基于代理模型与遗传算法的翼型优化设计方法研究

简介

计算流体力学(CFD)广泛用于翼型的气动优化设计。由于CFD计算量大、计算时间长,常用响应面或人工神经网络等代理模型来代替CFD模拟进行气动性能评估。代理模型的预测精度关系着优化结果的可信度。本文研究基于代理模型与优化算法的翼型气动优化设计方法。采用CST函数建立了翼型的参数化方法。采用拉丁超立方实验设计方法,在设计空间内选择训练样本。基于开源CFD求解器OpenFOAM计算样本翼型的气动参数,建立基于径向基神经网络的代理模型,以减少计算量。以S809翼型为对象,升力最大为目标函数,最大厚度为约束条件,利用代理模型与遗传算法结合优化得到最优翼型,并采用了代理模型的由粗到精的外层迭代,以提高代理模型的精度和效率。结果显示优化后的翼型较原S809翼型气动性能有了明显提升,升力系数提高,阻力系数降低;采用外层迭代后,代理模型的预测精度提高,保证了全局最优性,同时总计算量减少。