基于多岛遗传算法的二维翼型吸气减阻优化

《基于多岛遗传算法的二维翼型吸气减阻优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2015年5月第41卷第5期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsMav2015Vol_4lNo．5http：／／bhxb．buaa．edu．onjbuaa@buaa．edu．onDOI：10．13700／j．bh．1001—5965．2014．0345基于多岛遗传算法的二维翼型吸气减阻优化赵德建，王延奎‘，周平，李乾(北京航空航天大学航空科学与工程学院，北京100191)摘要：针对吸气减阻技术吸气质量较大的缺点，采用多岛遗传算法与计算流体力学(CFD)相结合的方法，对吸气减阻技术进行了优化．

2、数值计算采用E387二维翼型，将吸气开13位置和吸气质量通量作为优化参数，通过寻找上翼面最佳的吸气开口位置，使翼型阻力和吸气质量最小．结果表明：多岛遗传算法能够有效地优化吸气开口位置和吸气质量；当吸气开口位于最佳位置时，吸气质量达到了寻优区间下限，而翼型减阻效果可达8．3％；吸气没有延缓流动转捩的发生，翼型阻力减小的原因主要是由于压差阻力的减小．关键词：多岛遗传算法；翼型；吸气；减阻；数值模拟中图分类号：V211．41+2文献标识码：A文章编号：1001．5965(2015)05旬941-06随着地球环境的不断恶化，人们的环保意识逐渐觉醒，减少能源消耗和污染气体的排放的呼声越来越高

3、¨1．航空业也希望降低飞行器的燃料消耗以降低运营成本，提高飞行经济性．减少阻力是降低飞行器燃料消耗、提高经济性的重要手段之一．若保持航程不变，大型民用客机减少一个阻力点(AC。=0．0001，C。为阻力系数)可以增加8名乘客；以B747为例，减少1％的阻力相当于每年减少10000加仑(1加仑=3．78L(美))的航空燃油消耗¨。．边界层吸气是目前研究比较广泛的减阻方法．边界层吸气可将边界层内低能量气体吸除，减少飞行器的压差阻力"。．边界层吸气也可抑制边界层内的扰动发展，延迟边界层转捩，增加飞行器层流面积，减少飞行器摩擦阻力”。．吸气位置与吸气质量是影响边界层吸气减阻效果的关键因素．

4、然而边界层吸气位置的确定大多是靠经验或者实验，随意性很大．如果吸气位置设置不恰当，在相同的减阻目标下，吸气质量会大大增加，甚至边界层吸气技术根本没有减阻效果．大量吸气消耗过多的能量，阻碍了边界层吸气技术的实际应用．如何确定最适宜的吸气位置，提高吸气的利用效率，减少边界层吸气总量，成了一个亟待解决的问题．本文研究的目的是寻找最佳的吸气位置，在吸气质量最少的情况下使边界层吸气减阻效果最好，提高边界层吸气减阻的效率，减少吸气减阻技术的能量消耗，促进边界层吸气技术的实际应用．遗传算法是一类模拟生物界适者生存、优胜劣汰进化规律演化而来的随机化搜索算法．由于其寻优能力好、鲁棒性强等特点，遗传算

5、法被广泛应用于多个领域．本文将多岛遗传算法与计算流体力学相结合，将吸气开口位置与吸气质量作为优化变量，以最小化翼型阻力系数与吸气质量为目标，对边界层吸气减阻技术优化进行数值研究．1研究方法1．1多岛遗传算法遗传算法是模拟生物在自然环境中的遗传和收稿日期：2014-06—12；录用日期：2014-09-12；网络出版时间：2014—11-2509：49网络出版地址：WWW．cnki．net／kems／doi／10．13700／j．bh．1001-5965．2014．0345．html基金项目：国家自然科学基金(11272035)；航空科学基金(2011ZA51003)作者简介：赵德建

6、(1989一)，男，山东德州人，硕士研究生，zhaodjlf@163．comt通讯作者：王延奎(1967一)，男，山东潍坊人，教授，wangyankui@buaa．edu．cn，主要研究方向为大迎角空气动力学．引用格式：赵德建，王延奎，周平，等．基于多岛遗传算法的二维翼型吸气减胆优化fJJ．北京航空航天大学学报，2015，41(5)：941-946．ZhaoDJ．WangYK。ZhouP．eta1．optimizationofdrag-reductionbysuctionusingmulti—islandgeneticalgorithm113．Jour-nalofBcijingUn

7、iversityofAeronauticsandAstronautics．2015．41(5)：941—946(inChinese)．942北京航空航天大学学报进化过程而形成的一种自适应全局优化概率搜索算法怕。．遗传算法对决策变量的编码，即“染色体”，进行选择、交叉、变异等操作，搜索具有最佳目标值的遗传“个体”．由于遗传算法鲁棒性强和方便使用的优点，其被广泛应用于自动控制、图像处理及机器学习等领域．传统遗传算法流程图见图1．图1传统遗传算法流程图Fig．1Proces