机翼气动外形优化研究：Kriging代理模型与粒子群算法

"考虑机身干扰的机翼气动外形综合优化 (2011年)" 本文主要探讨了在飞机设计中一个关键的挑战：如何在受到机身流场影响的情况下，优化后掠机翼的气动外形，以提升飞行器的性能、经济性和安全性。后掠机翼翼根的流动特性由于机身绕流变得极为复杂，使得翼根气动设计成为设计的难点。为了应对这一问题，研究者们提出了一种基于Kriging代理模型的双层粒子群优化算法，并结合雷诺平均N-S方程（RANS）流场求解器，进行三维机翼的气动外形优化。 Kriging代理模型是一种统计建模技术，用于近似复杂函数，它在这里用于减少需要通过数值模拟解决的RANS方程的计算次数。粒子群优化算法则是一种全局优化算法，模仿鸟群或鱼群的集体行为来搜索最优解。双层结构的粒子群优化算法旨在保持粒子种群的多样性，以避免陷入局部最优解，从而提高了全局优化性能。 在优化过程中，研究人员确保机翼的相对厚度和容积不变，目标是降低气动阻力、低头力矩和翼根弯矩。通过这种方式，他们能够实现更高效的气动性能。此外，考虑非设计巡航状态的多点综合优化使得设计出的机翼在不同飞行条件下都具有良好的鲁棒性，即对外部条件变化的适应能力。 在实际应用中，机翼气动设计的重要性不容忽视，因为它直接影响到飞行器的燃油效率、操控性以及飞行安全。随着计算流体动力学（CFD）技术的进步，三维效应和机身干扰等复杂因素可以被更准确地纳入考虑，从而使机翼优化设计更加精确和全面。本文的研究方法为未来的飞机设计提供了新的工具和技术，有助于推动航空工业的技术发展。