状态变量W,de与期望值Wt,
Figure GDA0003360805870000129
之间的差异J3最小,得到状态变量的最优值W*,
Figure GDA00033608058700001210
(6)各学科级将第五步优化得到的各学科级状态变量的最优值Yi *返回给系统级,即气动学科级返回
Figure GDA00033608058700001211
控制学科级返回
Figure GDA00033608058700001212
结构学科级返回W*,
Figure GDA00033608058700001213
系统级根据各学科级状态变量最优值Yi *构造系统级优化的学科间一致性约束条件
Figure GDA00033608058700001214
利用第三步建立的系统级优化模型,通过改变系统级设计变量Z,在满足学科间一致性约束条件
Figure GDA00033608058700001215
下,使关于前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的函数最小。经系统级优化后,得到系统级设计向量最优值Zt*,将最优值Zt*作为新的系统级设计向量期望值Zt传递给各学科级,即将
Figure GDA00033608058700001216
传递给气动学科级,将
Figure GDA00033608058700001217
传递给控制学科级,将Wt,
Figure GDA00033608058700001218
传递给结构学科级。
(7)重复上述第四步到第六步,系统级设计变量期望值Zt传递给各学科级、各学科级优化得到各学科级状态变量最优值Yi *并返回系统级、系统级优化得到新的系统级设计变量期望值Zt往复循环,直到系统级优化目标收敛。此时,高超声速飞行器整体性能达到最优。至此,高超声速飞行器气动/控制/结构多学科协同优化完成。
综上所述,本发明提出了一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法。首先,由气动、控制、结构学科串行优化流程分解为1个系统级优化问题和3个学科级优化问题,构建三学科协同优化架构;系统级向各学科传递设计变量期望值,各学科在本学科优化后得到与设计变量期望值差距最小的最优解,再返回给系统级;系统级协调各学科间不一致情况,使系统级目标函数最优。本发明所提出的方法可以实现各学科并行优化并由系统级进行协调,完成高超声速飞行器整体最优解的高效求取,具有更为鲜明的工程实用价值。
以上仅是本发明的具体步骤,对本发明的保护范围不构成任何限制;其可扩展应用于高超声速飞行器的气动、控制、结构和热流、质量、推进等多个学科协同优化设计领域,凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
本发明未详细阐述部分属于本领域技术人员的公知技术。

Claims (7)

1.一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,其特征在于,实现步骤如下:
第一步:构建高超声速飞行器气动、控制、结构学科串行优化流程:首先开展气动学科优化,气动学科优化结束后得到前体压缩面峰值载荷p1.max最小情况下的升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和峰值载荷p1.max,传递给控制学科,作为控制学科的输入参数;其次开展控制学科优化,控制学科优化结束后得到舵面气动峰值载荷p2.max最小情况下的舵面气动载荷p2和刚性舵偏角dr,传递给结构学科,作为结构学科的输入参数;进而开展结构学科优化,结构学科优化结束后得到舵面结构重量W最小情况下考虑弹性变形的舵偏角de,传递给气动学科,作为气动学科的输入参数,再依次进行气动、控制、结构学科优化,直到各学科优化目标前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的综合评定指标最小:
minλ1p1.max2p2.max3W
其中,λ1、λ2和λ3分别是各学科优化目标所占权重;
第二步:基于第一步构建的串行优化流程,确定各物理量相互影响和传递关系,得到气动、控制、结构学科级局部设计变量、耦合状态变量和状态变量,建立协同优化架构中各学科级优化模型;
第三步:根据第一步构建的串行优化流程和第二步得到的各学科级局部设计变量、耦合状态变量和状态变量,建立系统级优化模型,从而构建包括系统级和气动、控制、结构学科级的协同优化架构;
第四步:在第三步构建的协同优化架构中,系统级,首先给定设计变量期望值Zt,并将期望值Zt分别传递给各学科级,其中初始设计变量期望值设定为
Figure FDA0003386327840000011
第五步:在第四步系统级传递给各学科级的设计变量期望值Zt后,与各学科级优化模块相连的学科分析模块根据前者提供的设计变量Xi,i=1,2,3进行学科分析,其中X1表示气动学科的设计变量、X2表示控制学科的设计变量、X3表示结构学科的设计变量,得到各学科级约束参数、状态变量Yi,i=1,2,3及其与系统级设计变量期望值Zt之间的差异Ji,i=1,2,3,在此过程中将系统级设计变量期望值Zt看作不变参数;各学科级利用第二步建立的各学科级优化模型,进行本学科的学科级优化,在满足自身约束条件的情况下,使各学科级状态变量Yi接近系统级设计变量期望值Zt,计算求得各学科级状态变量的最优值Yi *,i=1,2,3;
第六步:各学科级将第五步优化得到的各学科级状态变量的最优值返回给系统级,系统级根据各学科级状态变量的最优值Yi *构造系统级优化的学科间一致性约束条件;利用第三步建立的系统级优化模型,通过改变系统级设计变量Z,在满足学科间一致性约束条件下,使关于前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的函数最小;经系统级优化后,得到系统级设计向量最优值Zt*,将最优值Zt*作为新的系统级设计向量期望值Zt传递给各学科级;
第七步:重复上述第四步到第六步,系统级设计变量期望值Zt传递给各学科级、各学科级优化得到各学科级状态变量的最优值Yi *并返回系统级、系统级优化得到新的系统级设计变量期望值Zt往复循环,直到系统级优化目标收敛,此时高超声速飞行器整体性能达到最优。
2.根据权利要求1所述的一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,其特征在于:所述第一步中串行优化流程中气动、控制、结构学科优化模型分别为:
气动学科优化设计变量为前体压缩面和进气道保护罩的几何尺寸参数x1i,其中i是几何尺寸参数的个数,优化目标为前体压缩面峰值载荷p1.max最小,约束条件为前体升阻比Cl/Cd不下降、保护罩与弹体连接处力矩M不升高、进气流量qm不减小和总压恢复系数Ctpr不降低,优化模型表达式为:
Figure FDA0003386327840000021
其中,(Cl/Cd)0、M0、qm0和Ctpr0分别是初始升阻比、初始力矩、初始进气流量和初始总压恢复系数;
控制学科优化设计变量为舵面控制律的状态空间系数矩阵x2j,其中j是状态空间系数矩阵的个数,优化目标为舵面气动峰值载荷p2.max最小,约束条件为舵面偏转角度θ在上下界范围内、弹道最大过载系数n不小于初始过载系数的1.2倍和前体压缩面峰值载荷
Figure FDA0003386327840000022
不升高,优化模型表达式为:
Figure FDA0003386327840000031
其中,θ
Figure FDA0003386327840000032
分别是舵面偏转角度的下界和上界,n0是初始过载系数,
Figure FDA0003386327840000033
是控制学科分析过程中计算得到的前体压缩面峰值载荷,p1.max是气动学科传递下来的前体压缩面峰值载荷;
结构学科优化设计变量为梁、肋构件位置和截面尺寸x3k,其中k是构件位置和截面尺寸参数的个数,优化目标为舵面结构重量W最小,约束条件为满足强度约束条件,优化模型表达式为:
Figure FDA0003386327840000034
其中,σmax和[σ]分别是最大应力和许用应力。
3.根据权利要求2所述的一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,其特征在于:所述第二步中协同优化架构中气动、控制、结构学科级优化模型分别为:
气动学科级优化约束条件为气动学科自身约束条件,即前体升阻比Cl/Cd不下降、保护罩与弹体连接处力矩M不升高、进气流量qm不减小和总压恢复系数Ctpr不降低;局部设计变量为前体压缩面和进气道保护罩的几何尺寸参数x1i,耦合状态变量为考虑弹性变形的舵偏角de,状态变量为升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和前体压缩面峰值载荷p1.max;目标函数为学科间一致性约束函数J1最小,即气动学科级自身得到的升力系数Cl、阻力系数Cd、俯仰力矩系数Cm和前体压缩面峰值载荷p1.max与系统级传递下来的它们的期望值
Figure FDA0003386327840000035
之差的平方和最小;优化模型表达式为:
Figure FDA0003386327840000036
其中,带上角标t的量表示系统级传给学科级的期望值;
控制学科级优化约束条件为控制学科自身约束条件,即舵面偏转角度θ在上下界范围内、弹道最大过载系数n不小于初始过载系数的1.2倍和前体压缩面峰值载荷
Figure FDA0003386327840000037
不升高;局部设计变量为舵面控制律的状态空间系数矩阵x2j,耦合状态变量为升力系数Cl、阻力系数Cd和俯仰力矩系数Cm,状态变量为舵面气动载荷p2、舵面气动峰值载荷p2.max和刚性舵偏角dr;目标函数为学科间一致性约束函数J2最小,即控制学科级自身得到的舵面气动载荷p2、刚性舵偏角dr和舵面气动峰值载荷p2.max与系统级传递下来的它们的期望值
Figure FDA0003386327840000041
之差的平方和最小;优化模型表达式为:
Figure FDA0003386327840000042
结构学科级优化约束条件为结构学科自身约束条件,即满足强度约束条件;局部设计变量为梁、肋构件位置和截面尺寸x3k,耦合状态变量为舵面气动载荷p2和刚性舵偏角dr,状态变量为舵面结构重量W和考虑弹性变形的舵偏角de;目标函数为学科间一致性约束函数J3最小,即结构学科级自身得到的考虑弹性变形的舵偏角de和舵面结构重量W与系统级传递下来的它们的期望值
Figure FDA0003386327840000043
Wt之差的平方和最小;优化模型表达式为:
Figure FDA0003386327840000044
4.根据权利要求1所述的一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,其特征在于:所述第三步中协同优化架构中系统级优化模型为:系统级优化目标为关于前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W的函数最小,约束条件为各学科间一致性约束函数为微小量,设计变量包括耦合状态变量和直接与目标函数相关的状态变量,其中耦合状态变量为升力系数Cl、阻力系数Cd、俯仰力矩系数Cm、舵面气动载荷p2、刚性舵偏角dr和考虑弹性变形的舵偏角de,直接与目标函数相关的状态变量为前体压缩面峰值载荷p1.max、舵面气动峰值载荷p2.max和舵面结构重量W,优化模型表达式为:
Figure FDA0003386327840000051
其中,
Figure FDA0003386327840000052
表示系统级各学科间一致性约束函数;除
Figure FDA0003386327840000053
外,带上角标*的量表示各学科级传给系统级的最优值;ε123表示松弛因子,为接近0的微小量,取值范围为10-3~10-5
5.根据权利要求1所述的一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,其特征在于:所述第四步中系统级传递给气动、控制、结构学科级的设计变量期望值Zt分别为:系统级将升力系数Cl、阻力系数Cd、俯仰力矩系数Cm、前体压缩面峰值载荷p1.max和考虑弹性变形的舵偏角de的期望值
Figure FDA0003386327840000054
传递给气动学科级,其中
Figure FDA0003386327840000055
仅作为气动学科级的输入参数,而
Figure FDA0003386327840000056
则需与气动学科级自身得到的结果进行比较;将舵面气动载荷p2、舵面气动峰值载荷p2.max、刚性舵偏角dr和升力系数Cl、阻力系数Cd、俯仰力矩系数Cm的期望值
Figure FDA0003386327840000057
传递给控制学科级,其中
Figure FDA0003386327840000058
仅作为控制学科级的输入参数,而
Figure FDA0003386327840000059
则需与控制学科级自身得到的结果进行比较;将舵面结构重量W、考虑弹性变形的舵偏角de和舵面气动载荷p2、刚性舵偏角dr的期望值Wt,
Figure FDA00033863278400000510
传递给结构学科级,其中
Figure FDA00033863278400000511
仅作为结构学科级的输入参数,而Wt
Figure FDA00033863278400000512
则需与结构学科级自身得到的结果进行比较。
6.根据权利要求3所述的一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,其特征在于:所述第五步中气动、控制、结构学科级分析和优化结果分别为:
对于气动学科级,给定前体压缩面和进气道保护罩的几何尺寸参数x1i,经过几何外形参数化建模、气动网格划分、CFD计算、气动载荷优化步骤,得到约束参数Cl/Cd,M,qm,Ctpr、状态变量Cl,Cd,Cm,p1.max及其与期望值
Figure FDA00033863278400000513
之差的平方和J1,基于第二步的气动学科级优化模型,通过改变x1i,在满足气动学科自身约束条件下,使状态变量Cl,Cd,Cm,p1.max与期望值
Figure FDA00033863278400000514
之间的差异J1最小,得到状态变量的最优值
Figure FDA00033863278400000515
对于控制学科级,给定舵面控制律的状态空间系数矩阵x2j,经过弹体解算、控制律解算、舵面载荷优化步骤,得到约束参数θ,n,
Figure FDA00033863278400000516
状态变量p2,p2.max,dr及其与期望值
Figure FDA00033863278400000517
之差的平方和J2,基于第二步的控制学科级优化模型,通过改变x2j,在满足控制学科自身约束条件下,使状态变量p2,p2.max,dr与期望值
Figure FDA0003386327840000061
之间的差异J2最小,得到状态变量的最优值
Figure FDA0003386327840000062
对于结构学科级,给定梁、肋构件位置和截面尺寸x3k,经过几何外形参数化建模、设计域加筋布局建立、翼面载荷计算、有限元分析、灵敏度计算、结构重量优化步骤,得到约束参数σmax、状态变量W,de及其与期望值Wt,
Figure FDA0003386327840000063
之差的平方和J3,基于第二步的结构学科级优化模型,通过改变x3k,在满足结构学科自身约束条件下,使状态变量W,de与期望值Wt,
Figure FDA0003386327840000064
之间的差异J3最小,得到状态变量的最优值W*,
Figure FDA0003386327840000065
7.根据权利要求6所述的一种基于协同优化的高超声速飞行器气动/控制/结构多学科优化设计方法,其特征在于:所述第六步中气动、控制、结构学科级返回给系统级的各学科级状态变量最优值Yi *和系统级传递给气动、控制、结构学科级的新的系统级设计向量期望值Zt分别为:气动学科级返回
Figure FDA0003386327840000066
给系统级,控制学科级返回
Figure FDA0003386327840000067
结构学科级返回W*,
Figure FDA0003386327840000068
系统级传递
Figure FDA0003386327840000069
给气动学科级,传递
Figure FDA00033863278400000610
给控制学科级,传递Wt,
Figure FDA00033863278400000611
给结构学科级。
CN201911416353.9A 2019-12-31 2019-12-31 高超声速飞行器气动/控制/结构多学科协同优化方法 Active CN111191401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911416353.9A CN111191401B (zh) 2019-12-31 2019-12-31 高超声速飞行器气动/控制/结构多学科协同优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911416353.9A CN111191401B (zh) 2019-12-31 2019-12-31 高超声速飞行器气动/控制/结构多学科协同优化方法

Publications (2)

Publication Number Publication Date
CN111191401A CN111191401A (zh) 2020-05-22
CN111191401B true CN111191401B (zh) 2022-03-15

Family

ID=70710562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911416353.9A Active CN111191401B (zh) 2019-12-31 2019-12-31 高超声速飞行器气动/控制/结构多学科协同优化方法

Country Status (1)

Country Link
CN (1) CN111191401B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112199792B (zh) * 2020-09-30 2021-07-20 哈尔滨工程大学 一种微小型水下机器人多学科优化设计方法
CN112380786B (zh) * 2020-10-30 2024-04-05 中国运载火箭技术研究院 空气舵热环境建模方法、设备及存储介质
CN112507453B (zh) * 2020-12-03 2022-10-18 中国空气动力研究与发展中心计算空气动力研究所 一种以气动为核心的多学科耦合分析系统及方法
CN113221251B (zh) * 2021-05-28 2023-01-03 西北工业大学 一种高超声速飞行器整机结构设计方法及系统
CN113673027B (zh) * 2021-07-28 2023-05-23 北京航空航天大学 一种基于代理模型的高超声速飞行器气动载荷优化设计方法
CN116306383B (zh) * 2023-05-22 2024-01-30 华东交通大学 展向波纹杆件协同优化方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477710A (zh) * 2009-01-20 2009-07-08 北京航空航天大学 一种高超声速飞行器机身推进一体化外形建模方法
CN108491668A (zh) * 2018-04-17 2018-09-04 北京理工大学 一种基于动态多模型融合的飞行器系统优化方法
CN108595790A (zh) * 2018-04-09 2018-09-28 南京航空航天大学 基于动态方程的高超声速飞行器耦合分析方法
CN110488852A (zh) * 2019-08-28 2019-11-22 北京航空航天大学 一种高超声速飞行器全剖面自适应控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11537390B2 (en) * 2018-01-05 2022-12-27 Syracuse University Smart products lifecycle management platform

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477710A (zh) * 2009-01-20 2009-07-08 北京航空航天大学 一种高超声速飞行器机身推进一体化外形建模方法
CN108595790A (zh) * 2018-04-09 2018-09-28 南京航空航天大学 基于动态方程的高超声速飞行器耦合分析方法
CN108491668A (zh) * 2018-04-17 2018-09-04 北京理工大学 一种基于动态多模型融合的飞行器系统优化方法
CN110488852A (zh) * 2019-08-28 2019-11-22 北京航空航天大学 一种高超声速飞行器全剖面自适应控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Sequential multidisciplinary design optimization and reliability analysis under interval uncertainty;Lei Wang 等;《Aerospace Science and Technology》;20180720;第508-519页 *
Uncertainty propagation in aerodynamic forces and heating analysis for hypersonic vehicles with uncertain-but-bounded geometric parameters;Yuning Zheng 等;《Aerospace Science and Technology》;20181231;第1-14页 *
航天产品性能样机分布式协同建模与仿真技术研究;张峰;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20170115(第1期);第C031-24页 *
飞行器多学科设计优化理论的工程应用;陈小前 等;《国防科技大学学报》;20111031;第33卷(第5期);第1-8页 *

Also Published As

Publication number Publication date
CN111191401A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
CN111191401B (zh) 高超声速飞行器气动/控制/结构多学科协同优化方法
CN107391891B (zh) 一种基于模型融合方法的大展弦比机翼优化设计方法
De Gaspari et al. Knowledge-based shape optimization of morphing wing for more efficient aircraft
Chiba et al. Multidisciplinary design optimization and data mining for transonic regional-jet wing
Qun et al. A layout optimization method of composite wing structures based on carrying efficiency criterion
Massaro et al. Multi-objective optimization of helicopter airfoils using surrogate-assisted memetic algorithms
Zingg et al. Aerodynamic optimization under a range of operating conditions
Priem et al. An efficient application of Bayesian optimization to an industrial MDO framework for aircraft design.
Reist et al. Cross validation of aerodynamic shape optimization methodologies for aircraft wing-body optimization
Ghazlane et al. Aerostructural adjoint method for flexible wing optimization
CN113673027A (zh) 一种基于代理模型的高超声速飞行器气动载荷优化设计方法
CN104750948A (zh) 一种处理飞行器设计中多极值多约束问题的优化方法
Dillinger et al. Static aeroelastic stiffness optimization of a forward swept composite wing with CFD-corrected aero loads
Karpuk et al. Development of a multi-fidelity design, analysis, and optimization environment for future transport aircraft
Wunderlich et al. Global aero-structural design optimization of composite wings with active manoeuvre load alleviation
Mas Colomer et al. Similarity maximization of a scaled aeroelastic flight demonstrator via multidisciplinary optimization
Bryson A unified, multifidelity quasi-newton optimization method with application to aero-structural design
CN115203826A (zh) 吸气式宽速域高超声速飞行器气动布局优化方法及系统
CN112800533B (zh) 一种基于数字样机的高速飞行器结构强度设计方法和流程
CN114676639A (zh) 基于神经网络的飞行器气动外形优化方法、装置及介质
White et al. Massively Parallelizable Structural Design Optimization Using the Uncoupled Static Aeroelastic Analysis Method
Ratnayake et al. An Improved Method to Synthesize Conceptual Design Wing Lofts
CN113221483A (zh) 基于类别形状函数的二元自由造型进气道优化设计方法及系统
Peigin et al. Multipoint aerodynamic design of wing-body configurations for minimum drag
Bordogna et al. Surrogate-based aerodynamics for composite wing box sizing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant