一、基于遗传算法和分布式计算的翼型优化设计研究（论文文献综述）
王翔宇[1]（2021）在《太阳能动力的球载投放无人机总体设计及能效优化设计》文中认为由于传统化石能源导致的环境污染,以化石能源作为动力来源的动力机械未来的发展更注重于新能源的开发和利用,而太阳能作为取之不尽、用之不竭的新型清洁能源,以太阳能作为动力来源的动力机械将会是未来发展的核心方向之一。高空长航时太阳能无人机是无人机技术与太阳能动力技术结合的产物,采用光伏电池和储能电池作为能源系统,利用太阳能作为其动力来源,通过太阳能的综合利用实现超长航时的飞行,具有跨昼夜甚至跨月持续飞行的能力。由于具有长时间驻空的能力,因此能够作为临近空间的空中应用平台,相较于卫星可以实现更高分辨率的信息获取、通信中继等任务,实现临近空间的信息综合、传递及分发,具有广阔的应用前景。但太阳能无人机的学科研究涉及科学和工程研究的多个前沿领域,涵盖总体技术、结构轻质化技术、可再生能源技术、低雷诺数气动布局技术等多项技术难度较大的前沿技术,导致太阳能无人机的发展较为缓慢。因此,为了在现有技术条件下,突破太阳能无人机载荷能力弱的关键瓶颈,本文以任务为导向开展基于球载投放发射技术的太阳能无人机总体设计研究,然后针对球载投放的创新发射方式进行可行性分析和验证,最后通过航迹规划实现太阳能无人机的能源效用优化,通过两种技术的结合实现太阳能无人机的综合性能优化,论文的主要研究工作及创新点如下:（1）进行了以任务为导向的球载投放太阳能无人机总体设计方法研究。采用球载起飞高空投放的创新方式,结合满足全向任务探测需求的联翼布局,进行高空长航时太阳能无人机以能量为核心的多学科建模,对采用重力势能储能为能源管理策略的太阳能无人机进行设计域分析,研究基于能量平衡方程的总体设计与飞行剖面的耦合问题,在传统设计方法的基础上,将飞行剖面影响的顶层指标定义为关键特征优化变量,根据太阳能无人机的典型任务要求,采用粒子群算法进行多目标搜索,采用评价函数挑选出最优的总体参数方案,通过模型对比验证了设计方法的优势,分析了越夜高度变化的能量敏度,揭示了太阳能无人机总体设计与飞行剖面的强耦合性。（2）基于球载起飞高空投放的太阳能无人机发射方式创新解决方案研究。首先,针对大展弦比太阳能无人机地面滑跑起飞直至爬升到临近空间的过程中,对推进系统及起降机场要求高的难点,采用通过高空气球将太阳能无人机带至临近空间进行投放的方式,针对球载投放技术进行了研究,建立了球载投放系统的仿真分析方法,通过仿真实验,研究了投放姿态、舵偏和推力等因素对球载投放过程的影响,初步得到投放过程的边界条件,接着在仿真试验的指导下,设计了低空缩比球载投放试验系统,并试验验证了球载投放系统的可行性,为太阳能无人机的球载投放提供技术支撑。（3）大跨时空场景下能源效用优化的太阳能无人机航迹规划技术研究。针对太阳能无人机的续航性能和任务性能与飞行航迹密切相关的特点,同时为了解决目前的航迹规划研究缺少针对太阳能无人机典型任务场景的问题,提出了一种基于太阳能无人机超长航时飞行的大跨时空任务场景。基于该特定场景,为了解决该场景下的航迹优化问题,采用基于重力势能储能的能源管理策略,将无人机任务路径规划方法和能量管理策略中的轨迹优化方法相结合,通过多目标联合算法求解同时考虑任务约束和能量优化的复杂耦合问题,研究大跨时空场景下以能效优化为目标的太阳能无人机航迹规划技术,实现了跨昼夜任务场景的航迹规划,为大跨时空场景下太阳能无人机的航迹规划提供指导。（4）太阳能无人机技术与集群无人机技术结合的高能效组合式太阳能无人机多机协同航迹规划研究。针对现有太阳能无人机存在的任务效能低,可靠性低,起降困难等问题,结合模块化集群无人机的思想,提出了组合式太阳能无人机的新思路。通过研究组合式无人机在有限太阳辐照条件下,面向任务的多机协同三维航迹规划,研究组合式无人机的高能效多级飞行策略,解决大规模多耦合约束下的组合优化问题,通过航迹优化实现组合式太阳能无人机的能效最大化。综上所述,本文以太阳能无人机的能效最大化为目的,开展了太阳能无人机的总体设计与航迹规划技术研究,提出了针对任务需求的总体设计方法和技术方案,验证了球载投放方式的可行性及最优投放条件,并针对太阳能无人机进行了最优航迹规划研究,最后进行了组合式太阳能无人机协同路径规划的相关研究。研究工作能够为太阳能无人机的理论研究和工程设计提供指导,并为未来太阳能无人机的发展提供思路和方向。
俞家伟[2]（2020）在《低流速海流能发电机组叶轮结构设计与优化》文中提出目前人类对能源需求日益增长,同时传统化石能源存量日益减少,可再生能源开发利用成为全球可持续发展的重要支撑。海流能作为一种可再生能源以其存量大、绿色清洁等特性而被世界各国关注。然而全球范围内很大部分海域流速较低,如何使低流速海域海流能资源得到高效利用,是海洋能开发领域的重要研究内容,并潜藏着重大的工程价值和战略意义。本文对低流速海流能机组叶轮结构进行研究,分别从翼型结构优化、基于不同叶片数目配置的叶片水动力学外形设计及聚流罩设计等角度出发,完成了低流速叶轮能量捕获特性及其结构特性方面的研究。论文各章节内容如下:第一章介绍了本课题的研究背景,分别对常规流速（通常2m/s以上）条件下和低流速条件下海流能发电机组的发展现状进行了阐述,提出了本文的研究内容与意义。第二章对叶片设计基本理论和翼型优化设计方法进行了介绍,主要对基于叶素动量理论的设计方法、翼型参数化表达和翼型优化方法进行阐述。第三章对不同翼型进行CFD仿真分析,确定了低流速叶片基础翼型,并基于遗传算法对该翼型进行优化。分析了翼型的压力分布和升阻性能,为后续叶片设计提供参数依据。第四章基于叶素动量理论对不同叶片数目时的叶片水动力结构进行设计,通过对比分析它们的启动性能、捕能效率和轴向推力,确定了叶轮最佳结构配置。最后对叶片的机械特性进行了校核,包括静强度、挠度和固有频率,并对叶轮表面空化进行了分析。第五章为有效提高低流速的利用效率,减小捕能机构尺寸,基于负压理论,设计了不同参数形式的聚流罩,并利用CFD方法对其海流增速效果进行仿真分析,确定了具有最佳增速效果的聚流罩结构。通过将聚流罩与叶轮整体仿真,验证了聚流罩对增大叶轮能量捕获效率的有效性。最后在舟山摘箬山海域搭建了低流速双向叶轮性能测试系统并进行了相关试验。第六章对课题的研究工作进行总结,并提出进一步的研究方向。
梁达平,坚徳毅,赵兴彦,杜海峰[3]（2018）在《一种基于在线遗传PID算法的分布式计算结构》文中认为利用分层模式对自适应在线遗传PID控制算法进行改进,与主从式网络架构相结合构建出符合工业生产实际的分布式计算结构并引入设备控制系统。通过对优化前后两种算法模型进行实验数据对比,表明在成本、安装体积基本不变的前提下,采用分布式遗传PID控制方案的设备性能要远优于采用传统PID方案的设备,其被控参数调节速率明显提高,具有良好的动态特性和鲁棒性。该模型可广泛应用于各类嵌入式工业控制设备的PID控制系统中。
邢宇[4]（2018）在《桁架支撑机翼布局客机总体设计的综合分析与优化》文中进行了进一步梳理为应对航空运输日益严苛的竞争,未来单通道民航客机有可能采用一种新型的布局型式—桁架支撑机翼（Truss-Braced Wing,简称TBW）。TBW布局客机具有较大的展弦比、较小的后掠角和较薄的机翼厚度,可显着提高飞机升阻比;它的桁架支撑可以降低机翼弯矩,减少机翼重量。TBW布局客机总体设计的一个关键任务是:需要在设计初期阶段对这种布局的气动、重量等方面进行综合分析,并在此基础上评估其节油效益。针对这一问题,本文以TBW布局单通道客机为研究对象,研究其总体设计阶段的综合分析和优化方法,开发相应的工具和平台,为TBW布局客机总体方案分析与论证提供有力支撑。本文主要研究内容与成果如下:1)应用飞机总体设计方法,设计了一种TBW布局客机总体初始方案,绘制了其全机外形几何模型。该初始方案为总体设计的综合分析和优化研究提供了一个具体的研究对象。2)研究了TBW布局客机中自然层流翼型优化和层流机翼设计问题。应用CFD方法和转捩模型对翼型和机翼的边界层转捩进行预测。提出了一种面向层流翼型设计的两轮优化方法:第一轮优化用于增加翼型表面的层流区域,第二轮优化用于减弱激波强度。应用这种优化方法可将超临界翼型优化为层流翼型。在此基础上,设计出层流机翼,并获得了这类层流机翼能达到的层流比例数值范围。3)综合应用参数化几何建模、参数化结构有限元模型、颤振分析、结构优化等方法,建立了一种桁架支撑机翼重量计算方法。基于该方法分析了颤振约束对结构重量的影响,以及机翼与桁架之间的不同连接方式对机翼重量的影响,并构建了桁架支撑机翼结构重量计算代理模型。该重量计算代理模型可集成于TBW布局客机总体设计的综合分析工具。4)建立了一种TBW布局客机总体方案的综合分析工具。该工具包括几何、气动、重量、发动机、性能、操稳和经济性分析模块。基于Matlab环境,实现了各分析模块的集成和用户界面的设计。该工具反映了TBW布局客机的气动特征和机翼结构重量特征。应用该工具对TBW布局客机总体初始方案进行了综合分析。分析结果表明,TBW布局客机总体初始方案具有升阻比高、油耗低、起降距离较短等特点。5)基于本文建立的TBW布局客机总体综合分析工具和多学科集成与优化iSIGHT-FD软件平台,构建了TBW布局客机总体参数优化平台。以机翼面积、后掠角、展弦比、发动机推力为设计变量,以最小起飞重量、轮档油耗、直接运营成本为优化目标,对TBW布局客机总体初始方案进行了优化设计。优化结果表明,与常规布局方案相比,TBW布局客机总体方案的油耗可降低23.3%。
杨小东[5]（2017）在《仿生智能算法与轴流压气机叶型优化设计研究》文中认为压气机叶型优化设计是提升压气机整体性能的重要途径。传统的基于梯度的优化算法要求目标函数连续可导,需要获取目标函数关于优化变量的导数信息,过程复杂,且容易陷入局部最优或反复震荡,通用性较差。仿生进化算法及群智能算法作为性能优良的全局优化算法,具有广阔的应用前景。论文致力于研究新型仿生智能算法的性能提升技术及其在压气机叶型优化设计上的应用并取得如下成果:1、提出基于分布式、并行计算架构的进化及群智能算法。基于并行架构对遗传算法、微分进化及人工蜂群算法进行了加速优化,大大缓解了目标函数求解耗时的问题。同时对算法本身的运行机制进行优化,提出了变比率三体交叉遗传算法、高斯随机缩放微分进化算法和邻域选择蜂群算法,有效提高了算法的全局寻优性能。2、针对支持向量机参数难以选取的难题,本文将蜂群算法与支持向量机进行融合以完成支持向量机参数的全局智能寻优。与传统神经网络相比,支持向量机基于结构风险最小化理论,不仅充分考虑样本对系统的影响,同时考虑优化问题的结构特征信息,以实现最优泛化性能。实验发现支持向量机在测试样本集上表现优于BP网络。本文提出的基于蜂群算法的支持向量机（ABC-SVM）可使支持向量机在训练样本的拟合以及泛化能力上保持平衡,达到全局最优。3、设计实现了参数化系统,实现的算法主要包括Hicks-Henne、CST和NURBS。对NURBS进行了深入研究,通过反复试验调整,提出了适用于压气机叶型拟合的经验公式,解决了在叶型参数化中使用NURBS容易出现非常规奇异叶型的问题。4、吸附式叶型通过抽吸叶片表面强逆压梯度处的附面层,使气动弯角增加,使压气机做功能力提高。为获得合适的叶型以及抽吸参数,本文基于人工蜂群算法和NURBS参数化法设计开发了一套智能叶型优化设计系统,该系统可对常规叶型、吸附式叶型进行智能优化设计,并且通过叶栅实验验证了优化结果的有效性。5、叶型优化过程中主要的时间消耗在于流场求解,为缓解优化耗时问题,提出了基于拉丁超立方采样的微分进化-人工蜂群-支持向量机（DE-ABC-SVM）算法,旨在代替真实的流场求解器,以更少的时间来获取流场参数的模拟值,并且通过不断添加新的样本点,以期不断提高算法精确度。整个优化过程是一个不断优化算法模型的过程,最终输出优化结果及最优的算法模型。使用该套算法对现有吸附式叶型进行了优化验证,效果良好。
邢宇,罗东明,余雄庆[6]（2017）在《超临界层流翼型优化设计策略》文中研究表明针对超临界层流翼型设计问题,提出一种两轮优化策略。采用γ-Reθt转捩模型耦合剪切应力输运（SST）模式的湍流模型对翼型边界层转捩进行预测。翼型几何参数化建模采用形状分类函数转换（CST）方法,设计变量为描述翼型几何特征的参数。第1轮优化的目的是尽量提高层流区域的比例,气动分析模型为基于Kriging模型的代理模型,优化算法为遗传算法,通过优化获得满足约束要求的层流翼型。第2轮优化目的是对第1轮优化获得的翼型进行微调,进一步提高翼型的升阻比,气动分析直接采用CFD程序,优化算法采用基于梯度的优化算法。算例表明,应用本文提出的两轮优化策略,可将超临界翼型NASA SC（2）0412优化设计成超临界层流翼型,翼型的上下表面层流区比例分别达到了55.5%和47.0%,升阻比提高了38.1%。
刘俊[7]（2015）在《基于代理模型的高效气动优化设计方法及应用》文中指出研究先进的气动设计方法是发展高性能飞行器的必然要求,而基于CFD的气动优化设计技术则是气动设计的重中之重。一方面,为了保证设计外形在CFD数值模拟情况下的气动性能与真实飞行条件下的气动性能更加相符,高精度的流动数值模拟方法被应用于气动优化设计中,这就大大增加了设计过程中所需的计算花费。另一方面,人们对飞行器气动性能的要求逐渐提高,这就给优化设计方法的设计质量提出了更高的要求。因此,研究设计效率高、设计质量好的气动优化设计方法具有重要的实际应用价值。本文围绕发展适合于飞行器设计的设计效率高、设计质量好的基于代理模型的气动优化设计方法展开研究,发展了一套基于代理模型的高效气动优化设计方法和软件,并成功进行了翼型、机翼、增升装置、飞翼的气动优化设计和考虑弹性的机翼气动/结构多学科优化设计。本文主要开展了以下几个方面的工作:（1）研究了基于Kriging模型（包括梯度增强Kriging模型）的优化算法中的多种自适应样本点加点准则及其约束处理方法,并发展了一种并行加点策略。传统的基于Kriging模型的优化设计采用求期望改进（EI）最大值的准则进行优化。本文除研究了EI最大值加点准则外,还研究了目标函数最小值准则（MP）、统计下限最小值准则（LCB）、改进概率最大值准则（PI）、均方根误差最大值准则（RMSE）等加点准则。将这些加点准则推广到可以直接处理约束的情况,研究发展了相应的含约束处理的加点准则CMP、CEI、CLCB、CPI、CRMSE。利用上述加点准则,提出了一种并行加点策略,算例验证了并行加点策略的效率成倍地高于单点加点准则。（2）研究发展了可用于Pareto多目标优化的自适应样本点加点准则及其约束处理方法。将单目标优化中的加点准则推广到多目标优化的情况,发展了无约束处理的多目标加点准则MMP、MEI、MLCB、MPI、MRMSE,以及含约束处理的多目标加点准则CMMP、CMEI、CMLCB、CMPI、CMRMSE。借鉴单目标优化中的样本点自适应方法,发展了多目标优化的样本点自适应方法。（3）研究发展了一套基于Kriging模型的高效单目标优化算法和多目标优化算法,以及基于梯度增强的Kriging模型的高效单目标优化算法和多目标优化算法。算例验证了方法的有效性和高效性。对于单目标优化算法,在效率远高于遗传算法的前提下,对于很多问题优化质量优于遗传算法;对于多目标优化算法,在效率远高于多目标遗传算法NSGA-II的前提下,优化质量与NSGA-II基本一致。算例还验证了本文基于Kriging模型的多目标优化算法对高维问题的适应性;验证了约束处理方法的有效性。（4）结合试验设计、代理模型、常规优化算法、加点准则等,发展了一套基于代理模型的可用于单目标/多目标、无约束/约束问题的高效并行通用优化算法程序。在试验设计方面,研究了拉丁超立方抽样并改进了现有的程序,研究了蒙特卡洛抽样和均匀设计并编制了相应的程序。在代理模型方面,研究了Kriging模型并改进了已有的Kriging模型程序;研究了梯度增强Kriging模型并嵌入了相应的程序。在常规优化算法方面,研究了单目标、多目标遗传算法并发展了相应的程序,改进了模式搜索算法程序,改进了梯度优化算法中的拟牛顿法和序列二次规划程序。（5）发展了基于Kriging模型的翼型反设计方法和翼型Pareto多目标气动优化设计方法;结合Adjoint梯度计算方法,发展了基于梯度增强的Kriging模型的翼型Pareto多目标优化设计方法。成功开展了翼型的单目标/多目标反设计研究,验证了Kriging模型在翼型反设计中的适应性。跨声速翼型设计算例验证了基于Kriging模型的翼型Pareto多目标优化方法和基于梯度增强Kriging模型的翼型Pareto多目标优化方法的有效性。此外,成功进行了基于Kriging模型的跨声速翼型、风力机翼型的加权多目标优化设计;成功进行了旋翼翼型、飞翼翼型的Pareto多目标气动优化设计,通过一次优化设计可得到多个最优气动外形。（6）发展了一套基于Kriging模型和Navier-Stokes方程的机翼单目标、多目标气动优化设计方法并成功应用于58个设计变量的飞翼Pareto多目标气动优化设计。首先研究了常用的梯形机翼和双梯形布局机翼的参数化方法,并编制机翼的参数化程序,其中平面参数、剖面参数、几何扭转角三类参数可以任意组合作为设计变量。分别采用传统的EI加点准则和本文发展的并行多点加点准则分别进行了跨声速机翼的仅变平面形状、仅变剖面形状、同时变平面形状和剖面形状的气动优化设计以及运输机机翼的减阻优化设计,验证了在气动优化设计中并行多点加点准则的效率更高。成功进行了含58个设计变量的飞翼多目标气动优化设计,优化后飞翼的起降性能和巡航性能大幅提高。（7）开展了基于Kriging模型的增升装置缝道参数优化设计。采用不同的气动计算方法进行了多段翼型的缝道参数优化设计,取得了良好的设计效果,优化后的外形升力系数都有较大提升。（8）结合基于代理模型的优化方法和多学科可行法（MDF）,发展了一种基于代理模型的高效全局MDF多学科优化方法。算例表明该方法的效率和效果都优于参考文献中的基于Kriging模型的并行子空间（CSSO）方法。采用该方法进行了机翼的气动/结构耦合的多学科优化设计。首先采用ANSYS进行结构有限元分析和Euler方程求解器进行绕流模拟,建立了一套机翼静气动弹性数值模拟方法,然后进行了考虑弹性的机翼气动/结构综合优化设计,优化后的机翼气动性能和结构性能同时得到提高。
李静[8]（2014）在《高性能飞行器气动外形设计方法研究与应用》文中认为随着飞行器设计要求的不断增加以及性能目标的不断提高，基于CFD（Computational Fluid Dynamics）技术的飞行器气动外形设计方法也需要更精细更高效，因此需要对气动特性数值模拟技术、参数化方法、变形网格技术、代理模型、优化算法等构成飞行器气动外形设计的几项关键技术进行研究和创新，建立高效可靠的气动优化设计平台。本文主要完成了以下几方面的工作：1.基于结构网格技术建立了适用于气动外形设计的RANS（Reynolds AveragedNavier-Stokes）方程数值模拟平台，采用Roe空间离散方法，Menter’s k-SST两方程湍流模型，通过对二维翼型跨音速流场以及三维复杂外形流场的数值模拟验证了数值模拟平台的可靠性，为飞行器气动外形设计问题中的目标特性分析提供了可靠的气动特性数据；基于当地变量的Re t转捩模型建立了边界层转捩数值模拟方法，为开展高性能自然层流翼型/机翼气动优化设计提供了可靠的CFD模拟手段。2.为满足精细化气动设计要求，针对不同类型气动外形的参数化方法开展了系统研究。对于翼型参数化发展了基于差量的类函数/型函数（C ST）参数化方法，有效提高了对翼型几何外形精准的描述与控制能力，确保了有限的设计变量下较大的设计空间；针对三维复杂外形参数化建立了空间FFD（Free-Form Deformation）方法，该方法具有强大的描述任意复杂外形变形的能力，但对三维复杂外形精细化设计来说，该方法欠缺精准的几何外形控制能力，为此本文推导并建立了耦合特征曲线的直接控制FFD方法。对三维BWB（Blending-Wing-Body）外形的参数化证明，该方法可改善空间FFD方法的缺陷，并为高性能气动外形设计奠定了基础。为满足气动特性分析中高质量计算网格要求，建立了基于Delaunay图映射的变形网格技术，与基于体样条和无限插值理论的变形网格技术进行了对比，结果表明Delaunay图映射变形网格技术在处理大幅旋转以及扭曲变形时，通过合理的优化背景网格可以得到更高质量的计算网格，具有更稳健强大的自动网格变形能力。3.为了在有限样本资源下提高代理模型预测精度，基于权重改进期望提高（ExpectedImprovement，EI）准则建立了自适应拉丁超立方取样方法，在取样过程中充分利用已知模型曲面信息，兼顾样本空间密度以及非线性特性，使样本点在设计空间中分布更加合理。在此样本点基础上构建Kriging模型，替代优化过程中昂贵的N-S方程分析，提高优化搜索效率，并针对采用代理模型寻优所带来的局部收敛问题，在优化过程中引入EI准则建立了自适应Kriging模型，提高了全局收敛特性。4.针对标准粒子群算法容易早熟，种群多样性不高等缺点，通过对粒子群算法的参数，种群拓扑以及边界约束处理等关键因素的研究，发展了三种改进算法：借鉴遗传算法中的杂交思想发展了基于杂交理念的粒子群算法（BreedPSO）；考虑自然选择机理，并引入动态拓扑邻居以及广义学习策略，发展了基于自然选择的广义学习策略动态粒子群算法（SDNPSO）；引入多种群协作思想，发展了多种群协作粒子群算法（MCPSO）。通过函数优化及气动优化测试，证明了改进算法的收敛特性以及种群多样性，提高了算法的寻优能力以及优化效率。在多目标粒子群算法中，引入基于个体集聚度的外部存档策略，构建了基于个体集聚度的多目标粒子群算法，可以获得更逼近真实解的Pareto前沿，且解的多样性以及分布性得到了很好地改善。5.针对传统确定性气动优化设计对环境因素波动敏感性大的缺点，建立了基于响应面的气动外形稳健性设计方法以及基于6模型的气动外形稳健性设计方法。对自然层流翼型进行基于升力系数和马赫数不确定性的稳健性设计，改善了原始翼型层流区和阻力系数对不确定性因素波动敏感问题；对超临界翼型进行了关于马赫数的单点稳健性设计，提高了原始外形的阻力发散马赫数，降低了不确定性范围内阻力系数的均值和方差；针对单点稳健性设计得到的超临界翼型在低速存在的升力系数随迎角波动敏感问题，进行了多点稳健性设计，可同时改善翼型的阻力发散特性以及失速特性。6.针对传统Gappy POD（Proper Orthogonal Decomposition）气动外形反设计方法数据填补精度低，设计结果偏差大的问题，采用重新定义的采样解结构建立基于差量采样解的Gappy POD反设计方法，提高了数据填补精度，设计结果表明该方法反设计得到的翼型压力分布更接近目标压力分布，实现了目标压力分布到气动外形的精确映射，可对优化设计得到的压力分布形态进行更精细化的局部修形。7.基于文中所研究的气动设计关键技术构建了单目标、多目标优化设计平台以及气动外形反设计框架，可以针对不同设计对象和设计要求进行气动外形设计。对跨音速翼型及超临界翼型进行稳健性设计，降低了翼型气动特性对飞行状态不确定因素的敏感性；对亚音速层流翼型进行关于升力系数和马赫数不确定性的稳健性设计，改善初始翼型的阻力发散特性，并提高了层流区的稳定性；对跨音速自然层流翼型进行了反设计，提出了两种不同的压力分布形态，在不同雷诺数下分析了顺压长度梯度和压力恢复位置对转捩发生抑制的影响，为高性能自然层流翼型及机翼设计提供了很好的设计理念；对跨音速自然层流翼身组合体进行稳健性设计，综合考虑顺压长度和激波位置两种因素，使其在维持最长层流段的情况下保证激波稳健发展；针对DLR-F6翼/身/架/舱组合体，通过优化吊舱的悬挂位置，减小了部件间的干扰阻力。
汪泉[9]（2013）在《风力机叶片气动外形与结构的参数化耦合设计理论研究》文中研究表明风能作为一种清洁的可再生能源，越来越受到世界各国的关注与重视。预计未来20～25年内，世界风电市场每年将递增25%。随着国家对风力发电的重视，风力机近年来得到了广泛的应用和发展。而叶片是风力机最关键的部件之一，达到整机价值的20%左右，其良好的设计、可靠的质量和优越的性能是保证机组正常稳定运行的决定因素。在国家自然科学基金项目“基于参数化的风力机叶片气动性能与结构一体化设计理论（项目编号：51175526）”和国家高技术研究发展计划（863计划）“先进风力机翼型族设计技术研究（项目编号：2012AA051301）”的资助下，本文提出了“风力机叶片气动外形与结构的参数化耦合设计理论研究”的研究课题。在分析国内外风力机翼型、叶片及结构与气动弹性研究理论方法的基础上，针对集成现有翼型的基础上，对风力机翼型泛函集成理论进行了深入的研究，提出一种基于翼型表面曲率光滑连续性思想的翼型改进设计方法；针对中等厚度及大厚度翼型，提出一种新的翼型参数化表征方法，即翼型集成理论与B样条结合的翼型集成表达方式，结合改进的粒子群算法，充分考虑风力机翼型及叶片的空气动力性能要求，设计得到性能优良的7种不同厚度的标准翼型（相对厚度从15%～40%）；提出了基于叶片性能与轻量化的风力机叶片设计方法，并在叶片全部产生功率区域内采用笔者设计的7种标准翼型进行叶片气动外形优化，优化得到了高性能轻质量的风力机新型叶片；提出了将翼型数据、叶片外形参数及复合材料叶片结构参数集成于叶片可变参数化解析表示式中，建立了叶片参数化有限元模型，结合粒子群算法，对风力机叶片结构在气动载荷作用工况下进行了优化，其优化结果显着。从而形成了风力机翼型、叶片及结构自主设计的新理论和新方法，使风力机叶片形状与叶片弹性变形耦合设计成为可能。论文完成的主要研究工作和取得的研究成果主要有：1)探讨了翼型几何参数、气动参数对翼型气动性能的影响关系。对计算翼型气动性能的计算方法进行了研究。针对三种不同厚度的风力机专用翼型WT180（该翼型为本课题组研发的一种高性能风力机专用翼型）、DU93-W-210和DU91-W2-250，在相同计算工况条件下，将RFOIL软件所计算出来的气动结果与实验数据结果进行了对比分析，研究表明RFOIL软件能够较好的预测翼型的气动性能，适用于翼型的直接设计方法，同时为后文新翼型族的研发提供有效的气动性能计算工具。2)为了便于优化出性能较高的风力机翼型，依据目前常用的翼型优化算法，继而引入粒子群算法，对比了粒子群算法与其他生物进化算法的优缺点，为了克服粒子群算法在优化初期容易陷入局部最优解的缺点，提出了一种具有反双曲余弦函数形式的非线性惯性权重表示法，用以改善标准的粒子群算法的性能，并对此改进的粒子群算法进行了实例分析。分析结果表明，无论是在寻优能力方面，还是在计算稳定性方面，改进的粒子群算法都要优于标准的粒子群算法，从而验证了该改进算法的有效性和可行性。为风力机专用翼型的研发提供了有效的算法基础。3)在现有翼型泛函集成理论的基础上，提出一种基于表面曲率光滑连续性思想的翼型改进与设计方法。对荷兰DU93-W-210翼型进行了改进与优化，研究表明优化后的新翼型在升力系数、升阻比、粗糙度敏感性等气动特性方面要明显优于原翼型。针对不同厚度的风力机翼型而言，采用不同的翼型型线构造方法对风力机专用翼型进行了优化设计研究。针对较薄的风力机翼型族，基于翼型泛函集成设计理论，提出了增加设计变量参数从而有效地控制翼型型线轮廓线的翼型设计策略。综合考虑翼型的前缘粗糙度敏感性、非设计工况特性、失速特性及噪声特性等，采用改进的粒子群算法耦合RFOIL软件对较薄的翼型族进行了优化设计，设计出了3种相对厚度较薄的新翼型，分别为CQU-A150、CQU-A180和CQU-A210翼型；针对中等厚度及大厚度翼型，提出了翼型泛函集成与B样条理论结合的翼型设计新方法，主要考虑翼型的结构与气动特性，采用改进的粒子群算法对中等厚度及大厚度翼型进行优化设计，设计出了4种不同厚度风力机专用翼型，分别为CQU-A250、CQU-A300、CQU-A350和CQU-A400翼型。对这7种翼型进行了详细的气动性能分析，通过与目前常用的风力机翼型的比较分析，能够很好地满足翼型结构与气动性能要求的各项指标，表明这7种翼型具有较好的气动性能与结构兼容性，从而验证了该方法的可行性与优越性。本研究完善了翼型泛函集成设计理论，为风力机专用翼型的设计研究拓宽了思路，同时为风力机叶片气动外形的设计奠定了良好的基础。4)基于风力机空气空力学理论，详细分析研究了叶片关键参数（如叶尖速比、风轮直径、雷诺数、翼型气动性能及叶片载荷等）对风力机性能的影响；进而在整个叶片设计上采用作者全新设计的风力机翼型系列CQU-A，提出以最大功率系数及最小叶片面积为多目标优化模型，以弦长、扭角为设计变量，有效控制叶片载荷以提高叶片疲劳寿命，建立新型风力机叶片设计及优化数学模型。应用该设计模型，采用改进的多目标粒子群算法对风力机叶片进行优化设计，并将优化结果与初始叶片、Tjaere实验叶片进行对比分析。优化结果表明，相比初始叶片及Tjaere型叶片，新设计2MW风力机叶片的最大功率系数及年发电量均有所提高，而且叶片表面面积具有显着的下降，这意味着在其他叶片内部结构不变的情况下极大的减少了叶片的质量，提高了叶片的疲劳寿命，降低了叶片的材料成本；同时叶根载荷也得到了有效的控制。该新型叶片的研究为设计出高性能轻质量低成本的风力机提供了理论依据。5)在复合材料风力机叶片弹性力学的基础上，基于复合材料学等代设计法及机械设计学中的类比法，对作者设计的2MW风力机叶片进行了复合材料初始铺层设计。建立了完整的复合材料复杂曲面风力机叶片参数化有限元模型。基于修正的动量叶素理论，提出了一种新的风力机叶片流固耦合方法，解决了在叶片结构优化研究过程中气动载荷加载这一关键问题。建立了叶片有限元优化数学模型，将粒子群算法与有限元方法结合起来对复合材料风力机叶片进行优化设计。提出了两种优化设计方案，优化结果表明，在满足失效准则及位移约束的条件下，两种方案对叶片质量的降低均较显着，而方案二（增加叶片主梁位置作为可变量）对叶片质量的减少更为明显，表明该优化设计方法的可行性及优越性；最后对优化方案二所设计出来的叶片进行了应变分析，研究表明优化后的叶片满足强度要求，并指出了叶片最大弯曲应变的位置。本研究对于风力机叶片结构设计及优化具有重要的指导作用，使风力机翼型、叶片气动外形及结构参数化一体化设计成为可能。6)基于气动弹性理论原理，建立了适用于风力机叶片弹性翼型的气动弹性反馈系统模型。针对叶片二元翼段，根据由翼型形状确定的升力系数和气动中心、气流动压与翼型附加扭角的相互影响关系，导出了风力机翼型扭转发散的临界条件，翼型升力与弹性扭角的耦合关系，获得了气动弹性载荷重分布的迭代模型。重点研究了不同翼型（包括笔者设计的CQU-A180翼型）对风力机叶片二元翼段的静气动弹性的影响，在其他条件不变的情况下对比分析了3种不同的翼型对叶片的附加扭角、气动弹性升力分布的影响特性。研究表明，当扭转刚度较小时，翼型的形状对风力机叶片二元翼段的气动弹性反馈系统有一定的影响，同时也验证了笔者设计的CQU-A180翼型气动弹性特性的合理性。此研究对于大型风力机叶片的静气动弹性问题具有理论指导意义。
孙伟[10]（2012）在《直升机总体优化设计技术研究》文中研究指明本文研究数据库技术和多目标、多学科优化技术在直升机总体设计中的应用。随着航空技术的迅猛发展和系统的日趋复杂，现代飞行器的设计理念和设计模式都发生了重大变化，从追求飞行性能发展到追求系统综合使用效能，从串行迭代的设计模式发展到集成并行设计模式。同时，飞行器的初期设计阶段即概念设计和初步设计阶段变得越来越重要。直升机总体设计面临的是一个庞大又复杂的系统，总体设计对研制工作具有全局性的影响，是直升机研制工作最重要的一个阶段。本文针对直升机总体设计的特点和多学科本质，开展了直升机总体数据库和人工神经网络技术在直升机概念设计阶段的应用研究，并建立了多学科设计优化框架，集成了与直升机总体设计相关的多个学科分析模型，进行了多学科设计优化技术在直升机初步设计阶段的应用研究。本文主要研究内容如下：构建了直升机总体参数数据库和部件重量数据库，完成了数据的筛选、录入和修正，并基于数据库提出了回归统计分析法和人工神经网络响应面法的直升机概念设计方法，通过对重量、旋翼、尾桨、机身以及功率等参数的分析，给出了一套用于确定直升机总体参数的简化计算方法及神经网络模型。建立了适合直升机总体参数优化设计的飞行性能计算模型，分析了包括悬停性能、爬升性能和前飞性能在内的基本飞行性能；并在遗传算法中引入了序和密度的概念，以及实数编码、锦标赛选择、精英保留策略、自适应算子等求解策略，经过改进的多目标遗传算法在求解Pareto解集时表现出更好的贴近性、均匀性和完整性；采用改进的遗传算法对直升机飞行性能进行多目标优化，提高了优化效率和决策的准确性。建立了适合桨叶外形优化设计的自由尾迹模型，该模型采用Weissinger-L升力面模型和PIPC求解方法，使得计算精度能满足总体设计阶段桨叶气动外形对性能影响的要求，又具有较少的计算耗时；以减少悬停和前飞状态下旋翼的需用功率为优化目标，采用改进的多目标遗传算法，同时在算法中加入并行运算技术和人工神经网络代理模型，进一步缩短了优化时间，提高了优化效率和优化质量。在建立和验证直升机重量估算、飞行性能、桨叶气动外形、操纵稳定性和机动性学科分析模型的基础上，分析了各学科之间的数据传递和耦合关系，确定设计变量、设计约束和优化目标，建立了直升机总体多学科设计优化模型。针对直升机总体多学科设计优化的特点和常规协同优化方法的收敛性差、计算时间长等缺陷，提出了基于代理模型的直升机总体参数多目标协同优化方法，并以UH-60A直升机为算例，与多学科可行法进行对比，验证了该优化方法的可行性和有效性。最后以AH-64武装直升机为背景样机，按照任务设计要求进行概念设计，给出武装直升机总体初步设计参数，并以此为基础，进行以“作战效能指标”为综合优化目标的总体多学科设计优化。优化结果验证了多目标协同优化方法应用于实际工程设计的可行性和有效性。本文建立的直升机总体多学科设计优化框架和优化策略可以应用于直升机总体参数综合优化设计，并有效提高了设计效率和设计质量。
二、基于遗传算法和分布式计算的翼型优化设计研究（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、基于遗传算法和分布式计算的翼型优化设计研究（论文提纲范文）
（1）太阳能动力的球载投放无人机总体设计及能效优化设计（论文提纲范文）
| 摘要 |
| Abstract |
| 符号列表 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 太阳能飞行器的型号研究进展 |
| 1.2.2 太阳能无人机总体设计理论研究进展 |
| 1.2.3 太阳能无人机航迹规划技术研究进展 |
| 1.3 太阳能无人机关键技术瓶颈分析 |
| 1.4 论文研究内容及结构安排 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文结构安排 |
| 第2章 球载投放的联翼布局太阳能无人机多学科建模 |
| 2.1 引言 |
| 2.2 高空球载投放的联翼布局太阳能无人机设计 |
| 2.2.1 联翼布局形式 |
| 2.2.2 高空球载投放方案 |
| 2.3 多学科建模及研究基础 |
| 2.3.1 质量估算模型 |
| 2.3.2 气动力估算模型 |
| 2.3.3 太阳能辐射模型 |
| 2.3.4 太阳入射角模型 |
| 2.3.5 能量收集及储存模型 |
| 2.4 总结 |
| 第3章 基于任务导向的太阳能无人机总体设计方法 |
| 3.1 引言 |
| 3.2 太阳能无人机的总体设计分析 |
| 3.3 基于飞行剖面优化的太阳能无人机总体设计 |
| 3.3.1 飞行动力学建模 |
| 3.3.2 能量平衡方程 |
| 3.3.3 总体设计多目标优化框架 |
| 3.3.4 粒子群算法及多目标评价函数 |
| 3.3.5 结果分析和验证 |
| 3.3.6 任务可行域分析及越夜高度敏度分析 |
| 3.4 总结 |
| 第4章 球载无人机的投放可行性分析及验证 |
| 4.1 引言 |
| 4.2 球载投放无人机的方案设计及数值仿真 |
| 4.2.1 投放模型设计 |
| 4.2.2 仿真参数设置及设计原理分析 |
| 4.2.3 仿真结果分析及结论 |
| 4.3 低空投放平台设计及投放试验验证 |
| 4.3.1 投放试验平台 |
| 4.3.2 试验方案设计 |
| 4.3.3 实验结果及分析 |
| 4.4 结论 |
| 第5章 能源效用优化的太阳能动力无人机三维航迹规划 |
| 5.1 引言 |
| 5.2 系统及优化场景建模 |
| 5.2.1 能量系统模型 |
| 5.2.2 动力学及运动学模型 |
| 5.2.3 大跨时空飞行场景及任务建模 |
| 5.3 面向任务的太阳能无人机三维航迹规划 |
| 5.3.1 高斯伪谱法的多目标路径优化 |
| 5.3.2 改进蚁群算法的任务规划 |
| 5.3.3 高斯/蚁群联合优化算法 |
| 5.4 算法验证及结果分析 |
| 5.4.1 与固定约束3-D路径方案对比 |
| 5.4.2 优化飞行策略与水平飞行策略对比 |
| 5.4.3 大跨时空任务飞行策略与固定位置策略对比 |
| 5.4.4 飞行日期对优化航迹的影响 |
| 5.5 结论 |
| 第6章 高能效的组合式太阳能无人机多机协同航迹规划 |
| 6.1 引言 |
| 6.2 组合式太阳能无人机系统建模 |
| 6.2.1 组合式太阳能无人机概述 |
| 6.2.2 能量模型 |
| 6.2.3 动力学及运动学模型 |
| 6.2.4 气动模型 |
| 6.2.5 组合式无人机飞行场景及任务建模 |
| 6.3 效用最大化的组合式太阳能无人机协同任务航迹规划 |
| 6.3.1 组合式太阳能无人机飞行策略和子无人机轨迹优化框架 |
| 6.3.2 基于改进蚁群算法的多无人机航迹规划 |
| 6.3.3 基于全局航迹规划的多无人机动态组合算法 |
| 6.4 仿真实验及结果分析 |
| 6.4.1 与常规布局太阳能无人机航迹规划结果对比 |
| 6.4.2 不同飞行日期的航迹规划结果对比 |
| 6.5 结论 |
| 第7章 总结与展望 |
| 7.1 论文的研究工作 |
| 7.2 论文的主要创新点 |
| 7.3 下一步工作的展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）低流速海流能发电机组叶轮结构设计与优化（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 海流能发电机组发展现状 |
| 1.2.1 国外海流能发电机组发展现状 |
| 1.2.2 国内海流能发电机组发展现状 |
| 1.3 低流速海流能发电机组研究现状 |
| 1.4 课题研究意义与研究内容 |
| 1.4.1 研究意义 |
| 1.4.2 研究内容 |
| 2 海流能发电机组叶轮设计理论 |
| 2.1 翼型基础理论 |
| 2.2 叶素—动量理论 |
| 2.2.1 漩涡理论 |
| 2.2.2 叶素—动量理论 |
| 2.2.3 基于Wilson设计法的模型修正 |
| 2.3 叶片优化基础理论 |
| 2.3.1 翼型参数化方法 |
| 2.3.2 翼型优化工具与遗传算法 |
| 2.4 本章小结 |
| 3 低流速海流能机组翼型优化设计及其仿真研究 |
| 3.1 常规翼型性能研究分析 |
| 3.1.1 CFD数值模型的建立 |
| 3.1.2 翼型水动性能分析 |
| 3.2 基于遗传算法的翼型优化设计与性能分析 |
| 3.3 本章小结 |
| 4 低流速海流能机组叶轮结构设计及性能分析 |
| 4.1 叶轮结构与外形设计 |
| 4.1.1 叶轮基本参数设计 |
| 4.1.2 叶片水动外形设计 |
| 4.1.3 叶片三维实体建模 |
| 4.2 叶轮水动力综合性能分析 |
| 4.2.1 基于CFD的叶轮性能分析 |
| 4.2.2 基于Bladed的叶轮性能分析 |
| 4.3 叶片极限载荷及有限元分析 |
| 4.3.1 叶轮极限载荷分析 |
| 4.3.2 叶片有限元分析 |
| 4.4 本章小结 |
| 5 低流速海流能机组聚流罩设计仿真及试验研究 |
| 5.1 二维聚流罩的初步设计及性能分析研究 |
| 5.2 三维整体叶轮仿真及性能分析 |
| 5.3 叶轮性能测试系统搭建与试验研究 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 课题总结 |
| 6.2 工作展望 |
| 参考文献 |
（3）一种基于在线遗传PID算法的分布式计算结构（论文提纲范文）
| 1 引言 |
| 2 自适应在线遗传算法的PID整定原理 |
| 3 分层式遗传算法改进的原理 |
| 4 分布式计算的硬件实现方案 |
| 4.1 基于嵌入式多智能端的结构 |
| 4.2 基于工业局域网模式的设备网络结构 |
| 5 实验数据分析 |
| 5.1 被控制对象模型的辨识 |
| 5.2 算法性能比较分析 |
| 6 结束语 |
（4）桁架支撑机翼布局客机总体设计的综合分析与优化（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 未来民机发展方向 |
| 1.1.2 桁架支撑机翼布局概念 |
| 1.1.3 TBW布局客机总体设计面临的挑战 |
| 1.2 TBW布局客机研究状况 |
| 1.2.1 TBW布局客机研究的发展历程 |
| 1.2.2 层流机翼与TBW布局气动设计研究状况 |
| 1.2.3 TBW布局结构重量研究状况 |
| 1.2.4 TBW布局总体综合分析与优化的研究状况 |
| 1.3 本文目的与内容 |
| 第二章 桁架支撑机翼布局客机的初始概念方案 |
| 2.1 基本设计要求的拟定 |
| 2.1.1 商载航程图 |
| 2.1.2 任务剖面 |
| 2.1.3 性能指标及适航要求 |
| 2.2 总体布局型式 |
| 2.3 主要总体参数估算 |
| 2.4 主要部件参数设计 |
| 2.4.1 机身参数 |
| 2.4.2 机翼参数 |
| 2.4.3 尾翼参数 |
| 2.4.4 起落架布置参数 |
| 2.5 发动机选型 |
| 2.6 初始概念方案的几何模型 |
| 2.7 本章小结 |
| 第三章 层流翼型优化和机翼气动设计分析 |
| 3.1 层流技术概述 |
| 3.2 转捩预测数值模拟方法 |
| 3.2.1 控制方程 |
| 3.2.2 数值方法 |
| 3.2.3 计算程序 |
| 3.3 转捩预测算例及结果分析 |
| 3.3.1 算例1:VA-2 翼型 |
| 3.3.2 算例2:NLR-7301 层流翼型 |
| 3.4 超临界层流翼型优化方法 |
| 3.4.1 优化策略 |
| 3.4.2 翼型参数化 |
| 3.4.3 气动分析 |
| 3.4.4 建立代理模型 |
| 3.4.5 第一轮优化 |
| 3.4.6 第二轮优化 |
| 3.4.7 翼型优化平台 |
| 3.5 层流翼型优化设计与分析 |
| 3.5.1 NASA SC(2)0412 翼型优化设计 |
| 3.5.2 RAE2822 翼型优化设计 |
| 3.5.3 超临界层流翼型特性分析 |
| 3.6 机翼气动设计与分析 |
| 3.7 本章小结 |
| 第四章 TBW布局客机机翼结构重量计算方法 |
| 4.1 机翼重量计算方法的回顾 |
| 4.2 桁架机翼结构重量计算流程 |
| 4.2.1 参数化几何模型 |
| 4.2.2 气动载荷计算 |
| 4.2.3 有限元模型的建立 |
| 4.2.4 结构优化 |
| 4.2.5 机翼重量计算 |
| 4.3 TBW布局结构重量的影响因素分析 |
| 4.3.1 颤振约束的影响 |
| 4.3.2 连接方式的影响 |
| 4.4 TBW布局重量代理模型 |
| 4.4.1 重量代理模型计算流程的集成 |
| 4.4.2 样本点 |
| 4.4.3 代理模型建立 |
| 4.5 本章小结 |
| 第五章 TBW布局客机总体方案综合分析工具 |
| 5.1 TBW布局客机综合分析与程序框架 |
| 5.2 主要分析模块 |
| 5.2.1 几何模块 |
| 5.2.2 气动模块 |
| 5.2.3 重量模块 |
| 5.2.4 发动机模块 |
| 5.2.5 性能模块 |
| 5.2.6 操稳模块 |
| 5.2.7 经济性模块 |
| 5.3 TBW-150 客机初始概念方案的综合分析 |
| 5.3.1 气动特性 |
| 5.3.2 重量特性 |
| 5.3.3 发动机特性 |
| 5.3.4 性能特性 |
| 5.3.5 经济性特性 |
| 5.4 本章小结 |
| 第六章 桁架支撑机翼布局客机总体参数优化 |
| 6.1 优化平台建立 |
| 6.1.1 优化软件平台 |
| 6.1.2 TBW布局客机总体参数优化设计平台 |
| 6.1.3 优化问题定义 |
| 6.2 参数敏感性分析 |
| 6.3 优化结果及分析 |
| 6.4 与常规布局方案的对比分析 |
| 6.5 本章小结 |
| 第七章 总结 |
| 7.1 全文总结 |
| 7.2 创新点 |
| 7.3 进一步的研究工作 |
| 参考文献 |
| 致谢 |
| 在校期间的研究成果及发表的学术论文 |
（5）仿生智能算法与轴流压气机叶型优化设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 智能算法与压气机气动优化设计研究现状 |
| 1.2.1 气动优化设计技术研究现状 |
| 1.2.2 遗传算法在优化设计中的应用研究现状 |
| 1.2.3 仿生智能算法研究与应用现状 |
| 1.2.4 现代人工智能技术发展概况 |
| 1.3 本文的主要工作 |
| 第二章 仿生智能算法研究与改进设计 |
| 2.1 遗传算法研究与改进 |
| 2.1.1 标准遗传算法研究 |
| 2.1.2 遗传算法改进：变比率交叉算法设计 |
| 2.1.3 变比率三体交叉算法设计 |
| 2.2 遗传算法拓展：分布式遗传算法设计 |
| 2.2.1 遗传算法的缺陷 |
| 2.2.2 分布式遗传算法设计 |
| 2.2.3 分布式遗传算法改进设计 |
| 2.3 微分进化算法研究与改进 |
| 2.3.1 微分进化算法的基本原理及数学模型 |
| 2.3.2 微分进化算法的控制参数设置及影响研究 |
| 2.3.3 微分进化算法改进：高斯随机缩放DE算法设计 |
| 2.4 蜂群算法研究与改进 |
| 2.4.1 蜂群算法的基本原理 |
| 2.4.2 蜂群算法改进：邻域选择蜂群算法设计 |
| 2.5 并行蜂群设计：粗粒度分布式蜂群算法 |
| 2.5.1 粗粒度模型 |
| 2.5.2 粗粒度分布式蜂群算法设计 |
| 2.6 遗传算法、微分进化与蜂群算法数值仿真实验 |
| 2.6.1 Benchmark测试函数 |
| 2.6.2 梯度下降法优化实验 |
| 2.6.3 智能算法优化实验 |
| 2.7 本章小结 |
| 第三章 支持向量机算法改进与非线性函数回归研究 |
| 3.1 误差反向传播神经网络研究 |
| 3.1.1 误差反向传播网络模型 |
| 3.1.2 误差反向传播学习算法 |
| 3.1.3 BP算法的改进 |
| 3.2 统计学习与支持向量机研究 |
| 3.2.1 统计学习 |
| 3.2.2 支持向量机 |
| 3.3 非线性函数逼近性能数值实验研究 |
| 3.3.1 回归分析：二维三角函数 |
| 3.3.2 回归分析：二维多极值函数 |
| 3.3.3 回归分析：三维函数的回归分析 |
| 3.4 支持向量机算法改进：蜂群-支持向量机(ABC-SVM)算法设计 |
| 3.4.1 ABC-SVM算法设计 |
| 3.4.2 ABC-SVM数值优化实验 |
| 3.5 本章小结 |
| 第四章 压气机叶型参数化设计技术研究 |
| 4.1 常用参数化法 |
| 4.1.1 Hicks-Henne参数化 |
| 4.1.2 特征参数描述法 |
| 4.1.3 正交基函数法 |
| 4.1.4 CST方法 |
| 4.1.5 NURBS参数化法 |
| 4.2 基于CST的压气机叶型参数化方法分析 |
| 4.2.1 CST方法中权重因子的反算 |
| 4.2.2 CST拟合的有效性验证 |
| 4.2.3 CST参数化叶栅拟合效果分析 |
| 4.3 基于NURBS的压气机叶型参数化方法分析 |
| 4.3.1 NURBS控制点反求 |
| 4.3.2 NURBS拟合方法有效性验证 |
| 4.3.3 NURBS叶栅拟合分析 |
| 4.4 本章小结 |
| 第五章 压气机叶型智能优化设计及实验研究 |
| 5.1 附面层抽吸的机理 |
| 5.1.1 附面层抽吸对下游附面层动量厚度的影响 |
| 5.1.2 附面层未分离时抽吸 |
| 5.1.3 附面层分离时抽吸的影响 |
| 5.2 吸附式压气机叶栅数值模拟方法 |
| 5.2.1 控制方程 |
| 5.2.2 人工粘性 |
| 5.3 基于蜂群算法的吸附式叶型智能优化设计 |
| 5.3.1 奇异叶型的产生机理及消除措施 |
| 5.3.2 NURBS在压气机叶型参数化中的应用 |
| 5.3.3 流场求解程序 |
| 5.3.4 流场求解器的实验验证 |
| 5.3.5 优化目标和优化变量 |
| 5.3.6 实例一：大弯角亚音叶型优化设计 |
| 5.3.7 实例二：吸附式叶型优化设计研究 |
| 5.4 智能优化设计系统实验验证研究 |
| 5.4.1 叶型智能优化设计 |
| 5.4.2 优化叶型实验研究 |
| 5.4.3 实验结论 |
| 5.5 本章小结 |
| 第六章 蜂群-支持向量机混合算法改进与压气机叶片优化设计 |
| 6.1 蜂群-支持向量机算法的改进:DE-ABC-SVM |
| 6.1.1 样本选择与初始模型设计技术研究 |
| 6.1.2 自适应微分蜂群-支持向量机算法设计：DE-ABC-SVM |
| 6.2 DE-ABC-SVM算法数值实验研究 |
| 6.2.1 Sphere函数优化实验 |
| 6.2.2 Ackley函数优化实验 |
| 6.3 基于DE-ABC-SVM的叶型优化设计 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 论文的创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 符号表 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
（6）超临界层流翼型优化设计策略（论文提纲范文）
| 1 数值模拟方法 |
| 1.1 转捩模型 |
| 1.2 CFD程序验证 |
| 2 优化策略 |
| 2.1 第1轮优化 |
| 2.2 第2轮优化 |
| 3 优化设计平台 |
| 3.1 翼型参数化建模 |
| 3.2 气动分析 |
| 3.3 建立代理模型 |
| 3.4 第1轮优化 |
| 3.5 第2轮优化 |
| 3.6 计算平台 |
| 4 算例 |
| 5 结论 |
（7）基于代理模型的高效气动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 研究背景 |
| 1.2 基于CFD的气动设计方法及研究现状 |
| 1.2.1 反设计方法 |
| 1.2.2 优化设计方法 |
| 1.3 基于代理模型的气动优化设计研究现状 |
| 1.3.1 概述 |
| 1.3.2 经典EGO全局优化算法 |
| 1.3.3 基于代理模型的并行优化方法 |
| 1.3.4 基于代理模型的多目标优化方法 |
| 1.3.5 基于梯度增强的Kriging模型的优化方法 |
| 1.4 本文研究工作的目的和意义 |
| 1.5 本文的主要研究内容及论文组织 |
| 第二章 基于代理模型的高效优化算法 |
| 2.1 试验设计 |
| 2.1.1 蒙特卡洛抽样 |
| 2.1.2 拉丁超立方设计 |
| 2.1.3 均匀设计 |
| 2.2 代理模型 |
| 2.2.1 多项式响应面模型 |
| 2.2.2 Kriging模型 |
| 2.2.3 梯度增强的Kriging模型 |
| 2.3 常规优化算法 |
| 2.3.1 模式搜索算法 |
| 2.3.2 拟牛顿算法 |
| 2.3.3 序列二次规划 |
| 2.3.4 遗传算法 |
| 2.3.5 多目标遗传算法—NSGA-II |
| 2.4 基于代理模型的优化加点准则及约束处理 |
| 2.4.1 目标函数最小值准则及其约束处理（CMP） |
| 2.4.2 Expected Improvement最大值准则及其约束处理（CEI） |
| 2.4.3 统计学下限最小值准则及其约束处理（CLCB） |
| 2.4.4 Probability of Improvement最大值准则及其约束处理（CPI） |
| 2.4.5 均方根误差最大值准则及其约束处理（CRMSE） |
| 2.5 并行加点策略 |
| 2.5.1 单一加点准则的不足 |
| 2.5.2 并行加点方法 |
| 2.5.3 MPI并行计算 |
| 2.5.4 并行加点方法的验证 |
| 2.6 混合子优化方法 |
| 2.7 多目标优化问题的处理方法 |
| 2.7.1 线性加权法 |
| 2.7.2 Pareto解集法 |
| 2.8 基于代理模型的高效优化算法流程 |
| 2.9 本章小结 |
| 第三章 基于代理模型的优化算法的算例验证 |
| 3.1 优化算法的性能评价 |
| 3.1.1 单目标优化算法的性能指标 |
| 3.1.2 多目标优化算法的性能指标 |
| 3.2 基于KRIGING模型的单目标优化算法的验证 |
| 3.2.1 基于Kriging模型的单目标无约束优化算法的验证 |
| 3.2.2 基于Kriging模型的单目标约束优化方法的验证 |
| 3.3 基于KRIGING模型的多目标优化方法的验证 |
| 3.3.1 基于Kriging模型的多目标无约束优化方法的验证 |
| 3.3.2 基于Kriging模型的多目标约束优化方法的验证 |
| 3.4 基于GEK模型的单目标优化算法的验证 |
| 3.4.1 基于GEK模型的单目标无约束优化方法的验证 |
| 3.4.2 基于GEK模型的单目标约束优化方法的验证 |
| 3.5 基于GEK模型的多目标优化方法的验证 |
| 3.5.1 基于GEK模型的多目标无约束优化方法的验证 |
| 3.5.2 基于GEK模型的多目标约束优化方法的验证 |
| 3.6 本章小结 |
| 第四章 基于代理模型的翼型气动优化设计 |
| 4.1 翼型参数化 |
| 4.1.1 Hicks-Henne参数化 |
| 4.1.2 CST参数化 |
| 4.2 翼型绕流数值模拟 |
| 4.2.1 网格生成 |
| 4.2.2 流场求解 |
| 4.3 基于KRIGING模型的翼型反设计 |
| 4.3.1 设计变量范围的设定 |
| 4.3.2 翼型反设计目标函数 |
| 4.3.3 加点准则的选取以及与多项式响应面的比较 |
| 4.3.4 基于Kriging模型的风力机翼型单点反设计 |
| 4.3.5 基于Kriging模型的翼型多点反设计 |
| 4.4 基于KRIGING模型的跨声速翼型优化设计 |
| 4.4.1 RAE2822翼型单目标优化设计 |
| 4.4.2 RAE2822翼型线性加权多目标优化设计 |
| 4.4.3 RAE2822翼型Pareto多目标优化设计 |
| 4.5 考虑转捩的风力机翼型优化设计 |
| 4.6 旋翼翼型多目标优化设计 |
| 4.7 基于GEK模型的翼型单目标设计 |
| 4.7.1 翼型反设计 |
| 4.7.2 翼型减阻优化设计 |
| 4.8 基于GEK模型的翼型加权系数多目标优化设计 |
| 4.9 基于GEK模型的翼型PARETO多目标优化设计 |
| 4.10 本章小结 |
| 第五章 基于KRIGING模型的机翼/增升装置气动优化设计 |
| 5.1 基于KRIGING模型和多点加点准则的跨声速机翼优化设计 |
| 5.1.1 机翼参数化 |
| 5.1.2 机翼网格生成与流动数值模拟 |
| 5.1.3 仅考虑平面形状及扭转角变化的跨声速机翼优化设计 |
| 5.1.4 仅考虑剖面形状变化的跨声速机翼优化设计 |
| 5.1.5 同时考虑平面形状、扭转角以及剖面形状变化的跨声速机翼优化设计 |
| 5.2 基于KRIGING模型的运输机机翼优化设计 |
| 5.2.1 运输机机翼参数化及流动数值模拟 |
| 5.2.2 基于多点加点准则的运输机机翼并行优化设计 |
| 5.3 基于KRIGING模型的增升装置优化设计 |
| 5.3.1 基于MSES的两段翼型襟翼位置优化设计 |
| 5.3.2 基于NS方程的多段翼型单目标优化设计 |
| 5.3.3 基于NS方程的多段翼型多目标优化设计 |
| 5.4 本章小结 |
| 第六章 基于KRIGING模型的飞翼气动优化设计 |
| 6.1 飞翼翼型优化设计 |
| 6.1.1 飞翼翼型单目标优化设计 |
| 6.1.2 飞翼翼型多目标优化设计 |
| 6.2 飞翼三维外形多目标优化设计 |
| 6.2.1 飞翼外形参数化及流动数值模拟 |
| 6.2.2 基于NS方程的飞翼多点多目标优化设计 |
| 6.3 本章小结 |
| 第七章 基于KRIGING模型的多学科优化设计 |
| 7.1 数值算例 |
| 7.2 齿轮箱优化算例 |
| 7.3 考虑静气动弹性的机翼气动/结构综合优化设计 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 本文研究工作总结 |
| 8.2 本文创新性贡献 |
| 8.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
| 致谢 |
（8）高性能飞行器气动外形设计方法研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 论文背景 |
| 1.2 飞行器气动外形优化设计方法的发展 |
| 1.2.1 气动特性分析方法 |
| 1.2.2 代理模型方法 |
| 1.2.3 气动外形参数化方法 |
| 1.2.4 优化算法 |
| 1.3 气动外形优化设计存在的主要问题 |
| 1.3.1 气动特性数值计算方法的问题 |
| 1.3.2 代理模型方法的困境 |
| 1.3.3 气动外形参数化方法中的难题 |
| 1.3.4 优化算法面临的挑战 |
| 1.3.5 高性能自然层流翼型及机翼面临的设计难点 |
| 1.4 论文的主要研究内容 |
| 第二章 气动特性数值计算方法 |
| 2.1 控制方程 |
| 2.2 数值离散方法 |
| 2.2.1 时间推进方法 |
| 2.2.2 空间离散方法 |
| 2.3 湍流模型 |
| 2.4 边界条件 |
| 2.4.1 物面边界条件 |
| 2.4.2 远场边界条件 |
| 2.4.3 对称边界条件 |
| 2.5 CFD 算例验证 |
| 2.5.1 翼型跨音速流场数值模拟 |
| 2.5.2 绕 DLR-F6 翼/身/架/舱组合体复杂流场数值模拟 |
| 2.6 适用于气动设计的边界层转捩模型 |
| 2.6.1 Re t转捩模型的输运方程 |
| 2.6.2 翼型转捩数值模拟 |
| 2.6.3 DLR-F5 跨音速层流机翼边界层转捩数值模拟 |
| 第三章 飞行器气动外形参数化方法及网格变形方法 |
| 3.1 翼型参数化方法 |
| 3.1.1 基于差量的类函数/形函数翼型参数化方法 |
| 3.1.2 Hicks-Henne 型函数线性扰动法 |
| 3.1.3 两种参数化方法拟合能力比较 |
| 3.2 三维复杂外形参数化方法 |
| 3.2.1 空间 FFD 方法 |
| 3.2.2 耦合特征曲线的直接控制 FFD 三维复杂外形参数化方法 |
| 3.3 变形网格技术 |
| 3.3.1 基于 Delaunay 图映射变形网格技术 |
| 3.3.2 基于体样条插值和无限插值理论的变形网格技术 |
| 3.3.3 变形网格技术变形能力测试 |
| 第四章 适应于气动优化设计的代理模型 |
| 4.1 Kriging 代理模型 |
| 4.2 试验设计方法 |
| 4.3 自适应选样技术以及自适应 Kriging 模型 |
| 第五章 基于改进粒子群算法的气动外形优化设计平台 |
| 5.1 标准粒子群算法 |
| 5.2 粒子群算法的性能影响研究 |
| 5.2.1 算法参数设置 |
| 5.2.2 算法收敛性分析 |
| 5.2.3 种群拓扑结构改进 |
| 5.2.4 粒子群边界约束处理改进 |
| 5.3 三种改进的粒子群算法 |
| 5.3.1 基于杂交理念的粒子群算法(BreedPSO) |
| 5.3.2 基于自然选择的广义学习策略动态粒子群算法(SDNPSO) |
| 5.3.3 多种群协作粒子群算法(MCPSO) |
| 5.3.4 基于改进粒子群算法的函数性能测试 |
| 5.3.5 基于改进粒子群算法的气动外形设计 |
| 5.4 基于改进粒子群算法的单目标优化设计平台 |
| 5.5 基于改进粒子群算法的多目标优化设计平台 |
| 5.5.1 多目标优化问题的发展与概述 |
| 5.5.2 多目标优化问题的定义 |
| 5.5.3 基于个体集聚度的多目标粒子群优化算法 |
| 5.5.4 基于改进多目标粒子群算法优化平台及性能测试 |
| 5.6 基于改进粒子群算法的稳健性优化设计平台 |
| 5.6.1 稳健性设计的概念 |
| 5.6.2 稳健性设计方法 |
| 5.6.3 蒙特卡罗方法 |
| 5.6.4 基于改进粒子群算法的气动稳健性优化设计平台 |
| 5.7 基于分布式粒子群优化设计平台 |
| 5.7.1 分布式计算 |
| 5.7.2 分布式粒子群系统构建 |
| 5.7.3 分布式粒子群算法测试 |
| 第六章 基于特征正交分解的气动外形反设计技术 |
| 6.1 基本特征正交分解(POD)方法 |
| 6.2 基于差量采样解的 Gappy POD 方法 |
| 6.2.1 层流翼型反设计 |
| 6.2.2 跨音速翼型反设计 |
| 第七章 飞行器典型气动外形设计算例 |
| 7.1 基于响应面稳健性设计方法的跨音速翼型优化设计 |
| 7.2 超临界翼型优化设计 |
| 7.2.1 基于分布式粒子群方法的超临界翼型单点优化 |
| 7.2.2 基于 6sigma 模型的超临界翼型单点稳健性设计 |
| 7.2.3 基于 6sigma 模型的超临界翼型多点多目标稳健性气动设计 |
| 7.3 高性能自然层流翼型气动设计 |
| 7.3.1 亚音速自然层流翼型稳健性优化设计 |
| 7.3.2 跨音速自然层流翼型反设计 |
| 7.4 跨音速自然层流翼身组合体气动优化设计 |
| 7.4.1 气动优化设计任务 |
| 7.4.2 建立气动优化模型 |
| 7.4.3 气动优化设计 |
| 7.5 翼吊式布局民机架/舱一体化气动优化设计 |
| 7.5.1 气动优化设计任务 |
| 7.5.2 建立气动优化模型 |
| 7.5.3 气动优化设计 |
| 第八章 总结与展望 |
| 8.1 研究结论及论文创新点 |
| 8.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
| 一、攻读博士学位期间发表的学术论文 |
| 二、攻读博士学位期间参加科研情况 |
| 致谢 |
（9）风力机叶片气动外形与结构的参数化耦合设计理论研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 风力机翼型设计理论研究 |
| 1.2.2 风力机叶片气动外形设计理论研究 |
| 1.2.3 复合材料风力机叶片结构设计理论研究 |
| 1.2.4 风力机叶片气动弹性理论研究 |
| 1.3 本文课题来源和选题背景 |
| 1.4 本文的研究内容 |
| 1.5 本文研究的创新点和技术路线 |
| 1.6 本章小结 |
| 2 风力机翼型空气动力学理论基础 |
| 2.1 引言 |
| 2.2 翼型几何参数 |
| 2.3 翼型气动参数 |
| 2.3.1 升力系数 |
| 2.3.2 阻力系数 |
| 2.3.3 俯仰力矩系数 |
| 2.4 翼型几何参数对翼型气动特性的影响 |
| 2.4.1 翼型前缘半径的影响 |
| 2.4.2 最大相对厚度及其位置的影响 |
| 2.4.3 最大弯度及其位置的影响 |
| 2.5 翼型表面粗糙度对翼型的气动特性影响 |
| 2.6 雷诺数对翼型气动特性的影响 |
| 2.7 翼型气动性能预测方法 |
| 2.7.1 RFOIL 软件 |
| 2.7.2 风洞实验 |
| 2.7.3 理论计算与风洞实验对比分析 |
| 2.8 本章小结 |
| 3 改进的粒子群算法的研究 |
| 3.1 引言 |
| 3.2 粒子群算法 |
| 3.2.1 粒子群算法的基本原理 |
| 3.2.2 粒子群算法的一般流程 |
| 3.2.3 粒子群算法的特点 |
| 3.3 标准的粒子群算法 |
| 3.4 改进的粒子群算法 |
| 3.5 算例分析 |
| 3.6 本章小结 |
| 4 高性能风力机翼型族的设计研究 |
| 4.1 引言 |
| 4.2 翼型型线集成理论 |
| 4.3 翼型曲率光滑连续性设计研究 |
| 4.3.1 翼型形函数表面曲率连续性 |
| 4.3.2 翼型型线光滑连续性 |
| 4.3.3 翼型改进与优化 |
| 4.3.4 优化结果 |
| 4.4 薄翼型型线优化模型 |
| 4.4.1 目标函数 |
| 4.4.2 设计变量 |
| 4.4.3 约束条件 |
| 4.5 薄翼型族优化结果及对比分析 |
| 4.5.1 CQU-A150 翼型 |
| 4.5.2 CQU-A180 翼型 |
| 4.5.3 CQU-A210 翼型 |
| 4.6 中等厚度及大厚度翼型设计新方法 |
| 4.7 较厚翼型优化模型的建立 |
| 4.7.1 设计变量 |
| 4.7.2 目标函数 |
| 4.7.3 约束条件 |
| 4.8 优化结果及性能对比分析 |
| 4.8.1 CQU-A250 翼型 |
| 4.8.2 CQU-A300 翼型 |
| 4.8.3 CQU-A350 翼型 |
| 4.8.4 CQU-A400 翼型 |
| 4.9 本章小结 |
| 5 2MW 新型风力机叶片优化设计研究 |
| 5.1 引言 |
| 5.2 风轮空气动力学理论基础 |
| 5.2.1 动量理论 |
| 5.2.2 叶素理论 |
| 5.2.3 叶素动量理论 |
| 5.2.4 叶尖损失修正模型 |
| 5.3 年发电量 |
| 5.4 风轮关键参数对风力机性能影响分析研究 |
| 5.4.1 三种不同功率的风力机叶片 |
| 5.4.2 两种同一功率的风力机叶片 |
| 5.5 叶片设计及优化模型的建立 |
| 5.5.1 新型风力机叶片设计 |
| 5.5.2 叶片多目标模型的建立 |
| 5.5.3 优化结果 |
| 5.6 本章小结 |
| 6 复合材料风力机新型叶片结构优化设计研究 |
| 6.1 引言 |
| 6.2 复合材料力学基础 |
| 6.2.1 纤维增强复合材料的分类 |
| 6.2.2 复合材料的特性 |
| 6.2.3 复合材料的基本构造形式及分析方法 |
| 6.2.4 复合材料各向异性力学理论 |
| 6.2.5 单层板的强度准则 |
| 6.2.6 层合板的强度分析 |
| 6.2.7 复合材料结构设计原则 |
| 6.3 复合材料新型风力机叶片结构设计 |
| 6.3.1 新型叶片几何造型 |
| 6.3.2 叶片内部结构设计 |
| 6.4 基于参数化的复合材料风力机叶片有限元建模方法研究 |
| 6.4.1 三维叶片形状集成表达 |
| 6.4.2 风力机叶片参数集成 |
| 6.4.3 风力机叶片有限元参数建模研究 |
| 6.5 一种复合材料风力机叶片流固耦合新方法研究 |
| 6.5.1 风力机运行工况 |
| 6.5.2 局部攻角及压力分布 |
| 6.5.3 气动力插值 |
| 6.6 复合材料风力机新型叶片结构优化设计研究 |
| 6.6.1 优化数学模型的建立 |
| 6.6.2 粒子群算法与有限元方法结合的优化方法 |
| 6.6.3 优化结果 |
| 6.7 本章小结 |
| 7 风力机叶片二元翼段静气动弹性机理的研究 |
| 7.1 引言 |
| 7.2 风力机翼型静气动弹性模型 |
| 7.3 典型翼型气动弹性反馈系统分析 |
| 7.4 本章小结 |
| 8 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间发表的论文目录 |
| B. 作者在攻读学位期间已授权或申请的发明专利 |
| C. 作者在攻读学位期间参加的科研项目 |
（10）直升机总体优化设计技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 多目标优化技术 |
| 1.2.2 旋翼桨叶外形优化设计 |
| 1.2.3 多学科设计优化技术在现代飞行器总体设计中的应用 |
| 1.2.4 多学科优化算法 |
| 1.2.5 代理模型 |
| 1.3 本文主要研究内容 |
| 第二章 基于数据库的直升机总体参数选择方法研究 |
| 2.1 引言 |
| 2.2 直升机数据库的建立 |
| 2.2.1 直升机总体参数数据库 |
| 2.2.2 直升机部件重量数据库 |
| 2.3 直升机总体参数的统计分析 |
| 2.3.1 重量参数 |
| 2.3.2 旋翼参数 |
| 2.3.3 尾桨参数 |
| 2.3.4 机身尺寸参数 |
| 2.3.5 功率参数 |
| 2.4 人工神经网络在概念设计中的应用 |
| 2.4.1 人工神经网络模型 |
| 2.4.2 直升机总体参数的神经网络估算响应面 |
| 2.4.3 直升机部件重量的神经网络估算响应面 |
| 2.5 设计算例 |
| 2.6 小结 |
| 第三章 改进遗传算法在直升机总体参数优化设计中的应用 |
| 3.1 引言 |
| 3.2 总体参数优化设计数学模型 |
| 3.2.1 飞行性能分析模型 |
| 3.2.2 直升机悬停性能 |
| 3.2.3 直升机爬升性能 |
| 3.2.4 直升机前飞性能 |
| 3.2.5 飞行性能算例验证 |
| 3.2.6 优化设计的参数选择 |
| 3.2.7 设计参数敏感性分析 |
| 3.3 多目标遗传算法 |
| 3.3.1 基本遗传算法 |
| 3.3.2 多目标遗传算法及其改进研究 |
| 3.4 算例及验证 |
| 3.5 小结 |
| 第四章 基于自由尾迹模型的旋翼桨叶气动外形优化设计 |
| 4.1 引言 |
| 4.2 旋翼气动模型 |
| 4.2.1 自由尾迹模型 |
| 4.2.2 尾迹求解方法 |
| 4.2.3 桨叶载荷及功率计算 |
| 4.2.4 操纵配平 |
| 4.3 气动模型的验证 |
| 4.3.1 尾迹形状 |
| 4.3.2 桨叶载荷 |
| 4.4 桨叶外形优化的数学模型 |
| 4.4.1 优化变量 |
| 4.4.2 优化目标与约束 |
| 4.4.3 设计参数敏感性分析 |
| 4.5 优化方法 |
| 4.5.1 多目标并行遗传算法 |
| 4.5.2 代理模型的应用 |
| 4.5.3 优化流程 |
| 4.6 优化算例 |
| 4.6.1 优化算例参数设置 |
| 4.6.2 优化结果分析 |
| 4.7 小结 |
| 第五章 直升机总体多学科设计优化模型 |
| 5.1 引言 |
| 5.2 直升机重量分析模型 |
| 5.2.1 直升机重量的分类 |
| 5.2.2 部件重量估算方法 |
| 5.2.3 算例验证 |
| 5.3 直升机稳定性分析模型 |
| 5.3.1 直升机飞行力学模型 |
| 5.3.2 直升机配平 |
| 5.3.3 直升机纵向稳定性求解 |
| 5.3.4 算例验证 |
| 5.4 直升机机动性分析模型 |
| 5.4.1 能量法 |
| 5.4.2 机动图 |
| 5.4.3 180°减速转弯特性 |
| 5.4.4 算例验证 |
| 5.4.5 参数敏感性分析 |
| 5.5 直升机总体多学科设计优化模型 |
| 5.6 小结 |
| 第六章 武装直升机总体多学科设计优化及结果分析 |
| 6.1 引言 |
| 6.2 多学科优化方法 |
| 6.2.1 多学科可行法 |
| 6.2.2 协同优化方法 |
| 6.2.3 协同优化算法存在的问题 |
| 6.2.4 多目标协同优化算法 |
| 6.3 算例验证与分析 |
| 6.3.1 MDF 多学科优化系统 |
| 6.3.2 MOCO 多学科优化系统 |
| 6.3.3 优化结果与分析 |
| 6.4 武装直升机总体方案设计及多学科优化分析 |
| 6.4.1 武装直升机总体设计综合评价准则 |
| 6.4.2 样例直升机总体初步设计方案 |
| 6.4.3 样例直升机总体参数多学科设计优化 |
| 6.5 小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 进一步研究工作的展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、基于遗传算法和分布式计算的翼型优化设计研究（论文参考文献）
- [1]太阳能动力的球载投放无人机总体设计及能效优化设计[D]. 王翔宇. 中国科学院大学(中国科学院工程热物理研究所), 2021(02)
- [2]低流速海流能发电机组叶轮结构设计与优化[D]. 俞家伟. 浙江大学, 2020(06)
- [3]一种基于在线遗传PID算法的分布式计算结构[J]. 梁达平,坚徳毅,赵兴彦,杜海峰. 电气传动自动化, 2018(03)
- [4]桁架支撑机翼布局客机总体设计的综合分析与优化[D]. 邢宇. 南京航空航天大学, 2018(01)
- [5]仿生智能算法与轴流压气机叶型优化设计研究[D]. 杨小东. 西北工业大学, 2017(01)
- [6]超临界层流翼型优化设计策略[J]. 邢宇,罗东明,余雄庆. 北京航空航天大学学报, 2017(08)
- [7]基于代理模型的高效气动优化设计方法及应用[D]. 刘俊. 西北工业大学, 2015(01)
- [8]高性能飞行器气动外形设计方法研究与应用[D]. 李静. 西北工业大学, 2014(07)
- [9]风力机叶片气动外形与结构的参数化耦合设计理论研究[D]. 汪泉. 重庆大学, 2013(02)
- [10]直升机总体优化设计技术研究[D]. 孙伟. 南京航空航天大学, 2012(10)