基于Kriging代理模型的高升力構型優化設計

許瑞飛 段卓毅 錢瑞戰

摘 要：本文發展了一種基于Kriging模型的高升力構型優化設計方法。采用分區對接網格技術求解N-S方程以及遺傳算法，在著陸構型下使多段翼型升力系數最大。為了降低計算量和計算時間，在優化過程中采用Kriging模型代替復雜的流場計算。為了提高模型的精度，采用EI方法增加新的樣本點。利用該方法完成了多段翼型縫道參數和外形優化設計。結果表明，在只優化襟翼縫道和襟翼縫道與外形同時優化兩種情況下，該方法使得多段翼型最大升力系數分別提高7.55%和9.48%。

關鍵詞：Kriging模型； 拉丁超立方抽樣； 增升裝置； 優化設計

中圖分類號：V211 文獻標識碼：A DOI：10.19452/j.issn1007-5453.2023.03.008

隨著現代飛機的發展，增升裝置的設計變得越來越重要。增升裝置對于飛機的起飛、著陸性能尤其是飛機的安全性有著重大的影響。研究表明，增升裝置氣動性能的很小改變將極大影響飛機的性能，這也是增升裝置仍然是當前航空研究前沿的主要原因[1]。

飛機著陸構型的最大升力系數直接影響到飛機的著陸速度和著陸場長，是影響飛機性能最重要的參數之一。提高二維多段翼型設計剖面的最大升力系數是提高增升裝置性能的重要途徑。隨著計算流體力學（CFD）的發展和計算機硬件水平的提高，多段翼型設計手段發生了革命性的變化，基于CFD方法的設計手段越來越多地應用于多段翼型的設計之中。當前，基于N-S方程的CFD方法由于能夠精確模擬復雜流動中的黏性現象而在多段翼型優化設計中獲得了廣泛的應用。許多研究者已經完成了相關的研究工作：S.Eyi [2]利用由不可壓N-S方程、笛卡兒重疊網格和約束優化方法組成的優化設計系統開展了多段翼型設計；S. Jeong[3]等采用Kriging代理模型方法對多段翼型NLR7301襟翼位置進行了優化，取得了良好的效果；S.Kim[4]利用基于N-S方程的共軛梯度法進行了二維多段翼型的優化設計。其他的研究者[5-11]也發展了基于不同的網格生成方法、湍流模型和優化算法的優化設計系統，并分別進行了多段翼型的優化設計研究。在優化設計過程中，優化算法對于最終設計結果的好壞有著至關重大的影響。許多研究者已經提出了不同的優化設計算法，目前主要的優化算法有基于梯度的優化設計方法和非梯度優化方法。在這些優化方法中，基于代理模型的優化設計方法由于其較高的效率和實用性獲得了越來越多的關注。該方法利用代理模型代替非常耗時的數值計算來減少優化過程的時間，顯著提高了優化設計的效率。

本文發展了一種基于Kriging模型的多段翼型優化設計方法。在流動分析方面，采用基于結構化網格的二維流動求解器來確保計算的精度和準確性。采用分區對接方法生成繞多段翼型的網格，將遺傳算法[1]作為優化方法。為了降低計算時間和費用，在優化過程中采用Kriging模型。為了提高模型的精度，采用EI方法增加額外的樣本點，從而形成更加精確的Kriging模型。最后使用該方法開展了多段翼型優化設計，顯著提高了多段翼型的最大升力系數。

1 翼型幾何

本文采用某民用飛機兩段翼型作為優化的初始翼型，多段翼型的幾何外形如圖1所示。此翼型包含主翼和35°后緣襟翼兩部分。圖1（a）表示該翼型的巡航構型，此時后緣襟翼后退至主翼中，圖1（b）給出的是著陸構型，后緣襟翼處于展開狀態。

2 優化設計系統

優化設計過程可以分為以下幾個部分：試驗設計、Kriging模型、流場求解器、網格生成和優化算法。每一個部分對于優化設計結果的好壞都非常重要。在完成目標函數和設計變量的選擇后，就開始整個設計流程的搭建，具體的優化設計流程如下：首先通過拉丁超立方抽樣（LHS）試驗設計方法生成一定數量滿足要求的樣本點，然后建立Kriging模型，最后利用遺傳算法找到最優解。在優化設計過程中，為了提高模型的精度，引入EI方法，將EI最大點和優化搜索算法得到的最優點同時加入原有的樣本集中重新生成Kriging模型，圖2給出了基于Kriging模型的優化設計算法流程。

2.1 試驗設計

試驗設計是指通過一定的方法在設計空間內生成能夠反映設計空間特征的樣本點。它是構建Kriging模型的基礎， 常用的試驗設計方法有正交設計、均勻設計、拉丁超立方抽樣等。本文采用目前應用比較廣泛的拉丁超立方抽樣方法生成試驗樣本點。拉丁超立方抽樣方法詳見參考文獻[13]。

2.2 Kriging模型

2.3 網格生成[15]和流場求解

在優化設計過程中，翼型幾何是在不斷變化的，這對網格生成方法提出了很高的要求。本文采用分區對接方法生成繞多段翼型的結構化網格。在每個翼型段的尾流和表面采用代數方法生成C形網格，在外場區域生成O形網格，最后利用橢圓形偏微分方程方法對初始網格進行優化。在優化過程中網格自動生成，無須人工手動干預。圖3給出了繞兩段翼型的網格示意圖。

流場求解采用基于N-S方程的求解方法，采用中心格式進行空間離散，湍流模型采用的是S-A湍流模型。

3 優化結果

3.1 兩段翼型襟翼縫道參數優化設計

表1是初始翼型和優化翼型襟翼縫道參數的比較。從表1中可以看出，除了后緣縫道寬度外，重疊量和襟翼偏角都有很大的變化量。圖4是優化前后兩段翼型襟翼位置的比較。表2給出了優化設計結果。從表2中可以看出，Kriging模型預測值與N-S方程計算值差別較小，最終多段翼型升力增加7.76%，低頭力矩系數增加0.0362，這是由于優化襟翼偏度增大，使得后緣襟翼升力增大，致使多段翼型低頭力矩顯著增加。圖5和圖6給出了初始翼型和優化翼型壓力分布云圖的比較。可以看出，與初始翼型相比，優化翼型主翼前緣負壓區域明顯偏大，主要原因是優化翼型襟翼偏角增加，翼型彎度增大，導致主翼前緣負壓峰值增大。

3.2 兩段翼型襟翼縫道+外形優化設計

在縫道優化的基礎上，采用Hicks-Henne函數參數化方法[16]，將襟翼部分外形（見圖7藍色虛線部分）與縫道參數一起進行優化。襟翼外形參數化設計變量為5個，這樣使得總優化設計變量為8個，初始樣本點為80個，對多段翼型進行了優化設計。設計狀態：馬赫數為0.2，雷諾數為1.1×107，迎角為4°。將第1節中的多段翼型作為優化的初始翼型，網格量為40000。優化設計過程中選擇最大升力系數作為目標函數。縫道設計變量的約束值與3.1節相同，外形設計中形函數加權參數δ取為翼型最大厚度的10%。

表3給出了初始翼型和優化翼型襟翼縫道參數的比較。從表3中可以看出，除了后緣縫道寬度外，重疊量和襟翼偏角都有很大的變化量，這與只優化襟翼縫道參數的結果基本一致。圖8給出了優化前后多段翼型幾何外形和位置的比較。圖9給出了優化前后襟翼外形的比較。可以看出，與初始襟翼外形相比，優化后的襟翼局部外形發生了改變，最大厚度略有降低。表4給出了優化設計結果。從表4中可以看出，采用縫道+幾何外形同時優化的方法，升力增加9.48%，與只優化縫道相比，升力系數增加了1.73%，但低頭力矩系數也增加了0.014。

圖10給出了兩種優化方法優化得到的翼型計算壓力分布與初始翼型的比較。可以看出，通過對縫道的優化，襟翼偏角增加，重疊量降低能夠使襟翼負壓峰值增加，提高了多段翼型的升力系數，這與3.1節壓力云圖對比分析結果一致；通過將襟翼外形和縫道同時進行優化，可以進一步提高襟翼前緣負壓峰值，增加主翼后緣壓力恢復，使翼型升力系數進一步提升。

4 結束語

本文利用LHS試驗設計方法生成一定數量滿足要求的樣本點，然后建立Kriging模型代替復雜的流場計算。為了提高模型的精度，采用EI方法增加一些新的樣本點。利用該方法完成了多段翼型縫道參數和外形優化設計，得出以下結論：（1）該方法可以完成對多段翼型縫道和外形的優化設計，顯著提升多段翼型的最大升力系數；（2）相對于只優化縫道參數，襟翼縫道和外形同時優化能夠改善翼面壓力分布，從而進一步提升多段翼型的氣動特性；（3）該方法對于多段翼型的優化設計有效，可應用于實際工程設計中。

參考文獻

[1]Vandam C P. The aerodynamic design of multi-element highlift systems for transport airplanes[J]. Progress in Aerospace Sciences， 2002（38）：101-144.

[2]Eyi S， Lee K D. High-lift design optimization using NavierStokes equations[J]. Journal of Aircraft，1996， 33（3）：499-504.

[3]Jeong S， Murayama M ， Yamamoto K. Efficient optimization design method using Kriging model[R]. AIAA-2004-118，2004.

[4]Kim S， Alonso J J， Jameson A. Design optimization of high-lift configurations using a viscous continuous adjoint method[R]. AIAA- 2002-0844，2002.

[5]Wild J. Validation of numerical optimization of high-lift multi- element airfoils based on Navier-Stokes-Equations[R]. AIAA-2002-2939，2002.

[6]Kim S， Alonso J J， Jameson A. Multi-element high-lift configuration design optimization using viscous continuous adjoint method[J]. Journal of Aircraft， 2004，41（5）：1082-1097.

[7]Chen S， Zhang F， Khalid M. Aerodynamic optimization for a high-lift airfoil/wing configuration[R]. AIAA-2004-5078，2004.

[8]Sekishiro M， Venter G， Balabanov V. Combined Kriging and gradient-based optimization method[R]. AIAA-2006-7091， 2006.

[9]白俊強，劉南，邱亞松，等.基于RBF動網格方法和改進粒子群優化算法的多段翼型優化[J].航空學報，2013，34（12）： 2701-2715. Bai Junqiang，Liu Nan，Qiu Yasong，et al.Optimization of multifoil based on RBF mesh deformation method and modified particle swarm optimization algorithm[J].Acta Aeronautica et Astronautica Sinica， 2013，34（12）： 2701-2715.（in Chinese）

[10]徐榛，崔德剛，杜海，等. 基于改進遺傳算法的增升裝置氣動優化研究[J].航空科學技術，2014，25（2）：17-22. Xu Zhen， Cui Degang， Du Hai， et al.Research on aerodynamic optimization of aircraft high-lift devices based on improved genetic algorithm[J].Aeronautical Science & Technology， 2014， 25（2）：17-22. （in Chinese）

[11]倪昂修，張宇飛，陳海昕.NSGA-Ⅱ 算法的改進及其在多段翼型縫道參數優化中的應用[J].空氣動力學學報，2014，32（2）： 252-257. Ni Angxiu， Zhang Yufei， Chen Haixin. An improvement to NSGA-II algorithm and its application in optimization design of multi-element airfoil[J].ACTA Aerodynamica Sinica，2014，32（2）：252-257. （in Chinese）

[12]蘇偉，高正紅，夏露. 一種代理遺傳算法及其在氣動優化設計中的應用[J]. 西北工業大學學報，2008，26（ 3）： 303-307. Su Wei， Gao Zhenghong， Xia Lu. An effective surrogateassisted genetic algorithm for airfoil aerodynamic optimization design[J]. Journal of Northwestern Polytechnical University， 2008， 26（ 3）： 303-307.（in Chinese）

[13]Giunta A A， Wojtkiewicz Jr S F， Eldred M S. Overview of modern design of experiments methods for computational simulations[R]. AIAA Paper 2003-649， 2003.

[14]許瑞飛，宋文萍，韓忠華.改進Kriging模型在翼型氣動優化設計中的應用研究[J].西北工業大學學報，2010，28（4）： 503-510. Xu Ruifei， Song Wenping， Han Zhonghua. Application of improved Kriging model based optimization method in airfoil aerodynamic design[J]. Journal of Northwestern Polytechnical University， 2010， 28（4）： 503-510.（in Chinese）

[15]Guo Tongqing， Lu Zhiliang. N-S equation calculations on multi-element airfoils with zonal patched grids[J]. Transactions of Nanjing University of Aeronautics & Astronautics，2003，20（2）：155-158.

[16]劉戰合，宋文萍，宋筆鋒. 基于復合形方法的翼型優化設計研究[J]. 西北工業大學學報，2004，22（6）： 795-799. Liu Zhanhe， Song Wenping， Song Bifeng. On improving multiobjective optimization of airfoil design with complex optimum method[J]. Journal of Northwestern Polytechnical University， 2004， 22（6）： 795-799.（in Chinese）

Optimization Design of High-lift Configuration Using Kriging Model

Xu Ruifei， Duan Zhuoyi， Qian Ruizhan

AVIC The First Aircraft Institute， Xian 710089， China

Abstract： The Kriging-based multi-objective optimization design method for high-lift configuration is developed in this paper. By introducing the Navier-Stocks solver with S-A turbulence model， the zonal patched grids and the genetic algorithm， the lift coefficient under the landing condition is maximized. In order to reduce the computational time and cost， Kriging model is applied to the process of the optimization design for replacing the complex computational program. EI method is introduced to give additional sample points in order to introduce the accuracy of the model. The optimization design for the position and configuration of multi-element airfoil are carried out. The results show that the lift coefficient of the multi-element airfoil can be increased by 7.55% under the condition that the position of the flap is optimized， and when the position and configuration of the flap are both optimized， the lift coefficient of the multielement airfoil can increase by 9.48%.

Key Words： Kriging model； Latin hypercube sampling； high-lift device； optimization design