周 婷 吳宗成 陳澤民 朱自強
(北京航空航天大學 航空科學與工程學院,北京100191)
目前,隨著計算機性能的飛速發展以及CFD(Computational Fluid Dynamics)理論的不斷完善,氣動優化設計在許多領域都得到了廣泛的應用.優化設計中,目標函數和約束函數的形式往往很復雜,要想利用可信度比較高的方法對其進行分析,可能會使設計時間延長.因此,優化問題常常需要在結果精度和計算時間上做出權衡[1].
變可信度優化設計的啟發式算法已被應用于工程設計問題之中[2],其優化結果能否保證收斂到高可信度模型優化的最優點是該算法的關鍵技術,變可信度模型管理有兩種方法:①由Dennis等提出的基于一種“模式尋找”方法,這種方法不需要進行梯度計算;②由Alexandrov等提出的近似管理框架 (AMF,Approximation Management Framework)方法,基于一種信賴域思想[3].這兩種方法都可以保證優化結果收斂到高可信度模型優化的最優點.
AMF方法的主要思想是結合高、低可信度模型的優勢,優化計算主要在低可信度模型上進行,利用低可信度模型分析得到的結果通常需要重新進行縮放以保證該優化方法得到的結果收斂到高可信度問題的最優點;高可信度模型僅僅起到了修正優化模型的作用,這一方法得益于低可信度模型計算成本低,能夠給出好的搜索方向.
在不同網格密度上的同一分析計算模型或是不同分析模型都可以構成變可信度模型.文獻[4]采用同一模型對變網格密度時構成的變可信度模型進行了優……