本发明涉及飞行器设计,具体的为一种适用于飞行器三维外形高维设计变量的气动优化设计方法,主要应用于各类型飞行器三维外形高维设计变量气动外形优化设计。
背景技术:
1、基于kriging模型的代理优化算法中,改善期望准则的方法即高效全局优化(ego)方法因其高效性和全局性以及在处理工程中优化设计问题的优异表现,近年来在航空航天等领域得到了广泛地应用。但是,在进行更加精细化的气动外形优化设计时,我们需要更多的设计变量进行参数化建模,以得到更加充分的设计空间,但是庞大的设计变量,必然会带来代理模型优化搜索困难和代理模型精度下降等问题,这也是ego方法存在的一个最大的问题——“维数灾难”。
2、目前,ego方法对于高维优化问题的处理方式多为利用分层优化方法实现设计空间降维,论文“基于cfd的复杂气动优化与稳健设计方法研究,赵轲,西北工业大学博士学位论文,2014”公布了一种分层优化方法——基于分区代理模型的协同优化设计,它通过物理流动机理和人工设计经验实现分层,能有效处理高维输入变量带来的问题,但是该方法亦有其局限性,该方法高度依赖于设计者的工程经验,对于复杂的设计问题,由于先验知识的缺乏,该方法缺乏适用性,严重影响优化设计效率和质量;论文“面向高维优化问题的nash-ego算法及其气动应用研究,徐圣冠,南京航空航天大学博士学位论文,2018”公布了一种nash-ego算法,通过引入经济学领域的nash均衡论,能够将高维问题转化为一系列低维问题,从而有效避免ego算法陷入维数灾难,但是其算法中参变量分裂(即分层)的分组方式以及分组个数模式单一化,缺乏普适性。
技术实现思路
1、针对现有技术存在的问题,本发明提出一种适用于飞行器三维外形高维设计变量的气动优化设计方法,在基于ego算法的传统分层优化基础上,通过引入一种机器学习方法——决策树算法,能够基于设计变量敏感性高低,自动有效提取先验知识,进而获取分区顺序信息,然后按分区顺序进行优化设计,从而解决难以获取有效先验知识,得到有效的分组和分组形式的问题,避免维数灾难的发生。
2、本发明通过以下技术方案来实现:
3、一种适用于飞行器三维外形高维设计变量的气动优化设计方法,包括以下步骤:
4、步骤1:选择若干个特征剖面,对待优化的飞行器三维外形进行参数化,确定设计变量x=(x1,x2,...,xn)t和设计空间r;
5、步骤2:将设计变量按照参数化方法选取的特征剖面进行分区,将同一分区的设计变量看成一个整体,即令同一分区的设计变量值相等,然后在设计空间内抽样,获得全局样本;
6、具体为,假设参数化方法选择了m个特征剖面,按特征剖面将设计变量x=(x1,x2,...,xn)t划分为m个分区;抽样时将各分区内的设计变量值设定为同一值,则全局样本中的设计变量是q1,q2,…,qm;
7、步骤3:采用cfd方法对样本点开展气动性能计算,获得样本的气动数据集;
8、进一步的,所述步骤3具体为,基于rans方法,对样本点进行气动计算,按步骤2的分区存储设计变量及计算所得的气动数据,获得样本点的气动数据集;
9、进一步的,所述步骤3中的气动数据包含升力系数、阻力系数、俯仰力矩系数;
10、步骤4:采用决策树算法对步骤3中获得的样本气动数据集进行数据挖掘,获得优化设计知识;所述优化设计知识包括各分区对目标函数敏感性排序和各分区的设计空间;
11、进一步的,所述步骤4中的决策树算法为分类与回归决策树算法(classificationand regression tree,cart);
12、步骤5:基于步骤4决策树方法的分区结果和分区顺序,在各分区的设计空间内采用基于代理模型的优化框架进行寻优,获得优化后的外形;
13、进一步的,所述步骤5具体包含如下子步骤:
14、步骤51:从一号位分区开始,在其设计空间内采用拉丁超立方取样法抽样并计算该分区的样本气动数据集,构造该分区的代理模型;基于该代理模型寻优,获得该分区的最优外形;
15、步骤52:根据设定好的标准判断下一分区的优化是否需要进行下去,如果需要进行下一分区优化,则保持上一分区的最优外形不动,开始下一分区的优化;如果不需要进行下一分区优化,则结束优化,获得最终优化外形。
16、进一步的,所述步骤52中进行下一分区的优化时需要将上一分区的最优值传递给下一分区,具体为,在下一分区的设计空间内采用拉丁超立方取样法抽样并计算该分区的样本气动数据集,并将上一个分区的最优点加入到该分区的样本中,构造该分区的代理模型;基于该代理模型寻优,获得该分区的最优外形。
17、进一步的,所述步骤52的判断准则为,当前分区的优化目标值下降超过1%,则需要进行下一分区优化;否则不需要进行下一分区优化。
18、进一步的,本发明还提供一种计算机设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的程序指令,当所述计算机设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述程序指令时用于实现所述适用于飞行器三维外形高维设计变量的气动优化设计方法。
19、进一步的,本发明还提供一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被计算机运行时用于实现所述适用于飞行器三维外形高维设计变量的气动优化设计方法。
20、有益效果
21、本发明提出一种适用于飞行器三维外形高维设计变量的气动优化设计方法,该方法在基于ego算法的传统分层优化基础上,通过引入一种机器学习方法——决策树算法,能够基于各个分区设计变量对目标函数敏感性高低,自动有效提取先验知识,进而获取分区顺序信息;该方法有明确的先验知识来源,能够为分区的分组方式和分组个数提供有效依据,从而能够解决传统方法难以获取有效先验知识而要依靠设计人员经验分组导致难以得到有效的分组和分组形式的问题;该方法最终按分区顺序进行优化设计,能够有效避免维数灾难的发生。
1.适用于飞行器三维外形高维设计变量的气动优化设计方法,其特征在于,包括如下步骤:
2.根据权利要求1所述适用于飞行器三维外形高维设计变量的气动优化设计方法,其特征在于,所述步骤3具体为:基于rans方法,对样本点进行气动计算,按照步骤2的分区存储设计变量及计算所得的气动数据,获得样本点的气动数据集。
3.根据权利要求2所述适用于飞行器三维外形高维设计变量的气动优化设计方法,其特征在于,所述气动数据包含升力系数、阻力系数、俯仰力矩系数。
4.根据权利要求1所述适用于飞行器三维外形高维设计变量的气动优化设计方法,其特征在于,所述步骤4中的决策树算法为分类与回归决策树算法(classification andregression tree,cart)。
5.根据权利要求1所述适用于飞行器三维外形高维设计变量的气动优化设计方法,其特征在于,所述步骤5具体包含如下子步骤:
6.根据权利要求5所述适用于飞行器三维外形高维设计变量的气动优化设计方法,其特征在于,所述步骤52中进行下一分区的优化时需要将上一分区的最优值传递给下一分区,具体为,在下一分区的设计空间内采用拉丁超立方取样法抽样并计算该分区的样本气动数据集,并将上一个分区的最优点加入到该分区的样本中,构造该分区的代理模型;基于该代理模型寻优,获得该分区的最优外形。
7.根据权利要求5所述适用于飞行器三维外形高维设计变量的气动优化设计方法,其特征在于,所述步骤52的判断准则为,当前分区的优化目标值下降超过1%,则需要进行下一分区优化;否则不需要进行下一分区优化。
8.一种计算机设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的程序指令,其特征在于:当所述计算机设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述程序指令时用于实现权利要求1至权利要求7任一所述方法。
9.一种计算机可读存储介质,所述存储介质上存储有计算机程序,其特征在于:所述计算机程序被计算机运行时用于实现权利要求1至权利要求7任一所述方法。