基于改进粒子群算法的参数化机翼气动优化

被引:3
作者
金鑫
孙刚
机构
[1] 复旦大学力学与工程科学系
关键词
非均匀B样条逼近; 粒子群算法; 机翼优化; 多目标优化;
D O I
10.15959/j.cnki.0254-0053.2012.03.009
中图分类号
V224 [机翼];
学科分类号
摘要
机翼减阻设计是民用客机气动设计的关键,本文提出了一种基于非均匀B样条曲线曲面造型技术和改进的粒子群算法的新型优化方法。前者用来描述机翼的外形,具有计算量小的优点,在优化过程中不仅具有良好的局部操控性,又能保证整体外形的光顺性;后者作为一种新兴的智能化优化方法,具有简单易行、收敛速度快、全局搜索能力强等优点,同时又适用于多目标优化问题。研究结果表明:三次非均匀B样条曲线曲面能够方便地使用较少的控制顶点较为精确地描述翼型及机翼的外形,在此基础上利用改进的粒子群算法进行的多目标气动优化设计,优化效率得到了提升。在效率因子本身较高的初始外形基础上,最终外形的气动性能也取得了较大幅度的提高。
引用
收藏
页码:461 / 468
页数:8
相关论文
共 12 条
  • [1] Robust optimal aerodynamic design using evolutionary methods and neural networks. M. M. Rai. AIAA2004-778 .
  • [2] 基于SOM神经网络的超临界翼型设计
    陈杰
    孙刚
    [J]. 力学季刊, 2011, 32 (03) : 411 - 417
  • [3] 先进无人机翼型气动设计方法研究
    许晓平
    周洲
    [J]. 飞行力学, 2009, 27 (02) : 24 - 27
  • [4] 跨音速翼型计算的快速方法
    肖振华
    张仲寅
    [J]. 空气动力学学报, 1987, (02) : 193 - 196
  • [5] 计算机辅助几何设计与非均匀有理B样条[M]. 高等教育出版社 , 施法中编著, 2001
  • [6] 遗传算法及其应用[M]. 人民邮电出版社 , 陈国良等编著, 1996
  • [7] Particle swarm optimization. Kennedy J,Eberhart RC. Proceedings of the IEEE International Conference on Neural Networks . 1995
  • [8] The particle swarm: social adaptation of knowledge. Kennedy J. Proceedings of 1997 IEEE International Conference on Evolutionary Computation . 1997
  • [9] Choosing a starting configuration for particle swarmoptimization. RICHARDS M,,VENTURA D. Proceeding of IEEE International Joint Conference on Neural Networks . 2004
  • [10] Transition control with neural networks. Fan X,,Herbert T,Haritonid J H. AI AA-1995-674 . 1995