一种基于浓度策略的非支配遗传算法在飞机翼形设计优化中的应用方法技术

本发明专利技术公开了一种基于浓度策略的非支配遗传算法在飞机翼型优化设计的应用。由于传统的翼型优化方法存在依赖给定气动要求、需要先验数据以及优化算法本身存在收敛性与多样性不高的问题，所以提出了一种基于浓度策略的非支配遗传算法，并应用于飞机翼形设计优化中。首先，参考一般飞机翼型参数化方法确定飞机翼型参数；其次，根据飞机翼型参数计算翼型曲线，建立气动优化设计模型；然后，利用基于浓度策略的非支配排序遗传算法对飞机翼型模型进行优化，接着执行循环直到满足终止条件后输出最优值。本发明专利技术将基于浓度策略的非支配遗传算法应用在多目标设计优化领域，比传统优化方法具有更强的普适性、更好的全局寻优能力等优点，具有广泛的应用前景。

A Concentration Strategy Based Non-dominated Genetic Algorithms for Aircraft Airfoil Design Optimization

【技术实现步骤摘要】
一种基于浓度策略的非支配遗传算法在飞机翼形设计优化中的应用方法
本专利技术属于机械产品多目标设计优化
，尤其涉及一种基于浓度策略的非支配遗传算法在飞机翼形设计优化中的应用方法。
技术介绍
翼型优化设计是现代飞机设计中非常重要的环节，翼型性能的好坏决定了飞机整体气动性能。在翼型优化设计的过程中，采用的优化方法对最终的优化结果有很大的影响，常用的优化方法包括反设计法、余量修正法等，这些方法依赖于已知的气动要求和大量数据信息才能得到需要的翼型，而数值优化方法不需要先验信息，可以进行黑箱搜索，适用于未知气动要求的翼型优化设计。数值优化方法大致分为两类，一类是采用先后顺序搜索方式的确定性算法，优点在于对较少参数的优化问题搜索速度快，缺点是容易陷入局部最优；另一类是基于全局搜索的随机性优化算法，优化时能够搜索整个设计空间，能克服优化结果收敛于局部最优的问题。在翼型优化设计中，一般以翼型的升力系数与阻力系数作为优化目标，而常用的多目标优化问题解决方法主要有两种，一种是将多目标优化问题转化成单目标优化问题，如通过加权求和的形式用单目标优化算法求解。这类方法中权重的确定往往依赖于领域知识和问题的本文档来自技高网...

【技术保护点】
1.一种基于浓度策略的非支配排序遗传算法在飞机翼型优化中的应用方法，其特征在于，包括以下步骤：A、参考一般飞机翼型参数化方法确定飞机翼型参数；B、根据飞机翼型参数计算翼型曲线，建立气动优化模型；C、利用基于浓度策略的非支配排序遗传算法对飞机翼型模型进行优化；D、将步骤C中得到的结果作为新的翼型参数，返回步骤B，直到满足终止条件即最大迭代次数，迭代过程终止；在步骤A中，参考一般飞机翼型参数化方法确定飞机翼型参数具体为：采用CST参数化方法描述飞机翼型，数学公式为：ζ(ψ)＝C(ψ)S(ψ)+ψζT其中，ψ＝x/c,ζ＝z/c,ζT＝ΔζTE/c，c为机翼弦长，C(ψ)为类函数，S(ψ)为形函数，...

【技术特征摘要】
1.一种基于浓度策略的非支配排序遗传算法在飞机翼型优化中的应用方法，其特征在于，包括以下步骤：A、参考一般飞机翼型参数化方法确定飞机翼型参数；B、根据飞机翼型参数计算翼型曲线，建立气动优化模型；C、利用基于浓度策略的非支配排序遗传算法对飞机翼型模型进行优化；D、将步骤C中得到的结果作为新的翼型参数，返回步骤B，直到满足终止条件即最大迭代次数，迭代过程终止；在步骤A中，参考一般飞机翼型参数化方法确定飞机翼型参数具体为：采用CST参数化方法描述飞机翼型，数学公式为：ζ(ψ)＝C(ψ)S(ψ)+ψζT其中，ψ＝x/c,ζ＝z/c,ζT＝ΔζTE/c，c为机翼弦长，C(ψ)为类函数，S(ψ)为形函数，分别用以下式子表示：C(ψ)＝(ψ)a(1-ψ)b对于类函数C(ψ)，当a,b取不同值时，可以定义不同分类的基本几何形状；对于圆头部、尖后缘翼型，取a＝0.5,b＝1.0；SU(ψ)表示翼型上表面形函数，SL(ψ)表示翼型下表面形函数，其中，系数Aui和Ali，它与翼型的前缘半径、后缘角和后缘厚度有关，可以通过最小二乘拟合获得，为了保证翼型上下表面前缘曲率的连续性，翼型上下表面前缘半径必须相同，即Aui＝0＝Ali＝0；将公式中的Si(ψ)用伯恩斯坦多项式代替，表示如下：式中：N表示翼型上下表面伯恩斯坦多项式的阶次；K表示与伯恩斯坦多项式相关的...

【专利技术属性】
技术研发人员：许焕卫，王瑜，刘椋文，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51