| 【中文题名】 | 基于混合遗传算法和复合形法的翼型优化设计 |
| 【英文题名】 | |
| 【学科专业】 | 流体力学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-23 |
| 【中关键词】 | 混合遗传算法和复合形法,全局最优解,优化设计,N-S方程,, |
| 【英关键词】 | hybrid genetic algorithm and compound form method,globally optimum,optimization design,N-S equation, |
| 【分类导航】 | 航空、航天>航空>飞机构造与设计>机翼>> |
| 【论文摘要】 | 本文将遗传算法和复合形法结合起来，运用流场分析程序，发展了一种工程实用的翼型优化设计方法，可以提高翼型在单点或多个设计点、多种约束条件下的气动性能。
遗传算法是一种全局性的搜索算法，这意味着它能够在具有多个局部最优解的解空间内搜索到全局最优解的位置，但是，当解空间比较大时，遗传算法无法以足够的精度和效率收敛到全局最有解。而复合形法，采用不同的策略，根据相邻点的信息，可以以较高的精度收敛到局部最优解。为了提高遗传算法的优化效率，本文将遗传算法和复合形法结合起来，建立了基于混合遗传算法和复合形法的气动优化设计方法。这两种方法的结合既可以获得全局性，又可以提高精度，由遗传算法获得全局解空间，在由复合形法搜索到全局最优解。因此，两者的结合能以较少的迭代次数获得较高的搜索效率。
在方法研究的基础上，本文采用混合遗传算法和复合形法对翼型进行了单目标和多目标的优化设计，流场计算采用雷诺平均N-S方程。算例表明，该设计优化方法稳定，设计质量高，效率比单纯遗传算法有很大提高，在工程中有较大的应用价值。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
第一章 绪论 |
7-12 |
|
1.1 翼型优化设计背景及意义 |
7-8 |
|
1.2 优化设计方法 |
8-11 |
|
1.3 本文工作 |
11-12 |
|
第二章 流场求解 |
12-23 |
|
2.1 引言 |
12 |
|
2.2 二维N-S方程 |
12-17 |
|
2.2.1 流动控制方程 |
12-15 |
|
2.2.2 湍流模型 |
15-16 |
|
2.2.3 边界条件 |
16-17 |
|
2.3 空间离散 |
17-20 |
|
2.4 常用的加速收敛技术 |
20-23 |
|
2.4.1 当地时间步长 |
20-21 |
|
2.4.2 隐式残值光顺 |
21 |
|
2.4.3 多重网格法 |
21-23 |
|
第三章 优化简介 |
23-33 |
|
3.1 引言 |
23 |
|
3.2 有关优化方法的基本概念 |
23-26 |
|
3.2.1 设计变量 |
23-25 |
|
3.2.2 约束条件 |
25 |
|
3.2.3 目标函数 |
25-26 |
|
3.3 翼型优化中的概念 |
26-29 |
|
3.3.1 设计变量 |
26-28 |
|
3.3.2 约束条件 |
28 |
|
3.3.3 目标函数 |
28-29 |
|
3.4 迭代的收敛条件和终止迭代的准则 |
29-30 |
|
3.4.1 点列收敛的柯西准则 |
29-30 |
|
3.4.2 迭代计算的终止准则 |
30 |
|
3.5 多目标优化方法 |
30-33 |
|
第四章 遗传算法 |
33-49 |
|
4.1 引言 |
33-34 |
|
4.2 标准遗传算法 |
34-37 |
|
4.2.1 遗传算法的优化机理 |
34 |
|
4.2.2 标准遗传算法的具体操作 |
34-37 |
|
4.3 遗传算法的基本原理 |
37-40 |
|
4.3.1 模式定理 |
37-38 |
|
4.3.2 积木块假设 |
38 |
|
4.3.3 收敛性 |
38-39 |
|
4.3.4 隐含并行性 |
39 |
|
4.3.5 性能评估手段 |
39-40 |
|
4.4 遗传算法的基本方法 |
40-47 |
|
4.4.1 制订编码方案 |
40-41 |
|
4.4.2 确定适应值函数 |
41-43 |
|
4.4.3 确定选择策略 |
43 |
|
4.4.4 设计交叉和变异操作 |
43-46 |
|
4.4.5 选取控制参数 |
46-47 |
|
4.5 遗传算法翼型优化设计 |
47-49 |
|
第五章 复合形法 |
49-54 |
|
5.1 引言 |
49 |
|
5.2 复合形法简介 |
49-52 |
|
5.2.1 初始复合形的产生 |
50-51 |
|
5.2.2 复合形法寻优 |
51-52 |
|
5.3 复合形法翼型优化 |
52-54 |
|
第六章 遗传算法和复合形法结合 |
54-62 |
|
6.1 引言 |
54-55 |
|
6.2 混合算法原则 |
55-57 |
|
6.2.1 Lamarck进化 |
55-56 |
|
6.2.2 元算法 |
56-57 |
|
6.2.3 亚一启发式 |
57 |
|
6.3 算法结合思想 |
57-58 |
|
6.4 算例分析 |
58-61 |
|
6.4.1 单目标优化算例 |
58-59 |
|
6.4.2 多目标优化算例 |
59-61 |
|
6.5 结论 |
61-62 |
|
第七章 工作总结与展望 |
62-64 |
|
7.1 本文工作 |
62 |
|
7.2 研究结论 |
62 |
|
7.3 展望 |
62-64 |
|
参考文献 |
64-69 |
|
发表文章 |
69-70 |
|
致谢 |
70-71 |
|
| 【DOI】 | LunWen.ID:2.2008.97186 |
