一、Optimization Method for Turbine Airfoil Designing Using Genetic Algorithms, CFD and Parallel Computing（论文文献综述）
吴秋雨[1]（2021）在《基于生成式对抗网络的气动外形优化方法研究》文中研究说明随着人类对空间的探索以及对更快速交通工具的追求,更加高效和安全的飞行器设计变得更加被人们需要。飞行器设计作为空气动力学的一个应用,是当代最重要的学科领域之一。空气动力学是研究空气的运动规律以及空气与物体之间的相互作用力的科学。现代飞行器设计过程不仅运用到了空气动力学的基本原理,还和计算机相关技术进行了结合。机翼是飞行器产生向上升力的重要组件和来源,它通常具有以机身作为中轴的对称面。从垂直于机翼对称面的方向,截取得到的平面称为翼剖面（profile）或者翼型（airfoil）。由于翼型设计的好坏在很大程度上决定了机翼以及“机翼-机身”整体的气动性能,因此通常在飞行器设计前要进行的一项必不可少的工作就是翼型气动外形的设计和优化。空气动力学外形优化（Aerodynamic Shape Optimization,ASO）通常需要使用计算流体力学（Computational Fluid Dynamics,CFD）来进行数值模拟仿真,由于空气动力学外形的设计空间往往具有高维度的特征,而该过程通常会耗费巨大的计算机算力。解决此问题的一种方法是将设计空间进行降维处理——例如,过去传统方法通过构造低维度的参数方程,进而替换为对这些参数进行优化。然而这些方法通常不能准确地提取主要特征变量,其优化结果往往不够理想。相比之下,本文基于机器学习理论,采用了基于生成式对抗网络（Generative Adversarial Networks,GAN）进行气动外形降维的方法,该方法能够从UIUC翼型数据库中学习翼型形状的变化特征,从而达到降维和提取可解释特征变量的目的,最终加速气动外形的优化过程。本文方法和研究内容概括如下:1.翼型设计空间降维方法的探索。在传统气动外形优化方法面临需要耗费巨大计算力的难题下,探索了基于机器学习算法的翼型设计空间的降维方法。主要方法有基于主成分分析法（Principal Component Analysis,PCA）的线性降维方法以及基于生成式对抗网络的非线性降维方法,最终它们能够加速优化收敛的速度。2.在面临使用基于UIUC数据库的翼型数据集的场景下,探索适合气动外形作为输入数据的生成式对抗网络的结构。针对UIUC翼型曲线数据,结合Info GAN和翼型曲线参数化技术,构造创新的生成式对抗网络,从而能够生成逼真的翼型曲线,同时能够提取相关可解释的翼型特征,提升模型精度。3.探索能够对于GAN生成的翼型数据结果进行分析的方法。主要对GAN生产的翼型曲线进行分析,从而提取出具有物理意义的潜在编码（latent code）特征变量,在翼型设计空间降维的同时获得具有可解释性的潜在编码。
蔡文杰[2]（2020）在《基于替代模型的飞行器稳健设计软件研究与开发》文中进行了进一步梳理飞行器机翼气动外形的稳健设计是飞行器总体设计中的关键问题之一。一个稳健的机翼外形不仅能保证飞行器的安全,还能带来巨大的经济价值,实现飞行器高速高航程的设计目标。在飞行器机翼气动外形的设计中,为克服飞行器机翼受环境中不确定因素的影响而产生气动性能恶化问题,需要对飞行器机翼的气动外形进行相应的稳健性设计。然而,在飞行器机翼的三维稳健设计中却存在着CFD计算量大、试验周期长,气动性能难以求解等问题亟待解决。因此,本文提出了基于替代模型的飞行器稳健设计方法,该方法通过将试验设计、CFD技术与替代模型以及进化优化算法结合来进行气动外形的稳健设计。通过替代模型对飞行器气动性能进行预测,减少了优化求解中气动性能CFD的计算量,显着缩短了试验的周期,且能满足一定的求解精度需求。本文中对AGM-129隐身巡航导弹的三维主弹翼,进行了气动外形的稳健设计,详细阐述了稳健设计的整体流程。稳健设计结果表明,基于替代模型的稳健设计方法所获得的稳健弹翼,较基准弹翼外形具有更好的气动性能,验证了本文方法的正确性与有效性。此外,为实现飞行器气动外形稳健设计系统国产化的目标,本文参照Isight软件系统,建立了与本文方法相对应的web可视化飞行器稳健设计系统。该系统是对本文稳健设计方法的实际工程化应用,本文系统与Isight软件相比,其架构设计更加轻量化,虽然在设计自由度和应用的领域上有所缩小,但其稳健设计优化的功能足以满足当前飞行器气动外形稳健设计中的实际需求,且在经济性和满足特定需求上的优势更为明显。本文还完成了对该系统的功能性测试,系统的测试结果表明,系统交互友好,各功能模块运行稳定,能满足研究人员的使用需求。综上所述,对飞行器气动外形的稳健性研究,可显着提升飞行器性能的稳定性与可靠性,更易于获得安全可靠且高性能的飞行器设计方案。而飞行器稳健设计Web可视化系统的建立能极大提升飞行器气动外形稳健设计的工作效率,降低研究人员的工作强度。基于替代模型的飞行器稳健设计方法及其实现系统平台还可进一步推广应用于国防和社会的其它领域,将带来一定的经济收益和社会效益。因此,基于替代模型的飞行器稳健设计的软件研究与开发工作,有着重要的意义。
韩忠华,许晨舟,乔建领,柳斐,池江波,孟冠宇,张科施,宋文萍[3]（2020）在《基于代理模型的高效全局气动优化设计方法研究进展》文中提出基于高可信度计算流体力学的数值优化设计方法,在提高飞行器气动与综合性能方面正发挥着越来越重要的作用。基于代理模型的优化算法（SBO）,由于能够实现高效全局优化,逐渐成为了气动优化设计领域的研究热点之一。近20年来,代理优化算法研究已取得了长足进步,多种先进的新型代理模型被提出,优化理论和算法也不断完善和发展。以飞行器精细化气动优化设计为背景,综述了基于代理模型的高效全局气动优化设计方法研究进展。首先,介绍了基于变可信度代理模型的气动优化设计方法、结合代理模型和伴随方法的气动优化设计方法以及基于非生物进化的并行气动优化设计方法的研究现状和最新进展。然后,针对飞行器气动优化设计学科领域的前沿问题,介绍了基于代理模型的多目标气动优化设计方法、混合反设计/优化设计方法、稳健气动优化设计方法的研究进展,以及基于代理模型的多学科优化设计方法的研究进展。文献综述表明,代理优化算法在设计效率、全局性以及鲁棒性等方面性能优良,已经发展到可以解决100维（100个设计变量）以内的气动优化设计问题,具有良好的工程应用前景。最后,探讨了基于代理模型的高效全局气动优化设计在理论、方法及飞行器设计应用方面所面临的问题和挑战,给出了未来研究方向的建议。
陈三木[4]（2019）在《横轴潮流能水轮机翼型优化》文中认为作为一种尚未大规模开发的清洁可再生能源,潮汐能正在越来越引起人们的关注和重视。预计未来潮流能发电将会在电力市场中扮演越来越重要的角色,潮流能水轮机的发展和应用也将更为完善。水轮机叶片是获取潮流能的核心部件之一,其水动力性能决定了潮流能发电机的能量利用率、载荷特性、空化特性及噪声水平等,而决定叶片性能的最主要因素是构成叶片外形基本要素的翼型。因此,高性能翼型对于提高水轮机叶片潮流能捕捉能力、降低叶片载荷等有重要意义。为此本文开展了横轴潮流能水轮机翼型的水动力分析与优化设计方法、横轴潮流能水轮机设计建模及其数值模拟的研究,主要研究工作如下:首先进行二维翼型水动力CFD模拟。数值计算和网格生成分别应用Fluent和Pointwise,计算应用C型网格,并进行网格无关性验证。采用基于RANS的SST k-ω湍流模型对翼型在各个攻角状态下的绕流进行了水动力分析,与实验结果相比,小攻角时,结果吻合非常好,综合误差小于1.5%,最大误差为2.82%。这部分内容主要为翼型优化提供精确的数值校准,为优化平台搭建过程中的重要步骤。随后对水轮机翼型进行单点、多点优化。采用基于代理模型的单目标、多目标优化设计方法,根据叶片不同截面处的水动力要求分别在不考虑空化和考虑空化条件下进行了单攻角、多攻角优化设计,无空化情况下单点优化效果明显,目标函数提升达19.61%,多点优化则弥补了单点优化翼型在大攻角时的较差性能,实现了全攻角范围的性能提升;考虑空化得到的翼型则在优化点附近显着降低了翼型空化区域面积。对优化前后翼型的水动力性能的对比分析也表明了优化后翼型性能优异,验证了该优化平台的有效性。最后通过数值模拟评估水平轴潮流能水轮机水动力性能。首先建立水平轴潮流能水轮机三维模型,利用MRF模型对整机进行稳态计算,验证了该稳态计算方法结果正确合理且满足准确性,流场分析展示了流场细节。然后以优化前后翼型分别建立水平轴潮流能水轮机模型,并进行对比计算,结果表明当翼尖速比较小时,优化后模型具有更高的能量利用效率。
李鹏程[5]（2019）在《高湍流度低雷诺数风力机翼型气动特性研究》文中研究说明风力发电技术是风能利用的主要方式,小型风力机作为分布式电力能源的重要补充,受到广泛关注。小型风力机因其安装位置较低,常在高湍流度低雷诺数流动状态下运行,风力机翼型表面发生层流分离,叶片表面流动极不稳定性;同时,叶片制造过程中存在许多不确定性因素,存在不确定性制造误差。这些不确定性因素对风力机翼型气动性能和风力机输出功率特性产生严重影响,进而影响风电系统稳定性与可靠性。本文针对不确定湍流和制造误差造成的风力机性能波动问题,开展不确定条件下小型风力机翼型气动性能分析与优化研究,降低翼型对于不确定因素的敏感性,提高风力机气动稳定性与环境适应性。本文主要研究内容如下:1.研究湍流度对低雷诺数风力机气动特性的影响。基于修正转捩Transition SST模型,研究了低雷诺数下,不同湍流度（0.2%、5%、15%、25%）对翼型S809升阻气动特性和流场结构特征影响规律,量化了湍流度对翼型升阻特性的影响。采用湍流功率计算方法,得到湍流度对小型风力机气动性能的影响规律,量化了湍流度对风力机输出功率和风能利用系数的影响程度。2.开展高湍流度低雷诺数风力机翼型气动优化。以翼型S809为研究对象,在气动优化中耦合层流分离预测,基于改进的Hick-henne型函数,Transition SST模型、拉丁超立方试验设计、Kriging模型和遗传算法进行翼型优化设计,获得与实际湍流风况相匹配的翼型设计。3.开展湍流工况下风力机翼型气动性能不确定分析与优化。采用非嵌入式概率配置点法和蒙特卡罗方法,分析湍流度不确定、运行攻角不确定以及制造误差不确定性对S809翼型升阻特性的影响;并以翼型S809为研究对象,在气动优化中耦合层流分离预测,基于Transition SST模型、非嵌入式概率配置点法、蒙特卡罗方法、拉丁超立方试验设计、Kriging模型和带精英策略的非支配排序遗传算法,开展小型风力机翼型不确定优化研究,降低风力机翼型对湍流度不确定、运行攻角不确定以及制造误差的敏感性。
李记超[6]（2019）在《离散伴随和数据驱动的气动优化设计方法研究》文中认为飞行器气动外形优化设计对提高飞机的经济性、舒适性和安全性起着关键作用。随着数值模拟方法和大规模并行计算技术的发展,各类气动外形优化设计方法已经广泛应用于飞机设计的各个阶段,缩短了飞机的设计周期。本文采用自动微分、机器学习以及活跃子空间方法,开展了气动外形梯度优化设计和全局优化设计方法的研究工作,结合离散伴随方法和降阶模型提出了一种混合两步优化设计方法,提高了优化效率、全局收敛性和鲁棒性。本文主要工作和创新点如下:（1）采用自动微分发展了雷诺平均NS方程（RANS）的离散伴随方法,结合序列最小二乘二次规划方法（SLSQP）构建了能够严格处理多种约束的梯度优化框架,实现了气动外形的高效梯度优化设计。本文离散伴随方法仅在网格单元层面使用自动微分,然后循环所有网格单元构造系统雅克比矩阵,在保证精确性的同时避免了自动微分引起的内存激增问题。采用GMRES方法求解离散伴随方程,提高了求解效率,结合SLSQP梯度优化算法、RBF插值网格变形方法和多种外形参数化方法,构建了气动外形梯度优化框架。与有限差分梯度计算结果的对比验证了该离散伴随方法的正确性,翼型优化设计标准算例结果表明了该优化框架的高效性和鲁棒性。（2）基于模态表征方法构建了气动力数据库,结合机器学习算法发展了翼型精确在线气动力预测模型,采用梯度优化算法实现了亚跨音速任意翼型的快速优化设计。发展了翼型几何外形的弯度-厚度模态表征方法,采用占优模态插值方法确定高阶模态系数的上下边界,使得设计空间在包含大量实用翼型的同时将奇异翼型排除在外。采用RANS和离散伴随方法对十几万种采样翼型进行了气动力分析和梯度计算,构建了翼型气动力数据库。采用聚类算法将大量采样数据集合自动分割为多个数据簇,在每一簇中构建气动力子模型,并结合分类算法和多专家模型构建了全局气动力代理模型。大量验证结果表明该模型的气动力预测精度与RANS相近,同时基于该模型的翼型梯度优化设计能够实时完成,实现了翼型在线优化设计。（3）提出了基于离散伴随和采样光顺技术的活跃子空间快速求解方法,结合代理模型发展了一种新的高效全局优化设计方法（ASM-EGO）,实现了高维气动优化问题的高效求解。ASM-EGO采用活跃子空间方法大幅减少高维气动优化问题的设计变量个数,避免了高效全局优化设计方法的维度灾难问题。基于拉普拉斯光顺算法的采样光顺技术显着降低了求解活跃子空间对采样点的需求,同时利用离散伴随方法高效计算采样点的气动力梯度,进一步减少了计算量。对220个外形设计变量的机翼减阻优化设计结果表明这种ASM-EGO方法在高维气动优化问题中具有极高的优化效率。（4）提出了数据驱动约束函数方法,基于数据将设计经验转化为连续可微的数学约束,增强了气动外形梯度优化设计的鲁棒性。通过对大量外形数据的模态分析和相关性分析,采用混合高斯模型模拟相关模态的分布特性,利用概率密度函数实现了新外形是否满足设计经验的自动判定。以翼型和机翼外形优化中的尖前缘问题为例,提取了翼型模态约束函数以限制优化过程中翼型或机翼剖面形状。施加该约束的梯度外形优化显着改善了尖前缘问题,进一步的CFD分析表明这种数据驱动约束增强了优化设计的鲁棒性。（5）发展了本征正交分解（POD）降阶模型及其离散伴随方法,结合自动分区校正算法提出了面向全局收敛的混合两步气动外形优化设计方法,实现了气动外形精细化设计并提高了优化效率。采用Petrov-Galerkin投影方法构建了侵入式POD降阶模型,结合基于误差估计的自动分区方法对敏感计算域中的POD预测解进行CFD校正,提高了流场的求解效率和精度。推导了这种分区降阶校正流场求解方法的离散伴随方程,发展了分区降阶伴随方法,显着加快了气动力梯度的计算。提出的混合两步优化设计方法首先采用基于代理模型的非梯度优化算法进行全局寻优,基于其中的流场采样数据构建分区降阶模型,然后采用分区降阶伴随方法和梯度优化算法加速精细化优化设计过程的收敛,兼顾了全局收敛性和优化效率。二维翼型和三维机翼优化设计结果表明该混合两步优化方法具有较高的优化效率和严格的收敛性。
吴志学[7]（2019）在《水平轴风电机组叶片翼型气动性能优化研究》文中指出风电机组叶片是风电机组获得风能的核心部件,而翼型作为叶片构成的基本要素,是影响叶片性能的主要因素。针对风电机组叶片翼型的优化问题,主要开展了以下工作:（1）基于伴随算法的风电机组叶片翼型优化以提高翼型升阻比为优化目标,基于CFD（Computational Fluid Dynamics）数值模拟,利用基于控制理论的伴随方法（Adjoint method）及网格快速变形理论,在低风速条件下,分别对水平轴风电机组叶片通常使用的传统航空翼型NACA0012和风电机组专有翼型S8036进行仿真优化研究。结果表明:结合基于控制理论的伴随算法及网格快速变形方法,可以有效的改进优化两种不同类型翼型的气动性能。在相同的流场条件下,优化得到的新翼型与初始翼型NACA0012和S8036相比,升阻比分别提高了 8.75%和16.74%（2）基于多岛遗传算法的风电机组叶片翼型优化针对Hicks-Henne型函数不能改变翼型尾缘厚度的问题,通过在原函数的基础上提出新的后缘扰动公式的方法改进了 Hicks-Henne型函数;并以提高翼型升阻比为优化目标,利用Isight软件平台,集成自编翼型关键点坐标生成程序、CFD计算软件和多岛遗传算法建立翼型优化循环,以NACA0012翼型为基准翼型进行气动优化研究,对比分析了改进前后的Hicks-Henne型函数翼型参数化方法对翼型气动优化结果的影响。研究结果表明:优化后的翼型与初始翼型相比,升阻比分别提高了 14.0%和15.8%。（3）两种优化算法的比较分析以NACA0012翼型的优化计算结果为例,伴随优化算法的计算量仅为多岛遗传算法的百分之一,但与初始翼型相比升阻比仅提高了 8.75%,而采用多岛遗传算法得到的优化翼型与初始翼型相比升阻比分别提高了 14.0%和15.8%。优化结果差别较大的主要原因是,翼型前缘厚度的变化对翼型升阻比的影响在利用伴随方法进行优化研究时并未体现出来。
赵洪[8]（2019）在《面向飞行器翼型优化设计的改进莱维飞行算法》文中认为机翼是飞行器产生升力的主要部件,翼型的优化设计是提升飞行器气动性能的关键手段。先进飞行器的设计需要开发高性能翼型,在基于计算流体力学的翼型优化设计中,高效的优化设计方法显得尤为重要。本文针对飞行器翼型优化设计问题,重点研究了改进莱维飞行优化算法及高斯过程代理模型在翼型优化设计中的应用。首先,莱维飞行是一种全局搜索算法,但局部搜索能力较差。针对该问题,本文将莱维飞行与两种高效局部搜索算法相结合,分别提出了基于改进莱维飞行的师生交流算法和基于改进莱维飞行的狼群算法。同时为克服原始莱维飞行效率低、精度差的缺陷,引入了高斯核函数自适应调节莱维飞行的搜索步长,以提高其搜索效率;引入了四元法,以提升其搜索精度。通过标准测试函数验证,发现改进算法有效地平衡了局部搜索和全局搜索的能力,最终在优化效率和优化精度方面均优于原始算法与用以对比的遗传算法。其次,采用机器学习的方法构建了基于几何参数的翼型气动性能代理模型。针对静态代理模型预测精度差的缺点,本文通过EI加点准则,构建动态代理模型,提高代理模型的精度,并提出了一种基于动态高斯过程与高效全局优化算法的翼型代理模型优化方法。最后,以超临界翼型RAE2822的减阻优化设计为例,分别采用直接优化和基于代理模型优化的方法进行了减阻优化设计。结果表明后者的优化效率较前者有较大提升,证明了本文提出的一种基于动态高斯过程与高效全局优化算法的翼型代理模型优化方法具有一定可行性。
崔玉超[9]（2019）在《大涵道比涡扇发动机的短舱气动优化设计》文中提出短舱设计质量直接影响大客飞机的气动性能。本文针对大涵道比涡扇发动机的短舱内、外型线以及进气道整流锥型线,分别利用形函数方法、超椭圆-贝塞尔曲线、超椭圆曲线等参数化方法进行建模与多目标优化设计并分析气动性能,最后计算飞行了前倾角4°的短舱三维造型在不同飞行工况下的气动性能。研究结果表明:采用MATLAB搭建的多目标优化平台,对短舱的内、外型线提出独立的目标函数,采用拉丁超立方试验设计方法,结合RBF代理模型和NSGA-II遗传算法,可以获得短舱的最优型线。通过数值模拟计算,证实了最优型线能够减小短舱外部摩擦阻力并提高进气道的总压恢复系数,验证了短舱型线多目标优化平台的可行性与有效性。通过对比不同短舱型线的性能可知,适当减小外型线的最大半径,保持短舱外表面的造型较为平坦,可以减弱短舱外部的气流加速现象,显着减小摩擦阻力;短舱内型线的喉道半径取值过小将导致扩压段的扩张角变大,由此形成大的逆压梯度导致流动损失增加。前倾角4°的短舱三维造型在最大爬升状态、飞机起飞状态、失速攻角状态以及大侧风滑跑状态等不同工况下,可以保持较高的总压恢复系数,同时保证风扇截面上的总压畸变要求。
陈永彬[10]（2019）在《跨声速自然层流机翼优化设计方法及应用》文中指出近年来,民用航空对环境的影响越来越受到公众的关注,欧洲2050航空愿景的目标就是把CO2的排放量从2005年的水平减少一半,这就对飞机气动性能的改善提出了更高的要求。现代民机巡航状态的阻力主要由摩擦阻力和升致阻力构成,分别占总阻力的一半和三分之一左右。NASA飞行试验表明,机翼表面层流区域从10%拓展到90%时,航程可以增加接近50%;或者起飞重量可以减少一半以上,极大地提高飞机巡航效率。层流减阻作为一项革新性的技术,为显着提高飞机气动性能提供了可能,将是未来最具潜力和效果最显着的技术之一。本文对跨声速自然层流技术开展了深入研究,建立了新的优化设计模型来解决跨声速自然层流翼型/机翼优化设计中面临的矛盾问题;提出了变保真度分层优化设计方法,以提高层流机翼优化设计效率。主要研究工作和成果包括:1)建立了跨声速自然层流翼型/机翼多目标优化设计模型。高雷诺数状态下,自然层流技术是减小机翼/翼型表面湍流摩擦阻力的有效方法。然而由于层流翼面上大范围顺压梯度的存在使得后缘处的压力恢复产生较强的激波,在减小摩擦阻力的同时又增加了激波阻力,基于此,本文将层流外形设计的单目标问题扩展成设计层流外形的同时并对后缘激波进行控制的多目标优化问题,建立了跨声速自然层流优化模型。2)开展了采用耦合博弈理论的高性能进化算法求解多目标问题的研究。应用博弈理论（合作Pareto均衡理论、竞争Nash理论和分级Stackelberg理论）耦合GAs的多目标优化方法来解决层流翼型优化过程中转捩位置和激波强度之间的矛盾,即优化翼型的外形推迟表面流动转捩的发生,同时采用激波控制技术减小波阻力。分析优化后结果发现,耦合博弈理论的优化方法可以得到多目标问题的收敛解（Pareto阵面解、Nash均衡解和Stackelberg均衡解）,优化后翼型的气动性能较初始翼型的气动性能明显改善。因此,基于耦合博弈理论的自然层流翼型多目标优化方法是有效的、可行的。3)开展了采用后缘调整片进行激波控制的跨声速自然层流翼型多目标优化设计研究。分析安装鼓包翼型不同飞行状态下的气动性能发现,在偏离设计点时翼型阻力系数明显增加,因此,进行了采用后缘调整片进行激波控制的自然层流翼型多目标优化设计研究。优化后得到了多目标问题的Pareto阵面解,阵面上翼型的层流特性明显改善、激波强度得到有效地控制,同时,无论在设计点还是偏离设计点时,优化后翼型均具有良好的、鲁棒性强的升阻力特性。4)提出了基于变保真度流动分析的转捩判断方法。为了拓展层流技术的潜在优势,在飞行器层流机翼设计初期需要快速、有效的转捩判断工具。基于结合位势流方程和欧拉方程的变保真度流动分析,提出了变保真度的转捩判断方法来缩短流动转捩判断时间。5)提出了自然层流机翼变保真度分层优化设计方法。首先开展了自然层流机翼单目标优化设计研究,优化后机翼表面的层流区域从初始外形的23.68%增加到45.5%,表面摩擦阻力系数从初始外形的0.005减低到0.00404,层流特性明显改善。分析优化结果发现层流机翼后缘处产生较强的激波,进一步开展了自然层流机翼多目标优化设计研究。优化后得到多目标问题的Pareto阵面解,阵面上对应机翼的气动性能大大改善,层流区域较初始机翼明显增加,激波强度得到有效地控制。分析各数值计算结果得出,变保真度分层优化方法可以求解得到高精度模型上的最优解,说明本文建立的变保真度分层优化方法是可行的。对比常用的优化设计方法获得收敛解所需时间可知,采用变保真度分层优化方法只需较少的时间便可以得到高精度模型的收敛解,因此,本文建立的变保真度分层优化设计方法是高效的。6)开展了公务机和无人机自然层流机翼的实用性优化设计研究,优化后得到了具有较大层流面积的机翼,表面层流区域分别达到45.5%和57.7%。因此,本文建立的自然层流机翼变保真度分层优化设计方法可以为高空高速长航程无人机、公务机和支线飞机等层流技术的应用提供技术支持。
二、Optimization Method for Turbine Airfoil Designing Using Genetic Algorithms, CFD and Parallel Computing（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Optimization Method for Turbine Airfoil Designing Using Genetic Algorithms, CFD and Parallel Computing（论文提纲范文）
（1）基于生成式对抗网络的气动外形优化方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 基于线性技术的气动研究方法 |
| 1.2.2 基于人工神经网络的气动研究方法 |
| 1.3 本文研究内容及创新 |
| 1.4 论文结构安排 |
| 第二章 相关理论与技术 |
| 2.1 空气动力学基础 |
| 2.1.1 空气动力学概述 |
| 2.1.2 空气动力学基本概念 |
| 2.2 翼型相关知识 |
| 2.2.1 翼型参数 |
| 2.2.2 翼型优化问题 |
| 2.3 翼型曲线处理方法 |
| 2.3.1 翼型曲线参数化描述 |
| 2.3.2 Bézier曲线 |
| 2.4 深度学习相关理论 |
| 2.4.1 生成式对抗网络 |
| 2.4.2 InfoGAN |
| 2.4.3 卷积神经网络 |
| 2.5 本章小结 |
| 第三章 基于传统方法的气动外形优化方法研究 |
| 3.1 研究方案总设计 |
| 3.1.1 实验组成及章节安排 |
| 3.1.2 实验流程设计 |
| 3.1.3 曲线参数化 |
| 3.1.4 基于NURBS的曲线参数化处理 |
| 3.1.5 翼型的初始估计 |
| 3.2 气动外形优化方法研究 |
| 3.2.1 目标函数 |
| 3.2.2 优化算法 |
| 3.3 XFOIL |
| 3.3.1 获取翼型气动性能 |
| 3.4 本章小结 |
| 第四章 基于生成式对抗网络的气动外形降维方法研究 |
| 4.1 主要工作概要 |
| 4.2 Bézier GAN网络研究 |
| 4.2.1 概览 |
| 4.2.2 网络架构 |
| 4.2.3 Bézier层 |
| 4.2.4 损失函数 |
| 4.2.5 正则项 |
| 4.3 PCA降维方法研究 |
| 4.3.1 PCA降维设计 |
| 4.4 基于潜在编码的气动外形优化 |
| 4.5 潜在编码的相关性分析方法研究 |
| 4.5.1 获取翼型物理参数 |
| 4.5.2 相关性分析 |
| 4.6 本章小结 |
| 第五章 实验及结果分析 |
| 5.1 实验环境 |
| 5.2 实验数据 |
| 5.2.1 数据预处理 |
| 5.3 气动外形降维实验 |
| 5.3.1 基于Bézier GAN的数据降维 |
| 5.3.2 生成数据评价指标 |
| 5.3.3 Bézier GAN的验证 |
| 5.3.4 基于PCA的数据降维 |
| 5.3.5 潜在编码相关性分析 |
| 5.4 气动外形优化实验 |
| 5.4.1 NURBS曲线参数化 |
| 5.4.2 多种方法优化对比 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 工作总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（2）基于替代模型的飞行器稳健设计软件研究与开发（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究历史与现状 |
| 1.3 本文研究的主要内容 |
| 1.4 本文特色与创新 |
| 1.5 本文行文安排 |
| 2 基于替代模型的飞行器稳健设计方法 |
| 2.1 飞行器稳健设计目标 |
| 2.2 飞行器稳健设计总体流程 |
| 2.3 外形参数化方法 |
| 2.3.1 二维翼型外形参数化方法 |
| 2.3.2 三维飞行器外形参数化方法 |
| 2.4 试验设计方法 |
| 2.5 网格与CFD计算 |
| 2.6 替代模型方法 |
| 2.6.1 KRIGING替代模型 |
| 2.6.2 PLS替代模型 |
| 2.6.3 RBF插值替代模型 |
| 2.6.4 RBF神经网络替代模型 |
| 2.7 进化优化算法 |
| 2.7.1 遗传算法 |
| 2.7.2 粒子群算法 |
| 2.8 本章小结 |
| 3 三维弹翼结合体主弹翼气动外形稳健设计 |
| 3.1 主弹翼气动外形稳健设计目标 |
| 3.2 主弹翼稳健设计流程 |
| 3.3 翼型外形约束求解 |
| 3.4 主弹翼的外形参数化与试验设计 |
| 3.5 三维网格生成及其CFD计算 |
| 3.6 替代模型建模的相关设置 |
| 3.7 进化优化算法的求解设置 |
| 3.8 主弹翼稳健设计的结果与分析 |
| 3.9 本章小结 |
| 4 可视化系统设计与实现 |
| 4.1 可视化系统需求分析 |
| 4.1.1 系统业务需求分析 |
| 4.1.2 系统核心功能 |
| 4.2 系统总体设计与系统算法库设计 |
| 4.2.1 系统总体设计 |
| 4.2.2 系统算法库设计 |
| 4.3 系统总体架构设计 |
| 4.4 系统数据库设计 |
| 4.5 系统功能展示 |
| 4.6 本章小结 |
| 5 可视化系统测试 |
| 5.1 系统测试目的 |
| 5.2 系统测试环境 |
| 5.3 系统各模块测试 |
| 5.4 系统测试结果 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
（3）基于代理模型的高效全局气动优化设计方法研究进展（论文提纲范文）
| 1基于新型代理模型和新优化机制的气动优化设计方法研究进展 |
| 1.1基于变可信度代理模型的气动优化设计方法 |
| 1.2结合代理模型和伴随方法的气动优化设计方法 |
| 1.3基于非生物进化的并行气动优化设计方法 |
| 2代理优化算法在气动优化设计前沿问题中的应用进展 |
| 2.1基于代理模型的多目标气动优化设计方法 |
| 2.2基于代理模型的混合反设计/优化设计方法 |
| 2.3基于代理模型的稳健气动优化设计方法 |
| 3基于代理模型的高效全局多学科优化设计方法研究进展 |
| 3.1基于代理模型的气动/结构耦合优化设计方法 |
| 3.2基于代理模型的气动/噪声、气动/声爆综合优化设计方法 |
| 3.3基于代理模型的气动/隐身综合优化设计方法 |
| 4存在的问题和未来发展趋势 |
（4）横轴潮流能水轮机翼型优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 潮流能水轮机发展现状 |
| 1.2.2 翼型优化设计现状 |
| 1.2.3 水轮机数值模拟现状 |
| 1.3 研究内容 |
| 第2章 翼型优化设计相关方法 |
| 2.1 翼型理论 |
| 2.2 翼型参数化方法 |
| 2.3 翼型数值模拟 |
| 2.3.1 湍流模型 |
| 2.3.2 空化模型 |
| 2.4 代理模型方法 |
| 2.5 本章小结 |
| 第3章 二维翼型水动力计算及其优化设计 |
| 3.1 二维翼型水动力数值模拟 |
| 3.1.1 网格生成及计算状态 |
| 3.1.2 网格无关性验证 |
| 3.1.3 结果分析 |
| 3.2 二维翼型优化设计——无空化 |
| 3.2.1 单攻角 |
| 3.2.2 多攻角 |
| 3.3 二维翼型优化设计——考虑空化 |
| 3.4 本章小结 |
| 第4章 整机数值模拟 |
| 4.1 模型简介 |
| 4.2 基于S814 翼型模型计算验证 |
| 4.2.1 几何模型及网格分布 |
| 4.2.2 计算设置及网格无关性验证 |
| 4.2.3 结果分析 |
| 4.3 基础模型和优化模型计算及对比 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（5）高湍流度低雷诺数风力机翼型气动特性研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 低雷诺数流动研究现状 |
| 1.2.2 湍流流动研究现状 |
| 1.2.3 翼型气动优化与稳健性设计研究现状 |
| 1.3 主要研究内容 |
| 第2章 风力机基本参数及气动理论 |
| 2.1 风力机翼型几何参数 |
| 2.2 翼型相关的气动参数 |
| 2.3 翼型空气动力学特性参数 |
| 2.4 风力机气动理论 |
| 2.4.1 修正叶素动量理论 |
| 2.4.2 Wilson设计方法 |
| 2.5 本章小结 |
| 第3章 湍流度对低雷诺数风力机气动特性的影响 |
| 3.1 研究对象、工况与研究方法 |
| 3.1.1 研究对象 |
| 3.1.2 研究工况 |
| 3.1.3 研究方法及验证 |
| 3.2 湍流度对低雷诺数风力机翼型气动性能的影响 |
| 3.2.1 湍流度对翼型升阻力系数的影响 |
| 3.2.2 湍流度对流场结构的影响 |
| 3.3 湍流工况下小型风力机气动性能影响分析 |
| 3.3.1 湍流度对功率的影响 |
| 3.3.2 湍流度对风能利用系数的影响 |
| 3.4 本章小结 |
| 第4章 考虑湍流度的低雷诺数风力机翼型气动优化 |
| 4.1 翼型参数化方法 |
| 4.2 代理模型 |
| 4.3 试验设计 |
| 4.4 优化算法 |
| 4.5 翼型气动优化 |
| 4.5.1 优化求解流程 |
| 4.5.2 优化数学模型与求解 |
| 4.6 优化结果与讨论 |
| 4.6.1 优化前后翼型几何对比 |
| 4.6.2 优化前后翼型升阻特性对比 |
| 4.7 本章小结 |
| 第5章 湍流工况下风力机翼型气动性能不确定分析与优化 |
| 5.1 翼型稳健性优化方法 |
| 5.2 基于湍流度不确定性的翼型稳健性优化 |
| 5.2.1 不确定湍流对翼型气动性能的影响 |
| 5.2.2 稳健设计流程 |
| 5.2.3 优化数学模型与求解 |
| 5.2.4 优化结果与讨论 |
| 5.3 基于湍流工况下攻角不确定性的翼型稳健性优化 |
| 5.3.1 湍流工况对运行攻角的影响 |
| 5.3.2 攻角的不确定性对翼型气动性能的影响 |
| 5.3.3 稳健设计流程 |
| 5.3.4 优化数学模型与求解 |
| 5.3.5 优化结果与讨论 |
| 5.4 基于湍流工况和制造误差不确定性的翼型气动稳健性优化 |
| 5.4.1 制造误差对风力机翼型气动性能的影响 |
| 5.4.2 稳健设计流程 |
| 5.4.3 优化数学模型与求解 |
| 5.4.4 优化结果与讨论 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所取得的成果及参与的项目 |
（6）离散伴随和数据驱动的气动优化设计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 气动优化设计的研究意义 |
| 1.2 气动优化设计方法综述 |
| 1.2.1 梯度优化设计方法 |
| 1.2.2 非梯度优化设计方法 |
| 1.2.3 基于代理模型的优化设计方法 |
| 1.2.4 混合优化设计方法 |
| 1.3 气动优化设计中的关键技术 |
| 1.3.1 几何外形参数化方法 |
| 1.3.2 网格变形方法 |
| 1.3.3 气动力梯度的计算方法 |
| 1.4 气动优化设计方法存在的问题 |
| 1.5 本文的研究内容 |
| 第二章 基于自动微分的离散伴随方法 |
| 2.1 流动控制方程的数值求解 |
| 2.1.1 有限体积离散方法 |
| 2.1.2 离散方程的分区并行求解 |
| 2.2 自动微分算法 |
| 2.2.1 正向微分和反向微分 |
| 2.2.2 自动微分工具 |
| 2.3 基于自动微分的离散伴随方程 |
| 2.3.1 离散伴随方程的推导 |
| 2.3.2 雅克比矩阵的计算 |
| 2.3.3 网格敏感度的计算 |
| 2.3.4 离散伴随方程的数值求解 |
| 2.4 伴随梯度优化设计框架 |
| 2.4.1 伴随梯度的准确性验证 |
| 2.4.2 梯度优化工具 |
| 2.4.3 气动外形梯度优化设计 |
| 2.5 本章小结 |
| 第三章 大数据驱动的翼型气动力分析与外形优化设计 |
| 3.1 翼型几何参数化的模态表征方法 |
| 3.1.1 翼型几何外形数据库 |
| 3.1.2 全翼型模态表征方法 |
| 3.1.3 弯度-厚度模态表征方法 |
| 3.1.4 两种模态表征方法的对比 |
| 3.2 设计空间的气动力数据采样 |
| 3.2.1 翼型几何模态个数的选取 |
| 3.2.2 翼型几何模态系数变化区间的确定 |
| 3.2.3 空间采样和气动力数据库 |
| 3.3 基于大数据和机器学习的气动力代理模型 |
| 3.3.1 偏最小二乘方法与梯度增强型 Kriging模型 |
| 3.3.2 机器学习多专家模型 |
| 3.4 翼型气动力代理模型的精度验证 |
| 3.4.1 随机生成翼型的气动力分析 |
| 3.4.2 翼型气动力的攻角变化分析 |
| 3.5 翼型快速优化设计方法 |
| 3.5.1 梯度优化算法 |
| 3.5.2 亚音速翼型优化设计 |
| 3.5.3 跨音速翼型优化设计 |
| 3.6 本章小结 |
| 第四章 活跃子空间方法与气动外形全局优化设计 |
| 4.1 基于代理模型的气动优化设计方法 |
| 4.1.1 高效全局优化方法(EGO) |
| 4.1.2 EGO内循环中子优化问题的高效求解 |
| 4.1.3 基于EGO的机翼减阻优化设计 |
| 4.2 活跃子空间方法 |
| 4.2.1 活跃子空间方法(ASM)的推导 |
| 4.2.2 气动优化问题中活跃子空间的快速计算 |
| 4.3 ASM-EGO优化设计方法 |
| 4.3.1 ASM-EGO的优化设计流程 |
| 4.3.2 ASM的样本个数选取 |
| 4.3.3 ASM向量个数选取 |
| 4.4 ASM-EGO在高维机翼外形优化设计中的应用 |
| 4.4.1 机翼减阻优化设计问题 |
| 4.4.2 优化设计效率分析 |
| 4.5 本章小结 |
| 第五章 数据驱动约束的气动外形梯度优化设计 |
| 5.1 气动外形梯度优化设计问题分析 |
| 5.2 数据驱动约束的提取 |
| 5.2.1 翼型数据库几何模态特征分析 |
| 5.2.2 基于混合高斯模型的数据驱动约束 |
| 5.3 数据驱动约束在翼型优化中的应用 |
| 5.4 数据驱动约束在机翼优化中的应用 |
| 5.4.1 机翼优化设计问题 |
| 5.4.2 不同约束下的优化结果 |
| 5.4.3 不同约束优化结果的气动性能分析 |
| 5.5 本章小结 |
| 第六章 基于分区降阶伴随的混合两步全局优化设计方法 |
| 6.1 流动控制方程的POD降阶模型 |
| 6.1.1 非侵入式降阶模型 |
| 6.1.2 侵入式降阶模型 |
| 6.2 基于估算误差的分区降阶模型 |
| 6.3 侵入式POD降阶模型的伴随计算方法 |
| 6.3.1 降阶模型的伴随方法 |
| 6.3.2 分区降阶模型的伴随方法 |
| 6.4 混合两步气动外形全局优化设计方法 |
| 6.4.1 混合两步气动外形优化设计流程 |
| 6.4.2 二维翼型优化设计 |
| 6.4.3 三维机翼优化设计 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 本文创新点 |
| 7.3 研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
（7）水平轴风电机组叶片翼型气动性能优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 梯度优化算法研究现状 |
| 1.2.2 直接搜索算法研究现状 |
| 1.3 研究内容 |
| 1.3.1 研究内容 |
| 第2章 风电机组翼型基础理论及求解方法 |
| 2.1 引言 |
| 2.2 翼型基本几何参数 |
| 2.3 翼型的气动特性 |
| 2.4 影响风电机组翼型气动特性的因素 |
| 2.4.1 雷诺数 |
| 2.4.2 相对厚度弯度及其位置 |
| 2.4.3 风电机组翼型表而粗糙度 |
| 2.4.4 风电机组翼型边界层 |
| 2.4.5 来流湍流度 |
| 2.5 翼型气动性能数值求解决方法 |
| 2.5.1 几何模型 |
| 2.6 翼型设计优化方法 |
| 2.6.1 反问题设计方法 |
| 2.6.2 正问题设计方法 |
| 2.7 本章小结 |
| 第3章 基于伴随方法的风电机组叶片翼型优化 |
| 3.1 引言 |
| 3.2 气动外形Adjoint优化方法 |
| 3.3 网格快速变形方法 |
| 3.4 翼型气动性能仿真分析过程 |
| 3.4.1 模型的建立与网格划分 |
| 3.4.2 流场分析设置 |
| 3.5 Adjoint气动优化设计流程 |
| 3.6 优化算例结果 |
| 3.6.1 NACA0012翼型 |
| 3.6.2 S8036翼型 |
| 3.7 本章小结 |
| 第4章 基于多岛遗传算法的风电机组叶片翼型优化 |
| 4.1 引言 |
| 4.2 翼型的参数化表达 |
| 4.2.1 型函数法 |
| 4.2.2 控制点法 |
| 4.2.3 复合映射法 |
| 4.2.4 改进Hicks-Henne型函数法 |
| 4.3 翼型气动性能仿真分析过程 |
| 4.3.1 模型的建立与网格划分 |
| 4.3.2 数值仿真结果 |
| 4.4 优化平台的建立 |
| 4.4.1 优化算法的选择 |
| 4.4.2 目标函数 |
| 4.4.3 优化设计流程 |
| 4.5 优化算例及分析 |
| 4.6 伴随算法优化结果对比分析 |
| 4.6.1 引言 |
| 4.6.2 优化结果对比分析 |
| 4.7 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 攻读硕士学位期间参加的科研工作 |
| 致谢 |
（8）面向飞行器翼型优化设计的改进莱维飞行算法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 直接优化方法概述 |
| 1.3 基于代理模型的优化方法概述 |
| 1.3.1 多项式响应面模型 |
| 1.3.2 人工神经网络模型 |
| 1.3.3 支持向量机模型 |
| 1.3.4 代理优化方法的应用 |
| 1.4 优化算法概述 |
| 1.5 本文研究内容 |
| 1.6 本文的结构安排 |
| 第二章 改进莱维飞行与高效局部搜索算法的融合算法 |
| 2.1 改进布谷鸟算法 |
| 2.1.1 布谷鸟算法 |
| 2.1.2 改进布谷鸟算法 |
| 2.2 基于改进莱维飞行的师生交流算法 |
| 2.2.1 师生交流算法 |
| 2.2.2 基于改进莱维飞行的师生交流算法 |
| 2.2.3 ITLCS算法性能测试 |
| 2.3 基于改进莱维飞行的狼群算法 |
| 2.3.1 狼群算法 |
| 2.3.2 基于改进莱维飞行的狼群算法 |
| 2.3.3 IGWO算法性能测试 |
| 2.4 本章小结 |
| 第三章 代理模型设计方法 |
| 3.1 设计试验 |
| 3.1.1 蒙特卡洛抽样 |
| 3.1.2 拉丁超立方抽样 |
| 3.2 高斯过程回归模型 |
| 3.3 代理模型加点策略 |
| 3.3.1 MP加点准则 |
| 3.3.2 EI加点准则 |
| 3.3.3 加点准则测试实验 |
| 3.3.4 试验结果及分析 |
| 3.4 本章小结 |
| 第四章 翼型气动优化设计方法 |
| 4.1 翼型参数化设计 |
| 4.1.1 Hicks-henne参数化方法 |
| 4.1.2 CST参数化方法 |
| 4.2 翼型绕流数值模拟 |
| 4.2.1 网格生成 |
| 4.2.2 流场求解 |
| 4.2.3 网格无关系验证 |
| 4.3 翼型优化设计 |
| 4.3.1 设计变量 |
| 4.3.2 目标函数及约束条件 |
| 4.4 基于CFD的气动优化设计实例 |
| 4.5 基于代理模型的气动优化设计实例 |
| 4.6 本章小结 |
| 第五章 结束语 |
| 5.1 本文主要工作与创新点 |
| 5.2 后续研究工作 |
| 参考文献 |
| 附录1 标准测试函数 |
| 致谢 |
| 在读学位期间已发表或录用的论文 |
（9）大涵道比涡扇发动机的短舱气动优化设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 短舱的国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的主要工作 |
| 第二章 数值模拟与优化设计理论 |
| 2.1 引言 |
| 2.2 基本控制方程 |
| 2.2.1 质量守恒方程 |
| 2.2.2 动量守恒方程 |
| 2.2.3 能量守恒方程 |
| 2.3 数值模拟方法 |
| 2.4 优化设计基本理论 |
| 2.4.1 参数化方法介绍 |
| 2.4.2 试验设计方法介绍 |
| 2.4.3 代理模型介绍 |
| 2.4.4 寻优算法介绍 |
| 2.5 本章小结 |
| 第三章 短舱型线的参数化与优化设计 |
| 3.1 引言 |
| 3.2 短舱型线的参数化设计 |
| 3.2.1 外型线的参数化 |
| 3.2.2 内型线的参数化 |
| 3.2.3 整流锥型线的参数化 |
| 3.2.4 关键设计参数的选取 |
| 3.3 优化设计的数值模拟 |
| 3.3.1 数值条件设置 |
| 3.3.2 网格划分及独立性检验 |
| 3.4 优化问题定义及平台构建 |
| 3.4.1 目标函数的选取 |
| 3.4.2 设计变量的范围 |
| 3.4.3 试验设计方法的选取 |
| 3.4.4 代理模型的建立 |
| 3.4.5 优化算法的求解 |
| 3.5 本章小结 |
| 第四章 短舱型线优化结果分析 |
| 4.1 引言 |
| 4.2 基准模型及性能 |
| 4.3 优化结果分析 |
| 4.4 模型的流场分析 |
| 4.4.1 流场的马赫数分布 |
| 4.4.2 短舱外罩的摩擦阻力 |
| 4.4.3 进气道的总压恢复 |
| 4.5 优化策略的误差分析 |
| 4.6 本章小结 |
| 第五章 短舱三维造型的性能验证 |
| 5.1 引言 |
| 5.2 短舱的气动性能要求 |
| 5.2.1 低速设计要求 |
| 5.2.2 高速设计要求 |
| 5.3 短舱的三维造型方法 |
| 5.4 三维计算的边界条件 |
| 5.5 不同工况下的短舱性能 |
| 5.5.1 最大爬升状态 |
| 5.5.2 飞机起飞状态 |
| 5.5.3 最大攻角状态 |
| 5.5.4 大侧风滑跑状态 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在读学位期间已发表或录用的论文 |
（10）跨声速自然层流机翼优化设计方法及应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 飞行器减阻的必要性 |
| 1.2 飞行器减阻的途径 |
| 1.2.1 减小表面摩擦阻力的措施 |
| 1.2.2 减小升致阻力的措施 |
| 1.2.3 激波控制的措施 |
| 1.3 层流技术、发展历程及国内外研究现状 |
| 1.3.1 层流技术及应用 |
| 1.3.2 层流技术的发展历程 |
| 1.3.3 层流设计技术国内外研究现状 |
| 1.4 流动转捩及国内外研究现状 |
| 1.4.1 促使流动转捩的因素 |
| 1.4.2 转捩预测方法国内外研究现状 |
| 1.5 本文主要研究内容 |
| 第二章 变保真度流动分析及转捩预测方法 |
| 2.1 流动转捩机理及转捩预测方法介绍 |
| 2.1.1 稳定性理论 |
| 2.1.2 流动转捩机理 |
| 2.1.3 转捩判断方法介绍 |
| 2.1.3.1 γ-Re_θ转捩判断模型 |
| 2.1.3.2 基于线性稳定性理论(LST)的转捩判断方法 |
| 2.1.3.3 抛物化(PSE)稳定性理论 |
| 2.2 平行流线性稳定性理论 |
| 2.2.1 线性稳定性方程 |
| 2.2.2 特征值方程 |
| 2.3 基于变保真度流动分析的转捩预测方法 |
| 2.3.1 欧拉方程耦合线性稳定性理论的转捩判断方法 |
| 2.3.2 雷诺平均NS方程耦合线性稳定性理论的转捩判断方法 |
| 2.3.2.1 二维流动计算 |
| 2.3.2.2 二维流动转捩判断 |
| 2.3.3 基于变保真度流动分析的转捩判断方法 |
| 2.4 本章小结 |
| 第三章 跨声速自然层流气动外形优化模型 |
| 3.1 几何参数化表征方法 |
| 3.1.1 Bezier函数 |
| 3.1.2 解析函数线性叠加法 |
| 3.1.3 类函数变换法 |
| 3.2 进化算法介绍 |
| 3.2.1 遗传算法步骤 |
| 3.2.2 遗传算法的特点 |
| 3.3 跨声速自然层流翼型优化模型 |
| 3.3.1 总阻力最小化翼型设计 |
| 3.3.2 转捩位置最大化翼型优化设计 |
| 3.3.3 激波控制技术研究 |
| 3.3.3.1 激波控制鼓包技术 |
| 3.3.3.2 后缘调整片技术 |
| 3.3.4 跨声速自然层流翼型/机翼优化设计模型建立 |
| 3.4 本章小结 |
| 第四章 跨声速自然层流多目标优化方法 |
| 4.1 多目标优化方法 |
| 4.1.1 进化算法分类 |
| 4.1.2 多目标优化设计方法 |
| 4.1.2.1 多目标优化问题定义 |
| 4.1.2.2 合作对策:Pareto最优解 |
| 4.1.2.3 竞争对策论:Nash均衡理论 |
| 4.1.2.4 分层博弈:Stackelberg对策理论 |
| 4.2 跨声速自然层流翼型多目标优化设计 |
| 4.2.1 跨声速自然层流翼型多目标优化问题 |
| 4.2.2 协作均衡Pareto理论耦合GAs的层流优化设计 |
| 4.2.3 竞争Nash理论耦合GAs的层流优化设计 |
| 4.2.4 分级Stackelberg理论耦合GAs的层流优化设计 |
| 4.2.5 耦合博弈理论的优化结果及分析 |
| 4.2.6 博弈理论问题分解合理性分析 |
| 4.3 应用后缘装置的自然层流翼型多目标优化设计 |
| 4.3.1 多目标优化问题的提出 |
| 4.3.2 优化结果及分析 |
| 4.4 本章小结 |
| 第五章 自然层流机翼变保真度分层优化设计方法及应用 |
| 5.1 变保真度分层优化方法 |
| 5.1.1 变保真度转捩判断方法 |
| 5.1.2 变保真度分层优化设计方法 |
| 5.2 跨声速自然层流机翼单目标分层优化设计 |
| 5.2.1 层流机翼优化设计问题提出 |
| 5.2.2 优化结果及分析 |
| 5.3 跨声速自然层流机翼多目标分层优化设计 |
| 5.3.1 自然层流机翼多目标优化问题提出 |
| 5.3.2 多目标优化结果及分析 |
| 5.4 公务机跨声速层流机翼优化设计 |
| 5.4.1 自然层流机翼优化问题的提出 |
| 5.4.2 优化结果及分析 |
| 5.5 高亚声速无人机层流机翼设计 |
| 5.5.1 无人机层流机翼优化问题 |
| 5.5.2 优化结果及分析 |
| 5.6 本章小结 |
| 第六章 总结及展望 |
| 6.1 本文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和研究成果 |
四、Optimization Method for Turbine Airfoil Designing Using Genetic Algorithms, CFD and Parallel Computing（论文参考文献）
- [1]基于生成式对抗网络的气动外形优化方法研究[D]. 吴秋雨. 电子科技大学, 2021(01)
- [2]基于替代模型的飞行器稳健设计软件研究与开发[D]. 蔡文杰. 西南科技大学, 2020(08)
- [3]基于代理模型的高效全局气动优化设计方法研究进展[J]. 韩忠华,许晨舟,乔建领,柳斐,池江波,孟冠宇,张科施,宋文萍. 航空学报, 2020(05)
- [4]横轴潮流能水轮机翼型优化[D]. 陈三木. 哈尔滨工业大学, 2019(02)
- [5]高湍流度低雷诺数风力机翼型气动特性研究[D]. 李鹏程. 湘潭大学, 2019(02)
- [6]离散伴随和数据驱动的气动优化设计方法研究[D]. 李记超. 西北工业大学, 2019(02)
- [7]水平轴风电机组叶片翼型气动性能优化研究[D]. 吴志学. 华北电力大学(北京), 2019(01)
- [8]面向飞行器翼型优化设计的改进莱维飞行算法[D]. 赵洪. 上海交通大学, 2019(06)
- [9]大涵道比涡扇发动机的短舱气动优化设计[D]. 崔玉超. 上海交通大学, 2019(06)
- [10]跨声速自然层流机翼优化设计方法及应用[D]. 陈永彬. 南京航空航天大学, 2019(09)