收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

遗传算法及其在气动优化设计中的应用研究

王晓鹏  
【摘要】: 传统的确定性优化方法其本质决定了优化设计结果的局部优化特点,而遗 传算法除了具有强的鲁棒性和并行性之外,还具有全局性优化的特点,这使得 遗传算法在工程优化中得到越来越广泛的应用。然而,当前较精确的气动分析 其计算量往往是十分庞大的,采用遗传算法作为优化方法会导致设计代价的大 大增加,这对气动优化设计是十分不利的,甚至会降低遗传优化的可行性。为 了克服遗传算法在气动优化设计中存在的弊端,提高优化设计的效率,本文着 重对遗传算法进行研究和改进,建立了一些适用于气动优化设计的遗传优化模 型,并将其应用于翼型、机翼和全机的气动优化设计。 本论文主要完成了以下几方面的工作: 1、针对标准遗传算法中存在的一些问题,对以二进制编码和解码技术为 基础的标准遗传算法进行改进,采用实数编码技术,引入了非线性排名选择机 制,应用优选技术、动态惩罚等技术,建立了适合气动优化设计的基本遗传优 化模型。 2.把可变误差多面体方法与遗传算法结合起来,形成了松散式和紧密式 两种不同性质的混合遗传算法,建立了气动优化设计中的混合遗传优化模型, 提高了优化设计的效率和质量。 3.把Pareto方法与基于实数编码的遗传算法结合起来,形成了Pareto遗 传算法,建立了用于处理多目标优化设计问题的方便高效的Pareto遗传优化模 型。 4.通过求解二维和三维Euler方程,建立了翼型和机翼的气动分析模块; 以工程分析方法为基础,建立了全机的气动分析模块。 5.建立了以Fortran Powerstation 4.0为开发环境的各种遗传优化模型的数 值试验平台,对各遗传算法、改进技术及其优化模型的性能(优化质量和优化 效率、可操作性)进行定量分析,并在此基础上建立了翼型、机翼和全机的优 化设计软件系统。 6.应用建立的气动优化设计软件系统进行翼型、机翼和全机的气动优化 设计,考察各种遗传优化模型对气动优化设计的适应性,检验优化前后气动性 能的改善程度。 摘 要 通过对遗传算法进行的改进以及在气动优化设计中的试验性应用研究,得 出的一些有用的结论,从而为借助数值优化方法进行飞机气动优化设计提供参 考。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978