摘要：风力机叶片采用分裂式叶尖小翼可以改善叶片的气动性能。以风能利用系数最大和风轮推力系数最小为目标,采用自由涡尾迹(FVW)方法与快速非支配排序遗传算法(NSGA-Ⅱ)耦合对小翼的形状进行优化设计。NS-GA-Ⅱ算法对每一代种群进行评价、筛选和变异,最终得到小翼形状的Pareto最优解集,其中气动性能评价目标通过FVW方法计算。结果表明,FVW模型能够较准确的模拟叶片的气动性能;两目标优化给出的不是传统优化方法追求的单个最优解,而是一个Pareto最优解集,且分布在一条曲线上;相比NREL原始叶片,风能利用系数最高能提高30%;小翼的几何形状在最优解集下分布具有一定的规律性,对后面的设计及改型有很好的指导性作用。

摘要：建立了以实数编码技术为基础的多种遗传算法模型。利用这些模型来研究复制、重组和变异三种基本的遗传操作对气动优化设计的优化质量和效率产生的影响 ,在此基础上研究群体规模、最大进化代数和遗传概率等遗传控制参数对优化质量和优化效率的影响 。

摘要：乘波飞行器以高升阻比以及高度一体化性能成为国内外高超声速临近空间飞行器研究的热点。介绍了乘波飞行器气动优化设计的发展现状,重点分析了机体/推进一体化设计、增升减阻降热设计和优化设计方法的关键技术,提出了乘波飞行器气动优化设计的一种思路,并对未来进一步的研究进行了展望。

摘要：随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。

摘要：为减少计算量,将代理模型与遗传算法有效结合,提出了一种高效的代理模型方法。在该方法中,利用高斯过程所提供的预测标准差,通过引入EI方法,较好地解决了算法中校正个体的选择问题。为了验证方法的有效性,使用该方法进行了翼型的气动优化设计,取得了较好的优化效果。与基本遗传算法相比,该方法的优化结果与之相当,但计算时间明显减少,表明该方法在气动优化设计中是十分有效的。

摘要：利用遗传算法进行了低雷诺数高升力翼型的气动优化设计,并利用风洞实验检查了设计的正确性。优化后的翼型其气动特性有明显改善,这说明了利用遗传算法进行低雷诺数翼型气动优化的可行性。风洞实验结果验证了优化设计方法的正确性,同时也表明新设计翼型有较高的升力系数和相对大的升阻比,其升阻比提高了10%。

摘要：基于叶素动量理论分析了小型风力机的气动性能分析模型,并提出了叶片的气动优化设计方法。结合叶片制造和应用中的实际要求,设计了10 kW小型变桨距风力机叶片的气动外形。计算结果表明,设计叶片具有良好的气动性能,验证了该设计方法有效实用。

摘要：智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。

摘要：利用CFD(计算流体力学)技术对某冲动式汽轮机的高压级动叶进行了改型设计。对比数值模拟结果,优化后有效地改善了叶栅流道中的流动状况,级性能有了显著的提高。

摘要：现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。