CN115203826A - 吸气式宽速域高超声速飞行器气动布局优化方法及系统 - Google Patents

吸气式宽速域高超声速飞行器气动布局优化方法及系统 Download PDF

Info

Publication number
CN115203826A
CN115203826A CN202210827600.XA CN202210827600A CN115203826A CN 115203826 A CN115203826 A CN 115203826A CN 202210827600 A CN202210827600 A CN 202210827600A CN 115203826 A CN115203826 A CN 115203826A
Authority
CN
China
Prior art keywords
optimization
aircraft
pneumatic
aerodynamic
air
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.)
Pending
Application number
CN202210827600.XA
Other languages
English (en)
Inventor
苟建军
龚春林
肖爽
魏震
陈兵
王健磊
吴蔚楠
李春娜
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202210827600.XA priority Critical patent/CN115203826A/zh
Publication of CN115203826A publication Critical patent/CN115203826A/zh
Pending legal-status Critical Current

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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/28—Fuselage, exterior or interior
    • 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
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种吸气式宽速域高超声速飞行器气动布局优化方法及系统，包括以下步骤：根据任务要求确定飞行器的气动优化目标函数，并根据实际需求确定优化问题的约束条件；建立飞行器的参数化模型，自动生成计算网格，构建飞行器的气动优化模型，进行气动特性求解得到发动机热通状态下的气动数据；基于分层气动优化策略对飞行器的气动数据进行优化，在满足气动优化目标函数和约束条件的前提下，得到最终的优化构型。本发明在保证优化结果精度的前提下，提高气动优化的整体效率，最终在给定条件下得到总体气动性能最优的外形方案。

Description

吸气式宽速域高超声速飞行器气动布局优化方法及系统
技术领域
本发明涉及吸气式高超声速飞行器的气动优化问题，特别是涉及一种基于多点/多目标的宽速域高超声速飞行器气动布局的优化方法及系统。
背景技术
吸气式宽速域高超声速飞行器是未来空天运输系统发展的重要方向，在航天领域得到广泛关注。该飞行器的气动优化问题存在以下关键问题：(1)该类飞行器飞行空域大，飞行马赫数范围宽，单个设计点难以代表整个飞行包线，气动优化模型较为复杂；(2)气动与推进、结构、防热等学科相互耦合，气动优化时必须考虑其他学科的影响；(3)吸气式高超声速飞行器的外部流场复杂，工程估算的精度低，要想得到较为精确的优化结果需要构筑精细的CFD气动模型。
对于吸气式宽速域高超声速飞行器，以上问题导致根据传统的设计思想很难得到可行的外形方案。当前国内外对于该类飞行器的气动优化设计研究还尚不成熟，目前的研究主要集中于分部件优化与机体/推进一体化设计，在气动分析手段上往往采用工程估算法，一定程度上影响了优化结果的可靠性；在评估点选取上以单点优化为主，脱离了工程实际的需要；在优化策略上以全局或局部范围内的单轮优化为主，无法保证优化结果的全局最优性。
发明内容
针对吸气式高超声速飞行器的气动优化问题，本发明提出了一种吸气式宽速域高超声速飞行器气动布局优化方法及系统，发展了“CFD+准一维流”的气动分析流程，并提出了一种基于分层的气动优化策略。本发明在保证优化结果精度的前提下，提高气动优化的整体效率，最终在给定条件下得到总体气动性能最优的外形方案。
为了实现上述目的，本发明提供了如下的技术方案。
一种吸气式宽速域高超声速飞行器气动布局优化方法，包括以下步骤：
根据任务要求确定飞行器的气动优化目标函数，并根据实际需求确定优化问题的约束条件；
建立飞行器的参数化模型，自动生成计算网格，构建飞行器的气动优化模型，进行气动特性求解得到发动机热通状态下的气动数据；
基于分层气动优化策略对飞行器的外形参数进行优化，在满足气动优化目标函数和约束条件的前提下，得到最终的优化构型。
作为本发明的进一步改进，根据任务要求确定飞行器的气动优化目标函数，包括：
考虑到吸气式飞行器的特点，以飞行马赫数为基准，在飞行器的整个速域段，目标函数气动评估点的选取包括：飞行器燃料消耗较快的速域段；进气道工作起动点；发动机工作起动点；发动机模态转换点；各个评估点常采用加权求和法处理。
作为本发明的进一步改进，确定目标函数气动评估点的选取以及权重，包括以下步骤：
设评估点数目为m，则目标函数的具体形式为
Figure BDA0003747095430000021
其中JT为优化目标函数，ωi为权重因子，Ji为每个评估点的目标函数值；
权重系数的选取以基准弹道为参考，各弹道离散点的权重系数表示为：
Figure BDA0003747095430000022
ΔmF,k＝mF(J1,…,Jk+ΔJk,…,Jn)-mF(J1,…,Jk,…,Jn)
式中mF为燃料质量，n为飞行器上升段弹道离散点个数，ΔmF,k为第k个评估点下飞行器燃料消耗，是优化目标的函数。
作为本发明的进一步改进，构建飞行器的气动优化模型具体包括以下步骤：
CAD参数化建模：根据总体背景方案，利用CATIA对飞行器进行参数化建模，确定基准构型；
网格自动生成：利用Pointwise的脚本录制功能记录基准构型的体网格划分；
气动特性求解：对气动/推进算力界面进行划分，包括隔离段与燃烧室，采用准一维流计算，其余部分采用CFD计算，内外流场通过交界面进行数据传递。
作为本发明的进一步改进，气动特性求解的具体步骤为：
对飞行器前体进行冷通状态的计算，得到进气道出口的气流属性；
以进气道出口的气流属性作为输入条件，使用准一维流方法对隔离段和燃烧室进行计算，得到燃烧室出口的气流属性；
将燃烧室出口的气流属性作为尾喷管入口的边界条件，对整个飞行器进行第二次CFD分析，得到热通状态下的气动数据。
作为本发明的进一步改进，基于分层气动优化策略对飞行器的气动数据进行优化包括：
第一层全局优化，通过Kriging自适应代理模型在全局范围内进行寻优；
第二层局部优化，通过基于离散伴随法的梯度优化算法进行局部寻优。
作为本发明的进一步改进，通过Kriging自适应代理模型在全局范围内进行寻优具体步骤为：
通过拉丁超立方抽样在设计空间中选取一定数量的点作为初始样本并建立初始Kriging代理模型；
从每个样本点开始，基于当前代理模型采用最速下降法以EI函数最大化为目标进行局部寻优，剔除相同的点后取EI值最大的前n-1个极值点，对剔除相同的点后得到新样本进行气动分析并将其加入样本集合中；
采用遗传算法寻找当前代理模型的预测最优点，同样对其进行气动分析并加入样本集合中，更新代理模型；
判定代理模型在预测最优值附近的精度是否达到要求，如果是则结束优化，如果否则返回继续迭代。
作为本发明的进一步改进，基于Kriging代理模型的并行加点策略在一次迭代中加入n个样本点，其中n-1个由EI准则得到。
作为本发明的进一步改进，通过基于离散伴随法的梯度优化算法进行局部寻优具体步骤为：
通过离散伴随法获得梯度信息，采用梯度优化算法进行局部优化，每次迭代仅需对基准流场和伴随流场各求解一次；
将迭代的梯度信息输入优化器，判断是否优化收敛或达到一定的迭代次数，如果是则结束优化，如果否则返回继续迭代。
一种吸气式宽速域高超声速飞行器气动布局优化系统，包括：
目标函数确定单元，用于根据任务要求确定飞行器的气动优化目标函数，并根据实际需求确定优化问题的约束条件；
气动数据求解单元，用于建立飞行器的参数化模型，自动生成计算网格，构建飞行器的气动优化模型，进行气动特性求解得到发动机热通状态下的气动数据；
优化构型确定单元，用于基于分层气动优化策略对飞行器的外形参数进行优化，在满足气动优化目标函数和约束条件的前提下，得到最终的优化构型。
与现有技术相比，本发明具有以下有益效果：
本发明系统地阐述了一种吸气式宽速域高超声速飞行器气动布局优化方法，(1)基于多点/多目标建立了完整的气动优化流程对外形优劣进行评估，避免了定点优化结果在偏离设计点较远时气动性能与设计性能偏差较大的缺陷。(2)气动分析建模的自动化流程，提高了优化精度的同时减少了计算资源的消耗，有助于研究人员在大空域、宽速域范围内更快、更精确地获取气动性能最好的气动布局，对其它飞行器的气动优化研究也具有一定的参考价值。(3)基于分层优化的气动外形优化框架，在保证优化结果精度的前提下，提高了气动优化的整体效率，最终在给定条件下得到总体气动性能最优的外形方案。
附图说明
在此描述的附图仅用于解释目的，而不意图以任何方式来限制本发明公开的范围。另外，图中的各部件的形状和比例尺寸等仅为示意性的，用于帮助对本发明的理解，并不是具体限定本发明各部件的形状和比例尺寸。本领域的技术人员在本发明的教导下，可以根据具体情况选择各种可能的形状和比例尺寸来实施本发明。在附图中：
图1为本发明气动优化案例的基准外形轴测图；
图2为本发明气动优化案例的机身参数化示意图；
图3为本发明气动优化案例的机翼参数化示意图；
图4为本发明气动优化案例的算力界面划分；
图5为本发明气动优化案例的气动分析流程；
图6为本发明气动优化案例的分层优化流程；
图7为本发明气动优化案例的基准外形三视图；
图8为本发明气动优化案例的优化外形三视图；
图中各标注对应的设计参数如下：1.飞行器机身长度Lbody 2.机身高度Hbody 3.尾喷管长度Lnozzle 4.前缘半径rtip 5.机翼梢部弦长L2 6.机翼半展长w 7.机翼根部弦长L1 8.机翼梢部最大厚度C2 9.机翼根部最大厚度C1 10.垂尾梢部弦长C3 11.机翼梢部弦长L212.垂尾高度Hcw。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，当元件被称为“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施例。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明一种吸气式宽速域高超声速飞行器气动布局优化方法，具体流程为：
(1)建立吸气式宽速域高超声速飞行器的气动优化模型。基于飞行任务总结飞行器设计的优化目标与约束要求，提出适用于具体问题的优化目标函数与约束条件，其中目标函数气动评估点的选取以及权重的确定是该步骤的关键。考虑到吸气式飞行器的特点，以飞行马赫数为基准，在飞行器的整个速域段，评估点的选取应包括：1)飞行器燃料消耗较快的速域段；2)进气道工作起动点；3)发动机工作起动点；4)发动机模态转换点。各个评估点常采用加权求和法进行处理，将多目标优化问题转换为单目标优化问题。设评估点数目为m，则目标函数的具体形式为
Figure BDA0003747095430000061
其中JT为优化目标函数，ωi为权重因子，Ji为每个评估点的目标函数值。权重系数的选取以基准弹道为参考，由于气动优化的最终目的是减小燃料质量，故各评估点的权重系数可取为燃料消耗对目标函数的偏导数。考虑到实际弹道的结果数据往往以离散的形式给出，各弹道离散点的权重系数可表示为
Figure BDA0003747095430000062
ΔmF,k＝mF(J1,…,Jk+ΔJk,…,Jn)-mF(J1,…,Jk,…,Jn)
式中mF为燃料质量，n为飞行器上升段弹道离散点个数，ΔmF,k为第k个评估点下飞行器燃料消耗，是优化目标的函数。该式的含义是：对于某个气动评估点，如果目标函数变化对燃料质量变化的影响越大，则该点在多目标向单目标转化中所获得的权重也越大。
对于选定的目标函数，如果其数值在各评估点存在量级上的差异，则应对其进行归一化处理后再加权。
在优化目标建立完毕后，应结合具体任务需求设置优化问题的约束条件。由于吸气式高超声速飞行器的机体/推进往往采用一体化设计，飞行器前体下表面同时是发动机进气道的压缩面，飞行器后体的下表面也是发动机尾喷管的扩张型面，这种布局导致飞行器内外流是强耦合关系。因此为了得到满足实际需要的构型，在气动优化问题中除了气动学科的约束，还需要考虑结构、防热、推进等其他学科的约束。
(2)建立高拟真度的气动分析模型。要解决气动优化问题就要建立获取高精度气动特性的分析模型，主要包括CAD参数化建模、网格自动生成以及气动特性求解。
CAD参数化建模：根据总体背景方案，利用CATIA对飞行器进行参数化建模，确定基准构型。为了提高气动优化效率，建立参数化模型时应做到用尽量少的参数表达出尽可能丰富的飞行器外形。
网格自动生成：利用Pointwise的脚本录制功能记录基准构型的体网格划分过程，基于初始脚本进行二次开发，并用不同外形对其进行检验，不断提高脚本的鲁棒性。
气动特性求解：首先对气动/推进算力界面进行划分。本发明的推进学科包括隔离段与燃烧室，采用准一维流计算，其余部分为气动学科，采用CFD计算，内外流场通过交界面进行数据传递。气动特性分析的具体步骤为：
1)对飞行器前体进行冷通状态的计算，得到进气道出口的气流属性；
2)以进气道出口的气流属性作为输入条件，使用准一维流方法对隔离段和燃烧室进行计算，得到燃烧室出口的气流属性；
3)将燃烧室出口的气流属性作为尾喷管入口的边界条件，对整个飞行器进行第二次CFD分析，得到热通状态下的气动数据。
(3)基于分层的气动优化策略。由于吸气式高超声速飞行器气动分析的代价较高，为了提高气动优化效率，本发明提出了基于分层的优化策略。第一层优化为全局优化，通过Kriging自适应代理模型在全局范围内进行寻优。这里的自适应加点策略采用一种高效的并行加点准则，具体步骤为：
1)通过拉丁超立方抽样在设计空间中选取一定数量的点作为初始样本并建立初始Kriging代理模型；
2)从每个样本点开始，基于当前代理模型采用最速下降法以EI函数最大化为目标进行局部寻优，剔除相同的点后取EI值最大的前n-1个极值点，对这些新样本进行气动分析并将其加入样本集合中；
3)采用遗传算法寻找当前代理模型的预测最优点，同样对其进行气动分析并加入样本集合中，更新代理模型；
4)判定代理模型在预测最优值附近的精度是否达到要求，如果是则结束优化，如果否则返回第2步继续迭代。
以上基于Kriging代理模型的并行加点策略在一次迭代中加入n个样本点，其中n-1个由EI准则得到，一个由极值准则得到，这样做是因为EI准则同时考虑了代理模型的预测最优值与全局预测误差，是一种较为高效的寻优准则，但在迭代步数较多之后难以精确收敛到最优解，加入极值预测点可以提高收敛的速度与精度。
值得注意的是，由于代理模型优化的样本计算量与设计变量个数相关，当飞行器设计变量个数较多时，直接求解整个飞行器的气动优化问题难度较大，此时可以根据飞行器的布局特点将其分解为若干个分部件，分别单独对其进行优化以降低优化难度。
基于自适应代理模型的优化迭代一定次数后，继续加点对最优值附近的代理模型精度提升有限，此时可以在第一层优化的基础上进行第二层优化。第二层优化为局部优化，梯度优化算法为最速下降法，梯度信息可通过离散伴随法获得，该方法每次迭代仅需对基准流场和伴随流场各求解一次，其梯度的计算量与设计变量个数无关，在求解设计变量较多的优化问题时有着较大优势。
实施例
下面结合具体案例与附图对本发明作进一步的说明。
现有某型水平起飞的吸气式高超声速飞行器，动力系统采用RBCC组合动力发动机，主要作用为将上面级有效载荷运送至指定位置，整个任务的飞行速域范围Ma0～8，空域范围0～50km。其上升段根据动力系统的模态可划分为四个飞行阶段，分别为速度范围Ma0.4～2.5的引射段、速度范围Ma2.5～5.5的亚燃冲压段、速度范围Ma5.5～8的超燃冲压段、速度保持在Ma8左右的火箭段。根据以上飞行任务，该飞行器的气动优化步骤如下：
(1)根据任务要求确定飞行器的气动优化目标函数。由于飞行器全程加速，在整个飞行过程中对飞行性能影响最大的气动指标为阻力系数，因此将阻力系数作为优化目标。基于优化评估点的选取原则，Ma2.5既是发动机模态转换点，也是进气道工作起动点，Ma5.5与Ma8分别是亚燃与超燃、超燃与火箭模态的分界点，故将马赫数2.5、5.5、8.0作为气动优化评估点。与此同时，由于组合动力飞行器在引射跨声速段的阻力较大，燃油消耗较多，该阶段的气动特性对整个上升段的影响较大，需重点关注，因此也将马赫数1.2作为优化评估点之一。由于上升段飞行器的速度与高度不断增加，因此每个马赫数所对应的飞行状态是确定的。四个评估点的阻力系数由于存在量级上的差异，在线性加权之前应进行归一化处理，其权重系数可通过拟合基准弹道得到。
(2)根据实际需求确定优化问题的约束条件。考虑到本案例的实际情况，将起飞最小升力系数、静稳定度、飞行器容积率、进气道进气性能、头部前缘热流作为约束条件。
(3)建立飞行器的CAD参数化模型，其基准外形轴测图如图1所示。其中隔离段与燃烧室属于推进学科，气动优化时不予考虑，因此外形设计变量共有14个，包括7个机身设计变量(飞行器机身长度Lbody、机身宽度Wbody、前缘半径rtip、前缘起始扩张角θexp、机身高度Hbody、尾喷管入口扩张角θin、尾喷管长度Lnozzle)以及7个机翼设计变量(机翼根部弦长L1、机翼梢部弦长L2、机翼半展长w、机翼根部最大厚度C1、机翼梢部最大厚度C2、垂尾梢部弦长C3、垂尾高度Hcw)。机身与机翼的参数化示意图分别如图2、图3所示。
(4)实现CFD计算网格的自动生成。在Pointwise中先绘制飞行器表面网格再对空间体网格进行划分，整个过程用软件自带的脚本功能记录下所有的操作，利用软件二次开发确保设计空间内所有外形均能正确生成计算网格。
(5)构建求解气动特性的自动化流程。本案例算力界面的划分如图4所示，其中虚线部分为推进学科，其余部分为气动学科，AB、CD为分界面，其中AB截面为进气道出口，CD截面为尾喷管入口。求解气动特性时，首先通过前体分析获取进气道出口的气流属性，并将其输入到准一维流程序中进行求解，然后将燃烧室出口处的气流属性作为边界条件进行CFD分析，得到发动机热通状态下的气动数据。从CAD建模到CFD求解的气动分析流程可总结为图5。
(6)基于分层优化理论对飞行器进行优化，其流程图如图6所示。首先开展第一层优化，通过拉丁超立方抽样取50个初始样本点，利用之前介绍的自适应Kriging方法不断加点，每次迭代新增3个样本点，优化在25步后出现收敛趋势。此时结束第一层优化，以当前优化结果为初始外形进行第二层优化，迭代15步之后优化基本收敛，至此得到最终的优化构型。基准外形与最终优化外形的三视图分别如图7、图8所示。
优化结果如表1
表1
Figure BDA0003747095430000101
Figure BDA0003747095430000111
经计算分析，优化方案与基准方案相比在4个气动评估点的阻力系数均有明显下降，且各项约束指标也都有了显著改善，证明本发明所提出的气动优化方法是非常有效的。
本发明的另一目的在于提出一种吸气式宽速域高超声速飞行器气动布局优化系统，包括：
目标函数确定单元，用于根据任务要求确定飞行器的气动优化目标函数，并根据实际需求确定优化问题的约束条件；
气动数据求解单元，用于建立飞行器的参数化模型，自动生成计算网格，构建飞行器的气动优化模型，进行气动特性求解得到发动机热通状态下的气动数据；
优化构型确定单元，用于基于分层气动优化策略对飞行器的外形参数进行优化，在满足气动优化目标函数和约束条件的前提下，得到最终的优化构型。
本发明第三个目的是提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述吸气式宽速域高超声速飞行器气动布局优化方法的步骤。
本发明第四个目的是提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述吸气式宽速域高超声速飞行器气动布局优化方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，包括以下步骤：
根据任务要求确定飞行器的气动优化目标函数，并根据实际需求确定优化问题的约束条件；
建立飞行器的参数化模型，自动生成计算网格，构建飞行器的气动优化模型，进行气动特性求解得到发动机热通状态下的气动数据；
基于分层气动优化策略对飞行器的外形参数进行优化，在满足气动优化目标函数和约束条件的前提下，得到最终的优化构型。
2.根据权利要求1所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，根据任务要求确定飞行器的气动优化目标函数，包括：
考虑到吸气式飞行器的特点，以飞行马赫数为基准，在飞行器的整个速域段，目标函数气动评估点的选取包括：飞行器燃料消耗较快的速域段；进气道工作起动点；发动机工作起动点；发动机模态转换点；各个评估点常采用加权求和法处理。
3.根据权利要求2所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，确定目标函数气动评估点的选取以及权重，包括以下步骤：
设评估点数目为m，则目标函数的具体形式为
Figure FDA0003747095420000011
其中JT为优化目标函数，ωi为权重因子，Ji为每个评估点的目标函数值；
权重系数的选取以基准弹道为参考，各弹道离散点的权重系数表示为：
Figure FDA0003747095420000012
ΔmF,k＝mF(J1,…,Jk+ΔJk,…,Jn)-mF(J1,…,Jk,…,Jn)
式中mF为燃料质量，n为飞行器上升段弹道离散点个数，ΔmF,k为第k个评估点下飞行器燃料消耗，是优化目标的函数。
4.根据权利要求1所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，构建飞行器的气动优化模型具体包括以下步骤：
CAD参数化建模：根据总体背景方案，利用CATIA对飞行器进行参数化建模，确定基准构型；
网格自动生成：利用Pointwise的脚本录制功能记录基准构型的体网格划分；
气动特性求解：对气动/推进算力界面进行划分，包括隔离段与燃烧室，采用准一维流计算，其余部分采用CFD计算，内外流场通过交界面进行数据传递。
5.根据权利要求4所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，气动特性求解的具体步骤为：
对飞行器前体进行冷通状态的计算，得到进气道出口的气流属性；
以进气道出口的气流属性作为输入条件，使用准一维流方法对隔离段和燃烧室进行计算，得到燃烧室出口的气流属性；
将燃烧室出口的气流属性作为尾喷管入口的边界条件，对整个飞行器进行第二次CFD分析，得到热通状态下的气动数据。
6.根据权利要求1所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，基于分层气动优化策略对飞行器的气动数据进行优化包括：
第一层全局优化，通过Kriging自适应代理模型在全局范围内进行寻优；
第二层局部优化，通过基于离散伴随法的梯度优化算法进行局部寻优。
7.根据权利要求1所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，通过Kriging自适应代理模型在全局范围内进行寻优具体步骤为：
通过拉丁超立方抽样在设计空间中选取一定数量的点作为初始样本并建立初始Kriging代理模型；
从每个样本点开始，基于当前代理模型采用最速下降法以EI函数最大化为目标进行局部寻优，剔除相同的点后取EI值最大的前n-1个极值点，对剔除相同的点后得到新样本进行气动分析并将其加入样本集合中；
采用遗传算法寻找当前代理模型的预测最优点，同样对其进行气动分析并加入样本集合中，更新代理模型；
判定代理模型在预测最优值附近的精度是否达到要求，如果是则结束优化，如果否则返回继续迭代。
8.根据权利要求7所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，基于Kriging代理模型的并行加点策略在一次迭代中加入n个样本点，其中n-1个由EI准则得到。
9.根据权利要求7所述的一种吸气式宽速域高超声速飞行器气动布局优化方法，其特征在于，通过基于离散伴随法的梯度优化算法进行局部寻优具体步骤为：
通过离散伴随法获得梯度信息，采用梯度优化算法进行局部优化，每次迭代仅需对基准流场和伴随流场各求解一次；
将迭代的梯度信息输入优化器，判断是否优化收敛或达到一定的迭代次数，如果是则结束优化，如果否则返回继续迭代。
10.一种吸气式宽速域高超声速飞行器气动布局优化系统，其特征在于，包括：
目标函数确定单元，用于根据任务要求确定飞行器的气动优化目标函数，并根据实际需求确定优化问题的约束条件；
气动数据求解单元，用于建立飞行器的参数化模型，自动生成计算网格，构建飞行器的气动优化模型，进行气动特性求解得到发动机热通状态下的气动数据；
优化构型确定单元，用于基于分层气动优化策略对飞行器的外形参数进行优化，在满足气动优化目标函数和约束条件的前提下，得到最终的优化构型。
CN202210827600.XA 2022-07-14 2022-07-14 吸气式宽速域高超声速飞行器气动布局优化方法及系统 Pending CN115203826A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210827600.XA CN115203826A (zh) 2022-07-14 2022-07-14 吸气式宽速域高超声速飞行器气动布局优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210827600.XA CN115203826A (zh) 2022-07-14 2022-07-14 吸气式宽速域高超声速飞行器气动布局优化方法及系统

Publications (1)

Publication Number Publication Date
CN115203826A true CN115203826A (zh) 2022-10-18

Family

ID=83581402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210827600.XA Pending CN115203826A (zh) 2022-07-14 2022-07-14 吸气式宽速域高超声速飞行器气动布局优化方法及系统

Country Status (1)

Country Link
CN (1) CN115203826A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117892559A (zh) * 2024-03-14 2024-04-16 西安现代控制技术研究所 一种超远程制导火箭总体协调多学科分级优化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117892559A (zh) * 2024-03-14 2024-04-16 西安现代控制技术研究所 一种超远程制导火箭总体协调多学科分级优化方法

Similar Documents

Publication Publication Date Title
Lyu et al. Aerodynamic shape optimization investigations of the common research model wing benchmark
Giunta et al. Noisy aerodynamic response and smooth approximations in HSCT design
Osusky et al. Drag minimization based on the Navier–Stokes equations using a Newton–Krylov approach
Mader et al. Stability-constrained aerodynamic shape optimization of flying wings
Hooker et al. Over wing nacelle installations for improved energy efficiency
Tianyuan et al. Aerodynamic/stealthy/structural multidisciplinary design optimization of unmanned combat air vehicle
CN106934074B (zh) 全局最优涡扇发动机进气道减噪设计方法
Buckley et al. Approach to aerodynamic design through numerical optimization
Mavris et al. Technology impact forecasting for a high speed civil transport
Tejero et al. Effects of aircraft integration on compact nacelle aerodynamics
Li et al. Integration of low-fidelity MDO and CFD-based redesign of low-boom supersonic transports
Leifsson et al. Variable-fidelity aerodynamic shape optimization
Tejero et al. Impact of droop and scarf on the aerodynamic performance of compact aero-engine nacelles
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
Yildirim et al. Coupled aeropropulsive design optimization of a podded electric propulsor
Li et al. Propulsion–Airframe Integration for Conceptual Redesign of a Low-Boom Supersonic Transport
Effing et al. HLFC-optimized retrofit aircraft design of a medium-range reference configuration within the AVACON project
Cameron et al. Metamodel assisted multi-objective global optimisation of natural laminar flow aerofoils
Sammut et al. Optimization of fuel consumption in climb trajectories using genetic algorithm techniques
CN115358167B (zh) 一种考虑发动机参数的飞发一体气动伴随优化设计方法
Iuliano et al. Design of a supersonic natural laminar flow wing-body
Kirz Surrogate-Based Low-Boom Low-Drag Nose Design for the JAXA S4 Supersonic Airliner
Sumimoto et al. Evolutionary multidisciplinary design optimization of blended-wing-body-type flyback booster
Epstein et al. Automatic optimization of wing–body–under-the-wing-mounted-nacelle configurations
Epstein et al. A new efficient technology of aerodynamic design based on CFD driven optimization

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