一种自动提供优化的合成射流参数的方法 技术领域 本发明属于航空航天领域， 具体涉及一种自动为加合成射流的翼型提供优化的合 成射流参数的方法。
背景技术 周期性吹吸气主动控制技术 ( 合成射流技术 ) 能够通过局部吹吸， 来改变附面层 流动， 以及翼型整体的流动结构， 从而改善翼型的气动性能， 该技术对气动性能的控制效率 与参数组合 ( 频率、 速度、 角度 ) 有非常密切的关系。但是由于合成射流控制参数与控制效 果之间关系的复杂性， 如果仅仅靠手动试验的尝试方法来寻找控制效率较高的参数组合方 案是很困难且非常耗时的事情， 寻找到较好的方案的概率也比较低， 成功与否很大程度上 依靠经验和运气。 某些参数组合不仅没有提升气动性能的作用， 而且会产生反面效果， 破坏 气动力性能， 这种参数组合对合成射流控制效果的发挥有误导作用， 更加影响了参数组合 的寻优过程。
下面以具体的例子来加以说明 ：
选择 NACA0015 翼型作为数值试验翼型。计算来流攻角 a ＝ 20°下的未加合成射 流的基本翼型和加合成射流翼型的绕流流场。 试验所选翼型的弦长 C ＝ 0.5m， 来流风速 U ∞ 5 ＝ 26.0m/s， 基于弦长的雷诺数约为 Re ＝ 8.9×10 。如图 1 所示为基本翼型的流线图。
加 了 合 成 射 流 时 的 情 况， 孔口位置合成射流的相关参数为： 频 率 Njet ＝ 10 赫 兹， 射 流 最 大 速 度 Ujet ＝ U ∞ ＝ 26.0m/s， 喷 口 方 向 角 度 αjet ＝ 10 °， 即
方向单位矢量在 X 轴和 Y 轴上的分量分别为 Cos10° 和Sin10°， t 为时间， 单位为秒， T0 为一个波动周期。20°攻角时基本翼型和加合成射流翼型 的升力系数变化如图 2 所示， 图 2 中横坐标表示时间， 单位是秒， 纵坐标表示升力系数 Cl， 阻力系数变化如图 3 所示， 图 3 的横坐标表示时间， 单位是秒， 纵坐标表示阻力系数 Cd。由 图 2 和图 3 可以看出， 加合成射流之后， 平均升力系数增大， 平均阻力系数减小。加合成射 流翼型一个周期内的绕流流场如图 4 所示， 涡的尺寸变小。
表 1 加合成射流翼型和基本翼型分离点位置比较 ( 攻角 20°， 弦长 C ＝ 0.5m)
对于合成射流的控制方案的选择， 也就是在 Njet、 Ujet、 αjet 的组合中， 三者具体数 值大小的确定， 不同的人根据自己的经验， 需求或其它原则， 会有不同的选择结果。然而不 同的控制方案的控制效果却很不相同。 首先看下面 20°攻角时的一些参数组合方案的升阻力系数比较表格 ：
表 2 合成射流不同参数组合方案的控制结果
由表 2 可以得出 ： (1) 气动力系数随方案中参数的变化而有很大不同， 三个参数中 任意改变一个即可得到相当不同的结果 ； (2) 加了合成射流之后的气动性能不一定就优于 基本翼型， 如表 2 中加粗的斜体方案值所示， 其平均升力系数比基本翼型还小， 平均阻力系 数也比基本翼型大， 不仅没有起到优化气动性能的作用， 反而有破坏效果。
所以， 为合成射流提供一种自动的、 智能的优化方法， 耦合气动求解器， 来提供高 效的参数组合方案是有必要的。
发明内容
本发明的目的是为了解决目前缺乏自动为合成射流提供高效的参数组合方案， 避 免人为设定不合理的合成射流参数的问题， 提出一种自动提供优化的合成射流参数的方 法。
一种自动提供优化的合成射流参数的方法， 具体包括如下步骤 ：
步骤 1 ： 为控制参数赋初值， 采用多岛遗传算法进行迭代计算， 所述的控制参数包 括三 个 ： 射流最大速度 Ujet、 频率 Njet 和喷口方向角度 αjet ；
步骤 2 ： 判断多岛遗传算法的结果是否收敛， 若否， 执行步骤 3， 若是， 执行步骤 4 ；
步骤 3 ： 将控制参数输入优化模型， 输出翼型当前的最大平均升力系数以及该升力系数所对应的三个控制参数， 然后转步骤 1 执行 ；
步骤 4 ： 对多岛遗传算法得到的结果的收敛范围中的控制参数采用序列二次规划 法处理 ；
步骤 5 ： 判断序列二次规划法是否收敛， 若否， 执行步骤 6， 若是， 则输出所记录的 三个控制参数， 结束本方法 ；
步骤 6 ： 将控制参数的数值输入优化模型， 输出翼型的平均升力系数， 然后转步骤 4 执行。
所述的优化模型输出的数学表达式如下 ：
目标函数 ： Maximize Clave ；
参数约束 ： 射流最大速度的范围 ： U1 ≤ Ujet ≤ U2 ；
射流频率的范围 ： N1 ≤ Njet ≤ N2 ；
射流方向角的范围 ： α1 ≤ αjet ≤ α2 ；
其中， U1、 U2 分别表示设定的射流最大速度的最小值和最大值， N1、 N2 分别表示设定 的射流频率的最小值和最大值， α1、 α2 分别表示设定的射流方向角的最小值和最大值， 在 时间段 [t1， t2] 中的平均升力系数 Clave 的计算方法为 ：
其中， Cl(a， Ujet， Njet， αjet) 表示在攻角 a、 射流最大速度 Ujet、 频率 Njet 和喷口方向 角度 αjet 条件下的升力系数 ； 优化模型中对输入的控制参数下的平均升力系数作比较， 将 比较得到的最大的升力系数输出， 并记录该最大升力系数所对应的三个控制参数。
本发明的优点与积极效果在于 ： 本发明实现了自动为合成射流提供高效的参数组 合方案的目的， 避免了人为设定不合理的合成射流参数的情况， 并为合成射流提供了一组 更为优化的控制参数。
附图说明
图 1 是背景技术中实施例基本翼型的绕流流场的示意图 ；
图 2 是背景技术中实施例 20°攻角时基本翼型和加合成射流翼型的升力系数变 化图 ；
图 3 是背景技术中实施例 20°攻角时基本翼型和加合成射流翼型的阻力系数变 化图 ；
图 4 是背景技术中实施例 20°攻角时合成射流一个周期内翼型的绕流流场的示 意图 ；
图 5 是本发明方法的步骤流程图 ；
图 6 是在 20°攻角时采用本发明所得参数的加合成射流翼型一个周期内的绕流 流场示 意图 ；
图 7 是本发明实施例中平均升力系数的比较图 ；
图 8 是本发明实施例中平均阻力系数的比较图 ；
图 9 是加优化的合成射流控制的示意图。具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本 发 明 一 种 自 动 提 供 优 化 的 合 成 射 流 参 数 的 方 法， 基于多岛遗传算法 (Multi-Island Genetic Algorithm，简 称 MIGA) 与 序 列 二 次 规 划 法 (Sequential Quadratic Programming， 简称 SQP)， 并采用代理模型来减小计算量， 最终获得优化的合成 射流参数， 本发明所述到的合成射流参数包括射流最大速度、 频率和方向角。
如图 5 所示， 一种自动提供优化的合成射流参数的方法， 具体步骤如下 ：
步骤 1 ： 用射流 (jet) 最大速度 Ujet、 频率 Njet 和喷口方向角度 αjet 为控制参数， 开 始进行多岛遗传算法处理。给控制参数赋初值， 接着进行迭代计算。
在各控制参数的范围， 为控制参数赋任意初值。三个控制参数的范围
多岛遗传算法的基本思想是把种群划分成了多个子种群， 这些子种群称为岛， 然 后再在各个岛上进行原始遗传算法操作， 但各个岛并不是孤立的， 每隔一段时期各个岛之 间有一定的个体迁移， 这样可以提高了优化解的多样性， 避免过早收敛 [ 参考文献 ： 《多岛 遗传算法的振动控制传感器优化配置》 ， 作者 ： 石爱华， 孟祥众等， 振动、 测试与诊断， 2008 年 3 月第 28 卷第 1 期 ]。 本发明步骤一中多岛遗传算法的有关参数设置是 ： 子群数为 4， 子种群个数为 12 个， 复制率 0.8， 交叉率 0.8， 变异率 0.01， 迁移率 0.4， 迁移间隔为 5 代， 最大迭代代数为 960。
步骤 2 ： 判断 MIGA 的结果是否收敛， 若否， 执行步骤 3， 若是， 执行步骤 4。采用多 岛遗传算法进行处理， 最后收敛速度下降， 迭代后的控制参数在一定的范围内波动， 也就是 多岛遗传算法的结果所收敛的范围就是锁定的控制参数的优化区域。
步骤 3 ： 将控制参数输入优化模型， 输出翼型的最大平均升力系数以及该升力系 数所对应的三个控制参数， 然后转步骤 1 执行。
比较每一次迭代得到的控制参数的平均升力系数， 将每一次比较得到的最大的平 均升力系数及该升力系数对应的控制参数输出。
步骤 4 ： 对经过多岛遗传算法迭代计算得到的收敛范围， 继续采用序列二次规划 法优化。
序列二次规划法是经典梯度优化算法， 无全局求优能力， 但求解效率高， 局部最优 解收敛速度快， 往往迭代几步或者几十步就可以收敛于一个极小解。求解约束问题的序列 二次规划法源自于牛顿法， 采用的拉格朗日牛顿法仅是局部收敛的， 对初始点的选取要求 较高， 基 本思想是将目标函数以二阶拉氏方程展开， 并把约束条件线性化， 使得转化为一 个二次规划问题。
当多岛遗传算法迭代一定代数， 收敛速度下降时， 说明已经锁定了优化区域， 找到 了一组优化解， 此时在此锁定的优化区域内启动序列二次规划法， 可以弥补多岛遗传算法 群体搜索收敛效率低的缺点， 快速地找到最优解。
步骤 5 ： 判断 SQP 的结果是否收敛， 若否， 执行步骤 6， 若是， 结束本方法， 收敛的依 据是所得到的数据结果的波动在预先设定的一个很小的数值范围内。设置的很小的数值 范围要考虑目前激励器的水平， 本发明实施例设置的数值范围就是目前激励器能达到的范 围， 或者略小， 也可以根据用户实际使用情况来选择。
步骤 6 ： 将控制参数的数值输入优化模型， 输出翼型的最大平均升力系数以及该 升力系数所对应的三个控制参数， 然后转步骤 4 执行。
步骤 3 和步骤 6 中所述的优化模型包括目标函数的确定和控制参数的选择， 以及 控制参数约束的设定， 控制参数约束的设定是为了让优化模型更加符合实际， 或者更快的 找到设计者所要求的目标值， 而且约束范围一般都是封闭的， 本发明中优化模型采用的数 学模型表达式如下 ：
目标函数 ： Maximize Clave ；
参数约束 ： 射流最大速度的范围 ： U1 ≤ Ujet ≤ U2 ；
射流频率的范围 ： N1 ≤ Njet ≤ N2 ；
射流方向角的范围 ： α1 ≤ αjet ≤ α2 ；
其中， U1、 U2 分别表示设定的射流最大速度的最小值和最大值， N1、 N2 分别表示设 定的射流频率的最小值和最大值， α1、 α2 分别表示设定的射流方向角的最小值和最大值。 本发明实施例中 U1 设置为 20， U2 设置为 100， N1 设置为 10， U2 设置为 70， α1 设置为 10， α2 设置为 90。
在时间段 [t1， t2] 中的平均升力系数 Clave 的计算方法为 ：
其中， Cl(α， Ujet， Njet， αjet) 表示在攻角 a 以及输入的射流最大速度 Ujet、 频率 Njet 和喷口方向角度 αjet 条件下的升力系数。
优化模型中对平均升力系数作比较， 将比较得到的最大的升力系数所对应的三个 控制参数作为最后的结果输出。
通过优化， 得到 NACA0015 翼型在 20°迎角时， 加合成射流的数值模拟结果如下表 3 所示 ：
表 320°迎角时的优化结果
如图 6 所示， 为在 20°迎角时采用本发明所得参数的加合成射流翼型一个周期内 的绕流流场示意图， 从图中看出上翼面涡的尺寸变小， 气动性能得到了改善， 即升力增加， 阻力减小了。
还是以来流速度 U ∞＝ 26.0m/s， 基于弦长的雷诺数约为 Re ＝ 8.9×105， 计算所选 翼型弦长为 C ＝ 0.5m， 来研究 NACA0015 基本翼型和加合成射流以及优化之后的失速特征， 并随意选择三个方案 ： 方案一 ： αjet ＝ 10°， Njet ＝ 10， Ujet ＝ 26 ； 方案二 ： αjet ＝ 68°， Njet ＝ 50， Ujet ＝ 52 ； 方案三 ： αjet ＝ 10°， Njet ＝ 50， Ujet ＝ 52 ； 比较基本翼型、 经本发明方法 得到的优化参数的加合成射流翼型以及上面选择的合成射流三种参数组合的加合成射流 翼型的部分平均升力系数与平均阻力系数。
表 4 各攻角对应的优化参数与具体结果
表 4 是采用本发明方法， 针对 NACA0015 翼型， 加合成射流时在各迎角情况下的优 化参数的组合以及优化结果， 将表 4 中加合成射流的平均升力系数和平均阻力系数与基本 翼型、 随意选择三个方案的平均升力系数和平均阻力系数相比， 如图 7 和图 8 所示。结果显 示， 使用本发明方法后的合成射流的控制效率在大迎角情况下有很大幅度的提高， 气动力 有明显改善， 失速攻角也被大大推迟， 失速之后的升力系数值仍然可观， 并且升力系数曲线 下降斜率很小， 但同时也表明合成射流对小攻角状态的附着流动作用很小， 而且在优化过 后的结果还显示会有大振幅， 由此可以得出， 合成射流对气动性能的改善很大程度上来源 于于它对流动分离的控制。
如图 9 所示， 在传统的压电膜振动激励模式中加入控制箱， 通过外部测试装置输 入流动相关信息， 然后在有关处理器上采用本发明方法进行优化计算或调取已经存储的优 化资料， 把优化得到的参数信息再传给控制箱， 最后激励器采用优化后的有关参数来控制 外部流动， 获得最优效果。