基于分层协同优化的复杂空气动力优化设计研究

The complex aerodynamic shape design with large-scale design variables is a key technical problem for the fine design of a modern high-performance aircraft. Furthermore, it is also a difficult theoretical problem for the optimization design of a complex system. In this project we propose that at first, the multiple design variables should be stratified according to the mean sensitivity affected by the design variables, using sampling-based mean-response sensitivity analysis. Then, the collaborative optimization of the design method based on the stratified design variables is established. Meanwhile, we use the sensitivity prediction methods in probability and statistics, combining the aerodynamic shape optimization method with sample-based surrogate model, to establish the mean sensitivity analysis method.

大规模设计变量复杂气动外形设计既是现代高性能飞行器精细化设计面临的亟待解决的技术问题，更是涉及复杂系统优化设计的理论难题。本项目将概率统计中的灵敏度预测方法，与基于样本代理模型的气动外形优化方法相结合，建立基于样本的多设计变量的响应均值灵敏度分析方法，在此基础上，提出根据设计变量影响的均值灵敏度对多设计变量进行分层，建立基于多设计变量分层协同优化的设计方法，以解决多设计变量对复杂优化设计系统收敛困难的技术难题。

气动外形设计一直是飞行器设计关键技术，不仅直接影响了飞行器飞行性能、飞行品质，同时，也是影响飞行器总体、结构以及控制等系统设计的基础。随着CFD技术与数字化设计技术的迅速发展与日趋成熟，将CFD技术与优化搜索方法相结合形成的气动外形优化设计技术，将成为支撑飞行器精细化设计的关键。.近年来，将CFD、代理模型建模与进化优化搜索方法相结合形成的气动优化设计方法，由于其具备的全局优化能力受到了广泛的重视。然而，面对复杂的工程设计问题，由于问题复杂程度与难度的增加，要求扩大设计空间维数与尺度，由此将导致设计样本数需求骤增，同时，设计目标增多使得优化算法性能快速下降等问题。因此，如何解决现有方法在面向工程问题的适应性等问题，成为当前面临的关键技术难题。本基金项目重点针对高维与大尺度设计空间与多目标复杂气动优化设计问题开展研究。.建立了适应复杂气动外形优化设计要求的参数化数学模型与动态网格生成技术。突破了复杂气动外形设计的关键技术屏障，为复杂气动外形优化设计奠定了重要基础。针对高维多设计变量造成“维度灾难”问题，利用概率统计论的灵敏度预测方法，结合基于样本代理模型的气动外形优化方法中需要产生大量计算样本的特点，建立了基于样本的响应均值灵敏度分析方法与基于响应均值灵敏度分析结果为表征的多设计变量的分层策略。实现了基于样本的响应均值灵敏度分析的分层协同复杂多设计变量优化设计，有效解决了高维多设计变量引发的“维度灾难”问题。针对大型飞机翼身组合体与飞翼气动布局等复杂工程化气动外形优化设计问题，利用搭建的基于设计空间分区的代理模型构造与更新方法开展了气动外形优化设计研究，取得了良好的优化设计结果，为实际工程设计提供了有价值的参考与设计方法，同时，实现了优化设计方法的验证。