[发明专利]一种微型太阳能无人机分层气动优化方法

权利要求书

1.一种微型太阳能无人机分层气动优化方法，其特征在于，包括以下步骤：

S1：对无人机进行二维翼型参数化描述，所述二维翼型参数化描述包括：将二维翼型分为厚度函数和中弧线函数，由样条曲线绘制，限制条件包括前缘半径、最大厚度、最大厚度位置、最大弯度、最大弯度位置、后缘夹角和后缘反弯控制；

S2：基于步骤S1所得二维翼型参数，进行多目标遗传算法优化；

S3：对于步骤S2中的多目标遗传算法优化结果进行伴随求解，以获得优化目标梯度信息，并基于所述梯度信息进行二维翼型的自由外形优化，并将结果纳入翼型数据库；

S4：根据微型太阳能无人机的实际需求进行三维翼型参数化描述，调用翼型数据库作为选取因子，建立三维翼型参数化模型，所述三维翼型参数包括前缘后掠角、后缘后掠角、扭转角、上反角、展长和弦长；

S5：采用克里金模型进行代理模型优化，设置全局和局部变量、约束和目标，利用多目标遗传算法求解获得气动升力系数最大化、升阻比最大化与低头力矩最小化的综合权衡设计；

S6：对于步骤S5中的代理模型优化结果，进行伴随求解，以获得优化目标梯度信息，并基于所述梯度信息进行三维翼型的自由外形优化。

2.根据权利要求1所述的微型太阳能无人机分层气动优化方法，其特征在于，所述步骤S2具体包括：

S21：基于步骤S1所得二维翼型参数，采用拉丁超立方实验设计选取初始样本；

S22：进行二维翼型种群计算；

S23：对步骤S22的计算结果进行帕累托等级排序；

S24：采用多目标遗传算法完成遗传、变异、交叉的种群迭代直至目标收敛。

3.根据权利要求2所述的微型太阳能无人机分层气动优化方法，其特征在于，所述步骤S22具体包括：

利用贝塞尔样条曲线针对翼型前缘半径、最大厚度位置、最大厚度、最大弯度位置、最大弯度、后缘夹角和后缘反弯进行建模，对所得模型进行空间有限体积划分，并利用湍流模型进行气动力计算，求解目标指标翼型升力系数、翼型升阻比和翼型俯仰力矩目标指标。

4.根据权利要求1所述的微型太阳能无人机分层气动优化方法，其特征在于，所述步骤S5具体包括：

S51：通过参数化描述的方式来表征三维翼型几何体；

S52：通过拉丁超立方设计实验选取初始样本；

S53：针对初始样本，进行三维高置信度CFD求解；

S54：将步骤S53的求解结果代入代理模型框架，构建初始的函数模型，通过求解极大似然估计函数完成对函数模型的分析与方差预测；

S55：对步骤S54的方差预测结果中全周期最大方差位置和的局部样本间最大方差位置的方差进行迭代验证，迭代收敛条件根据函数模型预测位置的变动进行，在限制条件范围内达到收敛条件后执行步骤S6。

5.根据权利要求4所述的微型太阳能无人机分层气动优化方法，其特征在于，所述限制条件为：针对无人机结构特性与材料特性对最大厚度位置、最大厚度、最大弯度位置、最大弯度参数进行限制，控制外形边界。

6.根据权利要求4所述的微型太阳能无人机分层气动优化方法，其特征在于，所述收敛条件为：在无人机几何外形满足限制条件内，根据求解计算结果与代理模型框架预测结果比对，方差不再进一步减小时判定为达到收敛条件。

7.根据权利要求4所述的微型太阳能无人机分层气动优化方法，其特征在于，所述步骤S53中的三维高置信度CFD求解具体包括：

S531：基于建模软件的脚本编译方式完成二次开发，建立三维翼型参数化模型；

S532：对所述三维翼型参数化模型进行基于有限体积法的高置信度气动计算，包括了三维网格划分与三维网格计算，三维网格划分通过脚本方式运行，三维网格计算求解。

8.根据权利要求7所述的微型太阳能无人机分层气动优化方法，其特征在于，所述步骤S532中三维网格计算求解的结果为：升力系数、阻力系数、升阻比和俯仰力矩系数。

9.根据权利要求1所述的微型太阳能无人机分层气动优化方法，其特征在于，所述步骤S6具体包括：

通过代理模型优化结果，开展基于网格变形的自由变形优化，通过伴随求解器来对个网格节点的敏感度进行分析，计算出各位置的影响，划定影响边界，梯度优化仅保留限制条件，根据限制条件与梯度信息进行末端优化，以达到全局最优结果。