CN113673027A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113673027A
CN113673027A CN202110860414.1A CN202110860414A CN113673027A CN 113673027 A CN113673027 A CN 113673027A CN 202110860414 A CN202110860414 A CN 202110860414A CN 113673027 A CN113673027 A CN 113673027A
Authority
CN
China
Prior art keywords
model
design
precursor
proxy model
hypersonic aircraft
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.)
Granted
Application number
CN202110860414.1A
Other languages
English (en)
Other versions
CN113673027B (zh
Inventor
邱志平
姜南
王磊
王晓军
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 CN202110860414.1A priority Critical patent/CN113673027B/zh
Publication of CN113673027A publication Critical patent/CN113673027A/zh
Application granted granted Critical
Publication of CN113673027B publication Critical patent/CN113673027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明公开了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。该方法将简单的代理模型数学表达式代替高超声速飞行器前体压缩面和进气道保护罩参数化建模控制参数与前体压缩面气动载荷峰值、升阻比、保护罩与弹体连接处力矩、进气流量和总压恢复系数这些响应之间的对应关系，开展高超声速飞行器气动载荷高效优化设计。首先确定各设计变量对各响应的灵敏度，筛选获取部分设计变量，在其取值范围内生成样本点，进而计算得到各个样本点对应的响应值，分别构建这些响应的代理模型，经过精度验证满足要求后基于构建的代理模型开展气动载荷优化。本发明在飞行载荷有效降低的同时大大提高计算效率，可为高超声速飞行器的先进设计提供可行的技术思路。

Description

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
技术领域
本发明涉及高超声速飞行器的气动载荷设计领域，特别涉及一种基于代理模型的气动载荷优化设计方法，为突破高超声速飞行器传统气动载荷优化过程中循环进行CFD计算时间效率低下的局限性，从而提高高超声速飞行器的设计水平。
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，具有飞行速度快、作战半径大、隐蔽性能好、突防能力强等特点，能够很好地实施远程侦查、突防、打击等任务，已经成为各国军事强国武器装备的一个极其重要的发展方向。其中，与火箭发动机为动力的高超声速飞行器相比，采用吸气式冲压发动机的高超声速飞行器可重复使用，并且利用空气中的氧气作为氧化剂，无需自身携带氧化剂，具有良好的经济价值，以其可靠性、快速打击全球等能力成为下一代空天运输系统的研究重点。
高超声速飞行器飞行载荷环境严酷，耦合因素多，具有大空域、宽马赫、高动压的飞行特征，造成气动载荷特性复杂，严重影响飞行器总体性能和飞行包络，会引起严酷脉动压力，从而影响发动机工作性能、导致结构振动及破坏等问题，严重时将会导致飞行试验失败。例如，2011年6月美国进行第二发X-51A飞行试验，因点火后压力振荡造成进气道不起动，进气流量大幅降低，飞行试验失败，由于气动载荷问题，发动机使用包络受到限制。高超声速飞行器的气动载荷问题已成为制约飞行器跨越式发展的重要基础科学问题。
高超声速飞行器采用机身/推进一体化的结构，飞行器前体下表面设计成推进系统进气道的一部分，因此，飞行器前体的气动外形对飞行器飞行性能的影响至关重要。高超声速飞行器的气动载荷优化主要通过改变飞行器前体主要部位的设计变量，即前体压缩面和进气道保护罩参数化建模控制参数，在满足约束条件前提下，达到前体压缩面气动载荷峰值最小的目标。
高超声速飞行器的传统气动载荷优化过程是基于CFD计算的，具体而言，每次改变前体压缩面和进气道保护罩参数化建模控制参数都要开展几何外形参数化模型修改、气动网格划分、CFD计算，得到响应值。由于前体外形较为复杂，飞行器气动网格数量往往较多，常常数百万甚至上千万，利用Fluent开展CFD计算单次就需较长时间，而优化迭代过程需要成百上千次计算，计算效率低下、成本巨大。
本发明针对高超声速飞行器基于CFD计算开展气动载荷优化效率低下的局限性，将前体压缩面和进气道保护罩参数化建模控制参数与前体压缩面气动载荷峰值、升阻比、保护罩与弹体连接处力矩、进气流量和总压恢复系数这些响应值的对应关系用代理模型表示替代，形成基于代理模型的气动载荷优化设计方法，为高超声速飞行器气动载荷的高效优化设计提供技术保障。
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，提供一种基于代理模型的高超声速飞行器气动载荷优化设计方法，充分利用代理模型的高效优势，构建前体压缩面气动载荷峰值、升阻比、保护罩与弹体连接处力矩、进气流量和总压恢复系数的代理模型，实现气动载荷的高效优化。所提出的方法在满足约束条件的前提下，实现气动载荷有效降低，同时大大降低计算成本，工程适用性更强。
本发明采用的技术方案为：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，该方法实现步骤如下：
第一步：由于高超声速飞行器气动载荷中的设计变量的个数往往较多，设计变量为前体压缩面和进气道保护罩参数化建模控制参数xi,i＝1,2,…,l，其中l是设计变量的个数，因此首先确定设计变量对前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应的灵敏度，分析这些设计变量对响应的影响程度大小。
确定设计变量的取值范围
Figure BDA0003183693550000021
其中
Figure BDA0003183693550000022
和
Figure BDA0003183693550000023
分别是第i个设计变量xi的最小值和最大值，选取依据是高超声速飞行器前体的各个面保持光滑不干涉。在设计变量的取值范围内
Figure BDA0003183693550000024
采用差分方法，分别在每个设计变量的初始值附近变化10％，分别进行几何外形参数化模型修改、气动网格划分、CFD计算，计算前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值，以这些响应值的变化量作为各设计变量对各响应的灵敏度，计算公式为：
Figure BDA0003183693550000025
其中，xi0表示第i个设计变量xi的初始值，yj,j＝1,2,3,4,5表示第j个响应值，分别对应前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr，
Figure BDA0003183693550000031
和
Figure BDA0003183693550000032
分别表示yj在1.1倍的设计变量初始值1.1xi0和初始值xi0处的响应值，δij表示第i个设计变量xi对第j个响应值yj的灵敏度。
将各设计变量对各响应的灵敏度按大小进行排序，对每个响应灵敏度大小排序前l/2个设计变量取并集，从而筛选获取l个设计变量中的部分设计变量，数量为n。
第二步：基于经过第一步筛选获取的n个设计变量，在其取值范围内生成若干组设计变量取值，即样本点。
生成样本点的方法采用拉丁超立方方法。拉丁超立方设计具有有效的空间填充能力，能够拟合二阶或更非线性的关系。具体实现为：将第一步筛选获取的设计变量个数n作为坐标空间维数，在n维坐标空间中，将每一维坐标区间
Figure BDA0003183693550000033
均匀地等分为m个区间，每个小区间记为
Figure BDA0003183693550000034
随机选取样本点，样本点数量为区间个数m，保证一个设计变量的每个水平只被采用一次，即构成n维坐标空间、样本点数量为m的拉丁超立方设计，记为m×n LHD。
样本点的数量与后续选取的代理模型类型有关，要想得到精度较高的代理模型，样本点数量至少应为代理模型所需最少样本点数量的1.5倍。
第三步：基于第二步生成的样本点，分别进行几何外形参数化模型修改、气动网格划分、CFD计算，计算得到各个样本点对应的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值。
其中，几何外形参数化模型修改过程为基于高超声速飞行器气动载荷中的设计变量，建立参数化的几何外形数学模型，通过几何外形的参数化建模实现几何模型的快速调整，这是各个样本点计算得到相应响应值的基础。
气动网格划分过程为对几何外形参数化模型修改得到的几何模型进行网格划分，考虑飞行器前体气动外形较为复杂，整体采用非结构网格划分，在局部边缘棱角处采用结构网格划分，这是CFD计算的前提，网格划分的好坏将直接影响优化过程的时间和优化结果的精度，适当的网格数量和较高的网格质量是提高优化设计效率的重要因素。
CFD计算过程为对气动网格划分得到的网格模型，借助Fluent软件进行CFD计算求解，采用基于密度的耦合求解器，求解可压缩N-S方程，对高超声速飞行器前体半模进行三维流动模拟，得到流体计算结果文件，从而获取前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值。
第四步：由第二步生成的样本点和第三步获取的相应响应值，构建代理模型。响应面方法是应用比较广泛的一类代理模型，利用多项式函数拟合设计空间，用简单的代数表达式在全局范围内比较精确地逼近函数关系，可以拟合复杂的响应关系，实用性强，适用范围广，其中二阶响应面模型具有较高精确度，所需最少样本点数量为(n+1)(n+2)/2。以样本点及其对应响应值为输入，建立的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr的二阶响应面代理模型具体如下：
Figure BDA0003183693550000041
其中，xi是第i个设计变量，yj,j＝1,2,3,4,5分别对应前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr，a0j、bij、cij和dij分别是代理模型多项式的系数。
第五步：对第四步构建得到的各响应的二阶响应面代理模型进行精度验证。利用iSight软件的Approximation模块对构建的代理模型进行误差分析，通过系数R2分析衡量代理模型与样本点响应值符合的程度，越接近1，表示可信度越高，系数R2达到0.90以上表示代理模型具有较高精度，达到0.95以上表示代理模型精度很高。
若构建的代理模型精度不满足设定的精度，则通过第二步重新生成更多样本点，再经过第三步获取相应响应值、第四步构建代理模型，并进行代理模型精度验证，直到构建的代理模型满足设定精度的要求。
第六步：基于经过第五步精度验证满足精度要求的代理模型，开展以降低前体压缩面气动载荷峰值p1.max为目标的气动载荷优化。以升阻比K不下降、保护罩与弹体连接处力矩M不升高、进气流量q不减小和总压恢复系数Ctpr不降低为约束条件，以前体压缩面气动载荷峰值p1.max最小为优化目标，从而建立气动载荷优化模型表达式：
Figure BDA0003183693550000042
其中，K0、M0、q0和Ctpr0分别是初始升阻比、保护罩与弹体连接处初始力矩、初始进气流量和初始总压恢复系数。
在气动载荷优化每次改变设计变量xi迭代过程中，将通过构建的代理模型计算得到的结果作为响应值代入气动载荷优化模型中进行气动载荷优化。气动载荷优化结束后得到前体压缩面气动载荷峰值p1.max最小情况下的前体压缩面和进气道保护罩参数化建模控制参数，即最优前体几何外形。
至此，高超声速飞行器气动载荷优化设计完成。
本发明与现有技术相比的优点在于：本发明提供了利用简单的数学代理模型开展高超声速飞行器气动载荷优化的新思路，弥补和完善了传统基于CFD计算开展气动载荷优化计算效率低下的局限性。所构建的基于代理模型的高超声速飞行器气动载荷优化设计流程，一方面能够使气动载荷在满足约束条件下充分降低，另一方面大大降低了计算时间成本，为先进高超声速飞行器的设计和研制提供了理论支撑。
附图说明
图1是本发明基于代理模型的高超声速飞行器气动载荷优化设计流程图。
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，包括以下步骤：
(1)由于高超声速飞行器气动载荷中的设计变量的个数往往较多，设计变量为前体压缩面和进气道保护罩参数化建模控制参数xi,i＝1,2,…,l，其中l是设计变量的个数，要构建具有较高精度的代理模型则需要大量样本点，利用CFD计算获取这些样本点对应的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值计算成本很高，因此首先确定设计变量对这些响应的灵敏度，分析这些设计变量对各响应的影响程度大小。
确定设计变量的取值范围
Figure BDA0003183693550000051
其中
Figure BDA0003183693550000052
和
Figure BDA0003183693550000053
分别是第i个设计变量xi的最小值和最大值，选取依据是高超声速飞行器前体的各个面保持光滑不干涉。在设计变量的取值范围内
Figure BDA0003183693550000054
采用差分方法，分别在每个设计变量的初始值附近变化10％，分别进行几何外形参数化模型修改、气动网格划分、CFD计算，计算前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值，以这些响应值的变化量作为各设计变量对各响应的灵敏度，计算公式为：
Figure BDA0003183693550000055
其中，xi0表示第i个设计变量xi的初始值，yj,j＝1,2,3,4,5表示第j个响应值，分别对应前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr，
Figure BDA0003183693550000061
和
Figure BDA0003183693550000062
分别表示yj在1.1倍的设计变量初始值1.1xi0和初始值xi0处的响应值，δij表示第i个设计变量xi对第j个响应值yj的灵敏度。
将各设计变量对各响应的灵敏度按大小进行排序，对每个响应灵敏度大小排序前l/2个设计变量取并集，从而筛选获取l个设计变量中的部分设计变量，数量为n。
(2)基于经过第一步筛选获取的n个设计变量，在其取值范围内生成若干组设计变量取值，即样本点。
生成样本点方法的选择直接影响最终代理模型的精度。这里采用拉丁超立方方法。拉丁超立方设计具有有效的空间填充能力，能够拟合二阶或更非线性的关系。具体实现为：将第一步筛选获取的设计变量个数n作为坐标空间维数，在n维坐标空间中，将每一维坐标区间
Figure BDA0003183693550000063
均匀地等分为m个区间，每个小区间记为
Figure BDA0003183693550000064
随机选取样本点，样本点数量为区间个数m，保证一个设计变量的每个水平只被采用一次，即构成n维坐标空间、样本点数量为m的拉丁超立方设计，记为m×n LHD。
样本点的数量与后续选取的代理模型类型有关，要想得到精度较高的代理模型，样本点数量至少应为代理模型所需最少样本点数量的1.5倍。
(3)基于第二步生成的样本点，分别进行几何外形参数化模型修改、气动网格划分、CFD计算，计算得到各个样本点对应的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值。
其中，几何外形参数化模型修改过程为基于高超声速飞行器气动载荷中的设计变量，建立参数化的几何外形数学模型，通过几何外形的参数化建模实现几何模型的快速调整，这是各个样本点计算得到相应响应值的基础。
气动网格划分过程为对几何外形参数化模型修改得到的几何模型进行网格划分，考虑飞行器前体气动外形较为复杂，整体采用非结构网格划分，在局部边缘棱角处采用结构网格划分，这是CFD计算的前提，网格划分的好坏将直接影响优化过程的时间和优化结果的精度，适当的网格数量和较高的网格质量是提高优化设计效率的重要因素。
CFD计算过程为对气动网格划分得到的网格模型，借助Fluent软件进行CFD计算求解，采用基于密度的耦合求解器，求解可压缩N-S方程，对高超声速飞行器前体半模进行三维流动模拟，得到流体计算结果文件，从而获取前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值。
(4)由第二步生成的样本点和第三步获取的相应响应值，构建代理模型。代理模型方法是通过简单的数学模型利用逼近近似技术对已知点数据进行拟合或插值来实现对未知点响应的预测。响应面方法是应用比较广泛的一类代理模型，利用多项式函数拟合设计空间，用简单的代数表达式在全局范围内比较精确地逼近函数关系，可以拟合复杂的响应关系，实用性强，适用范围广，其中二阶响应面模型具有较高精确度，所需最少样本点数量为(n+1)(n+2)/2。以样本点及其对应响应值为输入，建立的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr的二阶响应面代理模型具体如下：
Figure BDA0003183693550000071
其中，xi是第i个设计变量，yj,j＝1,2,3,4,5分别对应前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr，a0j、bij、cij和dij分别是代理模型多项式的系数。
(5)对第四步构建得到的各响应的二阶响应面代理模型进行精度验证。利用iSight软件的Approximation模块对构建的代理模型进行误差分析，通过系数R2分析衡量代理模型与样本点响应值符合的程度，越接近1，表示可信度越高，系数R2达到0.90以上表示代理模型具有较高精度，达到0.95以上表示代理模型精度很高。
若构建的代理模型精度不满足设定的精度，则通过第二步重新生成更多样本点，再经过第三步获取相应响应值、第四步构建代理模型，并进行代理模型精度验证，直到构建的代理模型满足设定精度的要求。
(6)基于经过第五步精度验证满足精度要求的代理模型，开展以降低前体压缩面气动载荷峰值p1.max为目标的气动载荷优化。以升阻比K不下降、保护罩与弹体连接处力矩M不升高、进气流量q不减小和总压恢复系数Ctpr不降低为约束条件，以前体压缩面气动载荷峰值p1.max最小为优化目标，从而建立气动载荷优化模型表达式：
Figure BDA0003183693550000072
其中，K0、M0、q0和Ctpr0分别是初始升阻比、保护罩与弹体连接处初始力矩、初始进气流量和初始总压恢复系数。
在气动载荷优化每次改变设计变量xi迭代过程中，将通过构建的代理模型计算得到的结果作为响应值代入气动载荷优化模型中进行气动载荷优化。气动载荷优化结束后得到前体压缩面气动载荷峰值p1.max最小情况下的前体压缩面和进气道保护罩参数化建模控制参数，即最优前体几何外形。
至此，高超声速飞行器气动载荷优化设计完成。
实施例：
为了更充分地了解该发明的特点及其对工程实际的适用性，本发明针对某高超声速飞行器前体开展基于代理模型的气动载荷优化设计。该前体压缩面和进气道保护罩共有11个参数化建模控制参数x1,x2,…,x11，即11个设计变量，其初始值和取值范围如表1所示。
表1
Figure BDA0003183693550000081
根据代理模型构建所述准则，二阶响应面代理模型所需最少样本点数量为78个，要保证较好精度则需近120个，计算灵敏度后保留对前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应影响程度较大的7个设计变量x1,x4,x6,x7,x9,x10,x11。
对这7个设计变量，构建二阶响应面代理模型所需最少样本点数量为36个，要保证较好精度则取60个，通过拉丁超立方方法生成60个样本点，与原11个设计变量所需近120个样本点相比大大减少。分别通过气动分析计算得到这60个样本点对应的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值。以这些样本点及其对应响应值为输入，建立的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr的二阶响应面代理模型分别为：
Figure BDA0003183693550000091
Figure BDA0003183693550000092
Figure BDA0003183693550000093
Figure BDA0003183693550000094
Figure BDA0003183693550000095
利用iSight软件的Approximation模块对构建的代理模型进行误差分析。建立的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr的二阶响应面代理模型的系数R2分别为0.967、0.958、0.965、0.976和0.973，可信度较高，说明代理模型精度较高。
采用多岛遗传算法，开展气动载荷优化。优化结果与初始结果对比如表2所示。
表2
Figure BDA0003183693550000101
由表2，优化结果与初始结果相比，能在升阻比K不下降、保护罩与弹体连接处力矩M不升高、进气流量q不减小和总压恢复系数Ctpr不降低的前提下，前体压缩面气动载荷峰值p1.max有效降低6.83％，优化效果良好。以上实施例验证了本发明基于代理模型开展气动载荷优化设计的可行性和有效性。
综上，本发明方法首先确定高超声速飞行器气动载荷中的设计变量的取值范围，由灵敏度计算结果筛选部分设计变量；通过生成样本点，分别计算得到各个样本点对应的前体压缩面气动载荷峰值、升阻比、保护罩与弹体连接处力矩、进气流量和总压恢复系数这些响应值，进而构建相应代理模型；基于经过精度验证满足精度要求的代理模型，开展气动载荷优化，最终获得前体压缩面气动载荷峰值最小情况下的最优前体外形。本发明所提出的方法可以在气动载荷有效降低的同时大大提高计算效率，具有更为鲜明的工程实用价值。
本发明未详细阐述部分属于本领域技术人员的公知技术。
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其他学科优化设计领域，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。

Claims (8)

1.一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，其特征在于，包括以下步骤：
第一步：确定高超声速飞行器气动载荷中的设计变量对前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应的灵敏度，所述设计变量为前体压缩面和进气道保护罩参数化建模控制参数xi,i＝1,2,…,l，其中l是设计变量的个数；确定设计变量的取值范围
Figure FDA0003183693540000011
其中
Figure FDA0003183693540000012
和
Figure FDA0003183693540000013
分别是第i个设计变量xi的最小值和最大值，选取依据是高超声速飞行器前体的各个面保持光滑不干涉；在设计变量的取值范围内
Figure FDA0003183693540000014
采用差分方法，分别在每个设计变量的初始值附近变化10％，分别计算前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr的响应值，以这些响应值的变化量作为各设计变量对各响应的灵敏度；将各设计变量对各响应的灵敏度按大小进行排序，对每个响应灵敏度大小排序前l/2个设计变量取并集，从而筛选获取l个设计变量中的部分设计变量，数量为n；
第二步：基于经过第一步筛选获取的n个设计变量，在其取值范围内生成若干组设计变量取值，即样本点；
第三步：基于第二步生成的样本点，分别计算得到各个样本点对应的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值；
第四步：由第二步生成的样本点和第三步获取的相应响应值，构建代理模型；以样本点及其对应响应值为输入，分别建立前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应的代理模型；
第五步：对第四步构建得到的各响应的代理模型进行精度验证；若构建的代理模型精度不满足设定的精度，则通过第二步重新生成更多样本点，再经过第三步获取相应响应值、第四步构建代理模型，并进行代理模型精度验证，直到构建的代理模型满足设定精度的要求；
第六步：基于经过第五步精度验证满足精度要求的代理模型，进行以降低前体压缩面气动载荷峰值p1.max为目标的气动载荷优化；建立气动载荷优化模型，在气动载荷优化每次改变设计变量xi迭代过程中，将通过构建的代理模型计算得到的结果作为响应值代入气动载荷优化模型中进行气动载荷优化，气动载荷优化结束后得到前体压缩面气动载荷峰值p1.max最小情况下的前体压缩面和进气道保护罩参数化建模控制参数，即最优前体几何外形；至此，完成高超声速飞行器气动载荷优化设计。
2.根据权利要求1所述的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，其特征在于：所述第一步中，各设计变量对各响应的灵敏度的计算公式为：
Figure FDA0003183693540000021
其中，xi0表示第i个设计变量xi的初始值，yj,j＝1,2,3,4,5表示第j个响应值，分别对应前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr，
Figure FDA0003183693540000022
和
Figure FDA0003183693540000023
分别表示yj在1.1倍的设计变量初始值1.1xi0和初始值xi0处的响应值，δij表示第i个设计变量xi对第j个响应值yj的灵敏度。
3.根据权利要求1所述的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，其特征在于：所述第二步中，生成样本点的方法采用拉丁超立方方法，拉丁超立方法实现为：将第一步筛选获取的设计变量个数n作为坐标空间维数，在n维坐标空间中，将每一维坐标区间
Figure FDA0003183693540000024
均匀地等分为m个区间，每个区间记为
Figure FDA0003183693540000025
随机选取样本点，样本点数量为区间个数m，保证一个设计变量的每个水平只被采用一次，即构成n维坐标空间、样本点数量为m的拉丁超立方设计，记为m×n LHD。
4.根据权利要求1所述的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，其特征在于：所述第二步中，样本点的数量与选取的代理模型类型有关，数量至少应为代理模型所需最少样本点数量的1.5倍，以确保构建代理模型的高精度。
5.根据权利要求1所述的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，其特征在于：所述第三步中，由生成的各个样本点计算得到对应的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值的过程为几何外形参数化模型修改、气动网格划分、CFD计算；
几何外形参数化模型修改过程为基于高超声速飞行器气动载荷中的设计变量，建立参数化的几何外形数学模型，通过几何外形的参数化建模实现几何模型的快速调整，这是各个样本点计算得到相应响应值的基础；
气动网格划分过程为对几何外形参数化模型修改得到的几何模型进行网格划分，考虑飞行器前体气动外形较为复杂，整体采用非结构网格划分，在局部边缘棱角处采用结构网格划分，这是CFD计算的前提；
CFD计算过程为对气动网格划分得到的网格模型，借助Fluent软件进行CFD计算求解，采用基于密度的耦合求解器，求解可压缩N-S方程，对高超声速飞行器前体半模进行三维流动模拟，得到流体计算结果文件，从而获取前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr这些响应值。
6.根据权利要求1所述的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，其特征在于：所述第四步中，构建的代理模型为二阶响应面代理模型，所需最少样本点数量为(n+1)(n+2)/2，建立的前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr的代理模型具体如下；
Figure FDA0003183693540000031
其中，xi是第i个设计变量，yj,j＝1,2,3,4,5分别对应前体压缩面气动载荷峰值p1.max、升阻比K、保护罩与弹体连接处力矩M、进气流量q和总压恢复系数Ctpr，a0j、bij、cij和dij分别是代理模型多项式的系数。
7.根据权利要求1所述的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，其特征在于：所述第五步中，代理模型精度验证的方法为：利用iSight软件的Approximation模块对构建的代理模型进行误差分析，通过系数R2分析衡量代理模型与样本点响应值符合的程度，越接近1，表示可信度越高，系数R2达到0.90以上表示代理模型具有较高精度，达到0.95以上表示代理模型精度很高。
8.根据权利要求1所述的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，其特征在于：所述第六步中，气动载荷优化模型为：以升阻比K不下降、保护罩与弹体连接处力矩M不升高、进气流量q不减小和总压恢复系数Ctpr不降低为约束条件，以前体压缩面气动载荷峰值p1.max最小为优化目标，建立气动载荷优化模型表达式：
Figure FDA0003183693540000032
其中，K0、M0、q0和Ctpr0分别是初始升阻比、保护罩与弹体连接处初始力矩、初始进气流量和初始总压恢复系数。
CN202110860414.1A 2021-07-28 2021-07-28 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 Active CN113673027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110860414.1A CN113673027B (zh) 2021-07-28 2021-07-28 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110860414.1A CN113673027B (zh) 2021-07-28 2021-07-28 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

Publications (2)

Publication Number Publication Date
CN113673027A true CN113673027A (zh) 2021-11-19
CN113673027B CN113673027B (zh) 2023-05-23

Family

ID=78540611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110860414.1A Active CN113673027B (zh) 2021-07-28 2021-07-28 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

Country Status (1)

Country Link
CN (1) CN113673027B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114218686A (zh) * 2022-02-21 2022-03-22 中国人民解放军国防科技大学 一种用于飞行器的多精度数据光滑标度近似建模方法
CN114254490A (zh) * 2021-12-07 2022-03-29 中国人民解放军空军工程大学 一种基于布鲁斯特约束的弹道优化设计方法
CN117252130A (zh) * 2023-11-17 2023-12-19 中国空气动力研究与发展中心计算空气动力研究所 飞行器近场压力分布预测方法、系统及相关设备
CN117454807A (zh) * 2023-12-26 2024-01-26 中国航天三江集团有限公司 基于光学设备防护罩的多尺度cfd数值模拟方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040195441A1 (en) * 2003-04-07 2004-10-07 Honeywell International Inc. Flight control actuation system
CN107391891A (zh) * 2017-09-05 2017-11-24 北京理工大学 一种基于模型融合方法的大展弦比机翼优化设计方法
CN110555227A (zh) * 2019-06-28 2019-12-10 中国飞机强度研究所 一种可重构结构多层次优化设计方法
CN111191401A (zh) * 2019-12-31 2020-05-22 北京航空航天大学 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040195441A1 (en) * 2003-04-07 2004-10-07 Honeywell International Inc. Flight control actuation system
CN107391891A (zh) * 2017-09-05 2017-11-24 北京理工大学 一种基于模型融合方法的大展弦比机翼优化设计方法
CN110555227A (zh) * 2019-06-28 2019-12-10 中国飞机强度研究所 一种可重构结构多层次优化设计方法
CN111191401A (zh) * 2019-12-31 2020-05-22 北京航空航天大学 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

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114254490A (zh) * 2021-12-07 2022-03-29 中国人民解放军空军工程大学 一种基于布鲁斯特约束的弹道优化设计方法
CN114254490B (zh) * 2021-12-07 2023-03-10 中国人民解放军空军工程大学 一种基于布鲁斯特约束的弹道优化设计方法
CN114218686A (zh) * 2022-02-21 2022-03-22 中国人民解放军国防科技大学 一种用于飞行器的多精度数据光滑标度近似建模方法
CN114218686B (zh) * 2022-02-21 2022-05-10 中国人民解放军国防科技大学 一种用于飞行器的多精度数据光滑标度近似建模方法
CN117252130A (zh) * 2023-11-17 2023-12-19 中国空气动力研究与发展中心计算空气动力研究所 飞行器近场压力分布预测方法、系统及相关设备
CN117252130B (zh) * 2023-11-17 2024-02-06 中国空气动力研究与发展中心计算空气动力研究所 飞行器近场压力分布预测方法、系统及相关设备
CN117454807A (zh) * 2023-12-26 2024-01-26 中国航天三江集团有限公司 基于光学设备防护罩的多尺度cfd数值模拟方法
CN117454807B (zh) * 2023-12-26 2024-03-29 中国航天三江集团有限公司 基于光学设备防护罩的多尺度cfd数值模拟方法

Also Published As

Publication number Publication date
CN113673027B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
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
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
US6606612B1 (en) Method for constructing composite response surfaces by combining neural networks with other interpolation or estimation techniques
CN111191401B (zh) 高超声速飞行器气动/控制/结构多学科协同优化方法
Wu et al. A developed surrogate-based optimization framework combining HDMR-based modeling technique and TLBO algorithm for high-dimensional engineering problems
Sasaki et al. Aerodynamic Optimization of an Over-the-Wing-Nacelle-Mount Configuration.
Nadarajah et al. Sonic boom reduction using an adjoint method for wing-body configurations in supersonic flow
Leifsson et al. Variable-fidelity aerodynamic shape optimization
CN111027250A (zh) 一种基于网格变形技术的异形曲面加筋壳建模方法
Amrit et al. Applications of surrogate-assisted and multi-fidelity multi-objective optimization algorithms to simulation-based aerodynamic design
CN114861315A (zh) 一种基于机器学习的叶轮机二维叶型优化方法
CN114036631A (zh) 一种基于强化学习的航天器自主交会对接制导策略生成方法
CN112414668B (zh) 一种风洞试验数据静气弹修正方法、装置、设备及介质
CN110083946B (zh) 一种基于无约束优化模型的多状态模型修正的方法
CN110096798B (zh) 一种多状态有限元模型修正的方法
Kiris et al. Best practices for aero-database CFD simulations of ares V ascent
CN116628854A (zh) 一种翼型气动特性预测方法、系统、电子设备及存储介质
Dean et al. Aircraft stability and control characteristics determined by system identification of CFD simulations
Piperni et al. Singlepoint and multipoint robust design of airfoils using CST functions
Lawless et al. CFD-Based Kriging Surrogate Models Compared to Axisymmetric Missile Concept From Mach 0.60 to 3.95
Jia et al. An accuracy-enhanced transonic flow prediction method fusing deep learning and a reduced-order model
CN113569319A (zh) 基于pso_de智能算法的航空发动机模型自适应修正器设计方法
Ren Aerodynamic shape optimization by multi-fidelity modeling and manifold mapping
Peigin et al. Multipoint aerodynamic design of wing-body configurations for minimum drag
Epstein et al. Aerodynamic Shape Optimization by Automatic Hybrid Genetic Tool OPTIMENGA_AERO

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