基于梯度增强型Kriging模型的气动反设计方法
基于Kriging模型的代理优化算法目前在气动优化设计中得到了广泛应用.但在高维(设计变量大于30个)气动优化中,计算量过大的问题对其进一步发展产生了严重制约.将翼型和机翼气动反设计问题转化为优化问题,采用Adjoint方法进行快速梯度求解,利用基于梯度增强型Kriging (GEK)模型的代理优化算法分别开展了18、36和108个设计变量的气动反设计.首先,通过采用在设计空间局部建立GEK模型的方法成功地将基于代理优化算法的气动反设计问题的维度拓展到了100维以上.其次,研究了梯度计算精度对基于GEK模型的反设计的影响,发现梯度精度越高,反设计的最终效果越好,同时效率相当.最后,通过不同维度的气动反设计算例,比较了改进拟牛顿法(BFGS)、基于GEK模型和Kriging模型的代理气动反设计方法,结果表明基于GEK模型的代理优化算法的效率大幅度高于基于Kriging模型的代理优化算法,并且维度越高,效率优势越明显;同时,基于GEK模型的代理优化算法在优化效果及分析程序调用次数上相比于BFGS方法也略有优势.
设计优化、Kriging、梯度增强型Kriging(GEK)、代理模型、BFGS、翼型反设计、机翼反设计
38
V211.3(基础理论及试验)
国家自然科学基金11272265National Natural Science Foundation of China 11272265
2017-08-31（万方平台首次上网日期，不代表论文的发表时间）
共15页
133-147
