飞机的结构优化项目实施进口基于BP神经网络和遗传算法

文摘

随着对冷却空气的不断增长的需求的发展在机舱和电子元件在飞机上,它敦促呈现一个ram进气系统节能优化方法。冲压空气的性能评价方法,提出了主要结构参数可以扩展到某种类型的飞机。结构参数对冲压空气性能的影响进行了研究,并生成一个数据库的性能。集成的一种新方法用于BP神经网络和遗传算法的结构优化和被证明是有效的。此外,项目实施ram的结构的优化结果推导出进气系统。结果表明,(1)优化算法是有效的减少预测误差的质量流量和燃料的点球。质量流率的平均相对误差为1.37%,平均相对误差的燃料点球全部样本的1.41%。(2)预测偏差分析显示很少的区别和硬度的优化设计。质量流量的相对误差是0.080%,而燃料的点球是0.083%。提出的优化方法是证明的准确性。 (3) The mass flow rate after optimization is increased to 2.506 kg/s, and the fuel penalty is decreased by 74.595 Et kg. The BP neural networks and genetic algorithms are studied to optimize the design of the ram air inlet system. It is proven to be a novel approach, and the efficiency can be highly improved.

1。介绍

飞机环境控制系统的ram进气口(ECS)是一个关键组成部分的空气源介绍和系统性能起着非常关键的作用。项目(国家航空咨询委员会)的进气口是典型的形式之一,由戴维斯et al。11945年)。其独特的形状控制附加表层的参与在一定程度上,增加了主流的流动空气进入进气使用侧卷的效果,它有一个独特的优势在高背压和高流速的条件下。除此之外,与其他进气道相比,其空气压力损失小,所以它被广泛使用。入口摄入形状不同的NACA空气摄入量是一样的。然而,入口位置和结构参数是不同的。目前,大多数NACA进气道的设计遵循的指令ESDU 86002文档(2),提出了一种二维表面设计指令。它不能扩展到所有的NACA形状设计尤其是三维形状不同的飞机。也没有统一的标准和规范的优化方法。因此,项目实施的实际意义找到方法进气口优化实际飞机表面。以下提出了设计的机载和机载发动机进气口。

采用CFD模拟技术检验,王et al .,枭龙et al。3- - - - - -5]。进气阻力、总压恢复系数和转矩损失的机载发动机设计和计算,和机载发动机的性能改善。优化算法引入到计算是江泽民等人,李et al。6,7),该算法被实验证实。结构优化设计方法结合BP神经网络和遗传算法提出了郭和陆8的值,这种方法在航空发动机的设计部分证明了CFD模拟。

正如上面提到的,入口的设计和优化主要集中在航空和汽车引擎,但很少有研究飞机冲压空气入口,和ram进气道的性能评估标准不同于上述的发动机。一般来说,标准的发动机的进气质量流量,而冲压空气进气性能的标准是复杂的,包括总压恢复系数、质量流量、空气动力阻力,燃料使用也需要参与进来。因此,现有的理论和方法是有限的全面研究冲压空气入口。

的预测方法有很多参数,如线性回归分析,基于线性回归多项式分析扩张、人工神经网络、时间序列分析、最小二乘支持向量机和其他预测方法。参数优化的方法主要包括样本实验优化,模拟退火算法优化,遗传算法优化、和其他优化方法。事实上,这两种方法都有自己的特点。

结合BP神经网络和遗传算法的优点,解决上述问题。BP神经网络具有良好的非线性映射能力。经过样本训练,不同的输入参数和输出参数之间的关系,可以解决多个结构参数和多个映射问题的评价指标。同时,遗传算法克服了狭隘的适用性和收敛速度慢的缺点传统优化算法,可以处理不连续,高维、多极价值观在现实过程。因此,遗传算法全局优化能力强,可以使用映射关系来评估个人的健身,这是适用于结构参数的全局优化的解决方案。

在这篇文章中,进气性能评价方法提出了多个性能指标和数据库建立了多个结构参数和多个性能指标。在此基础上,项目实施的结构参数的影响进气性能研究。同时,结合人工智能算法,进气口的结构参数进行了优化和确定。最后,这种优化的可靠性算法是数值计算证明。

2。项目实施进气结构参数和评价指标

2.1。项目实施进气结构参数

在结构优化设计、结构参数的进气口需要分解获得的主要结构参数。NACA冲压空气入口是一个常见的进气口的一部分飞机环境控制系统(9),其结构如图1。由于开放形式的影响,当气流进入入口,生成一个对称的涡旋的喉咙,使气流,增加进气的质量流率。影响进气性能的主要结构参数是边坡倾角( ),喉咙纵横比( ),开放长度( )。

2.2。项目实施进气性能评价指标

现有的经验提出,总压恢复系数,ram回收率,质量流率,和阻力可以用作进气性能评估指标,这主要是单一指标ram进气口的空气动力学性能。对于民用航空器,系统重量,发动机功率和系统阻力也应考虑系统的综合评价。因此,燃料点球可以被视为一个经济性能指标评估环境控制系统的ram入口时,应考虑设计上的进气口。此外,质量流率是作为进气口的基本设计要求。

因此,以下两个需求应该参与优化设计:(1)保证最低燃料点球和(2)入口质量流量高于最低质量流率 。在这篇文章中, 。

ram的燃料点球进气口的环境控制系统包括两个方面:燃料的点球固定系统单位重量和燃料造成的罚款冲压空气所造成的阻力。

燃料的重量固定系统消耗的单位重量飞机上可以表示为(10] 在哪里是燃料消耗比率(公斤/ N / h),飞行时间(h),是重力加速度(m / s²),是飞机的空气动力质量。

由于燃料消耗比率的差异,飞行时间,和速度不同的飞机,燃料造成的罚款单位重量被定义为固定系统 ,表示为 。在这一点上,公式(1)可以写成

燃料的处罚由于空气动力阻力可以被描述为(10] 在哪里ram进气口的空气动力阻力,与质量流率是哪一个和飞行速度 ,被描述为

然后,公式(3)可以表示为

因此,总燃料的点球引起的进气口可以表示为

3所示。项目实施进气口基于人工智能算法的优化设计方法

3.1。进气口优化设计过程

考虑到没有明确的功能入口结构参数之间的关系和性能评价指标,一个可能的解决方案是一个数据驱动的预测模型可以用来建立一个功能关系和智能优化算法模型可以用来优化结构参数的进气口。

这个过程涉及到优化结构参数的确定和性能评价指标,采集的数据样本,建立预测模型,建立优化模型,优化结果的比较和验证。

3.2。进气性能数据库的建立

从数值模拟获得的数据样本的飞机冲压空气进气模型。数据样本收集包括结构参数的设计,参数模型和参数的生成网格,批处理仿真计算和结果的出口。

摘要喉咙长宽比、边坡倾向,开放86002年ESDU指令长度选择的文档,这是影响进气性能的关键结构参数。样扩张,三个结构参数被分为六个样品测试值。总样本 ,如表所示1。

在这篇文章中,整个飞机的内部和外部流场计算与ram入口216套的工作条件与不同纵横比,斜率倾向,开放长度和飞机进气性能的数据库。

为了获得一个数据库的进气性能不同的结构参数,验证了计算方法的可靠性。ANSYS的仿真进行了排名。验证使用DLR-F6模型,它由风洞实验证明理论阻力预测车间(法)11,12]。仿真结果如表所示2。

从表可以看出2当网格数量达到19745870时,阻力系数波动不大,计算误差小于1%。因此, - - - - - - 湍流模型的选择。网格类型是一个结构化的网格,网格号码是19745870。进气口的速度流程图如图2。

如图2入学前,冲压空气流场NACA进气均匀;入学后,由于扩张角,流动分离,中间的流速大,两边的流速很小;有一个涡流左边和右边的出口表面,和相对对称分布。涡流导致强烈entrainainment NACA入口,便于引入更多的冲压空气。

空气的流动分离发生在下游入口的喉咙。与此同时,由于机翼的整流罩和外部的共同影响,进气口的外围流场流动方向有一定的侧偏角,并不是与进气口的轴线方向一致。此外,流动分离背后的扩张段也可能引起的喉咙。这两个因素都影响进气性能。

此外,上述216条件计算得到飞机进气道性能不同的结构参数的数据库,和一般的法律数据库进行了分析,如图3和4。

在数据3- - - - - -6,它可以看到飞机的燃料损失和质量流率增加单调与长宽比的变化,边坡角,开放长度和曲率不是固定的。

坡度角很大时,质量流量变化后顺利纵横比大于3.5。与此同时,可以看出,在进气质量流量相对较小,在许多条件。然而,这些条件不满足设计要求,需要在后期优化的筛选。

3.3。BP神经网络

BP(反向传播)神经网络算法是一种典型算法的人工神经网络,估计每一层的错误形式的误差反向传播(13,14]。BP神经网络具有强大的非线性泛化能力,可以获得全球任意输入变量和输出变量之间的映射和准确地模拟质量流率的分布和燃料的点球。因此,基于BP神经网络,建立了数据驱动的预测模型。的映射关系之间的总输出性能指标和输入结构参数建立了抽象函数

BP神经网络预测模型的拓扑结构如图7。

BP神经网络算法也被称为误差反向传播算法的多层感知器。如图7,输出误差逐渐传播通过隐层向输入层以某种形式,错误是分发给每一层中的所有单位得到误差信号。在这个过程中,输出误差用来估计误差的上一层相邻输出层,然后上一层的误差估计的误差。错误是一层一层地传播;通过这种方式,可以获得所有其他层的错误。

基于MATLAB, BP神经网络工具箱被称为(15)建立预测模型的网络拓扑。

网络拓扑结构建立了基于newff函数。样本训练的基础上进行功能训练。仿真了基于sim卡功能。网络的具体参数如表所示3。

3.4。遗传算法优化模型

遗传算法,算法在人工智能领域的代表,对个人进行“适者生存”(16]。遗传算法较强的全局优化能力,可以使用映射关系来评估个人的健康,适用于全局优化的结构参数没有具体的表达式。

为了优化结构参数,建立了一个优化模型和一系列结构参数。

遗传算法的代码是基于MATLAB编制和一般遗传算法的关键参数设置如表所示4。此外,如果一个人的质量流率低于最低质量流率,会增加燃料的惩罚惩罚值。

3.5。结合BP神经网络和遗传算法的优化模型

BP神经网络使用样本点数据样本训练获得数据映射关系。根据数据映射关系,可以找到最优数据在全球参数范围。BP神经网络和遗传算法的原理图如图8。

如图8BP神经网络的输入数据,包含喉咙长宽比、坡角,打开长度,燃料点球,和质量流率。输出数据映射关系是喉咙长宽比,边坡倾角、开放长度与燃料替代损失和质量流量。输出数据映射关系是喉咙长宽比之间的关系,坡度角,开放长度和燃料损失和质量流量。

全局参数解决遗传算法是喉咙长宽比,坡角,开放长度在一定范围内。目标是找到的组合结构参数的质量流率高于最小值,其燃料处罚同时是最低的。

因此,提出BP神经网络和遗传算法相结合的方法,提出了优化的结构项目进气口;具体流程如图9。

如图9BP神经网络,建立了基于收集到的数据库,确定网络拓扑结构和数据输入训练样本。

网络表达的网络权值和阈值,这是调用过程中遗传算法适应计算。画出遗传算法的支持,项目实施的最优结构参数得到了进气口通过选择、复制、交叉、变异,和更换的人口。

4所示。优化结果与讨论

不同结构和性能参数的数据库项目的进气口通过CFD模拟。数据被放入BP神经网络和遗传算法的优化方法来训练和优化样本。被训练和优化的数据优化方法结合BP神经网络和遗传算法。

最后,优化项目实施进口结构参数和质量流量和燃料损失预测基于BP神经网络和遗传算法。ESDU和优化算法的性能指标计算如表所示5。

如表所示5,项目实施前后入口优化所有满足质量流率的要求。优化后的燃料处罚远低于前一个优化。

充分样本之间的比较BP神经网络预报值和计算值的排名数据所示10和11。

如数据所示10和11之间的点球和质量流量误差预测和计算值,它很小。

这个错误是由平均相对误差的绝对值(17),为了全面描述测试样本的相对误差。在这种情况下,平均相对误差的绝对值的质量流量和燃料点球分别为1.37%和1.41%,分别。可以看出,计算误差本文采用的优化方法是合理的。

自项目实施的质量流量和燃料点球入口优化预测的BP神经网络后,他们不能完全代表真正的性能值和结构参数进行了优化。因此,进一步的排名进行了模拟来获得优化的质量流量和燃料点球坡度角(6.813),喉咙纵横比(2.507),开放长度(1781.840)。具体结果如表所示6。

从表可以看出6优化后,在实际的质量流率的前提下满足设计要求,燃料点球前相比减少Et公斤74.595优化。优化的预测价值和它之间的误差仿真结果很小,质量流量的相对误差是0.080%,和燃料点球的相对误差是0.083%。

因此,证明BP神经网络和遗传算法优化模型采用本文是可靠的。

5。结论

现有设计规范不能完全满足飞机项目进口的需要设计由于重量轻的需求和更高的输入流的要求。因此,通过BP神经网络和遗传算法结合,一组优化设计方法被证明是适合飞机项目提出了进气口。除此之外,该方法被用来优化某种类型的飞机的进气口。它可以概括如下:(1)燃料点球的下限进气质量流量可以视为两个目标在优化过程中,不仅要考虑燃油经济性已摄入的需求(2)BP神经网络和遗传算法相结合的方法,提出了预测误差的质量流量和燃料损失很小。平均相对误差的绝对值总样本的质量流率和总样本燃料点球分别为1.37%和1.41%,分别(3)与之前的项目进气口的模拟值优化设计,前提是质量流率高于2.506公斤/ s,燃料点球是减少74.595公斤。这对商用飞机是非常重要的

作为结论,目前的方法是有吸引力的,因为它是有效的解决项目进口的优化设计。因此,有望成为扩展到一个实际的飞机设计过程。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

我们声明,我们没有任何商业或关联利益代表的利益冲突与提交的工作。

确认

本研究支持的研究重点实验室基金飞机环境控制和生命保障、工信部、南京航空航天大学(批准号klaecls - e - 202001)。

引用

1. 李x”,进气道的技术状态,”福州大学学报:自然科学版》第六卷,第66 - 61页,2001年。视图:谷歌学术搜索
2. a . Lombardi d·法拉利,l·桑托斯,“飞机进气口通过surrogate-assisted进化计算,优化设计”进化Multi-Criterion优化。EMO 2015卷,9019在计算机科学的课堂讲稿,第327 - 313页,2015年。视图:出版商的网站|谷歌学术搜索
3. a . k .检验”,基于知识的进气口设计:一个简单的图形化设计方法进气口和流动模拟,”2016年国际会议上自动控制和动态优化技术(ICACDOT)普纳,页829 - 834年,印度,2017。视图:出版商的网站|谷歌学术搜索
4. g . x Wang江、周和c”优化设计的二维轮廓冲压喷气发动机进气,”2008年亚洲模拟会议第七届国际会议系统仿真和科学计算,第1200 - 1197页,北京,中国,2008。视图:出版商的网站|谷歌学术搜索
5. y枭龙,h·明和l .彪”优化汽油发动机进气和排气系统的基于遗传算法”2009年IEEE 10日国际会议上计算机辅助工业设计和概念设计温州,页2100 - 2104年,中国,2009。视图:出版商的网站|谷歌学术搜索
6. 江,j .黄问:叮,江z, j . Wang和g .黄”的进气系统消声器优化设计引擎基于单一和多目标优化,”2008年第七届世界大会在智能控制和自动化重庆,页8733 - 8737年,中国,2008。视图:出版商的网站|谷歌学术搜索
7. s, s . Tang和d高,”一个集成优化基于python的超音速进气道设计,”2010年国际会议上电脑设计和应用程序秦皇岛,页v4 - 64年,中国,2010。视图:出版商的网站|谷歌学术搜索
8. h .郭和陆z结构优化设计基于BP神经网络和遗传算法,”航空动力学报,18卷,不。2、216 - 220年,2003页。视图:谷歌学术搜索
9. 薛y, z的歌,z,“民用航空器NACA入口的设计方法,”科学和技术信息》第六卷,第189 - 187页,2014年。视图:谷歌学术搜索
10. 飞机设计手册,飞机设计手册》15卷,生命支持和环境控制系统的设计,航空工业出版社,北京:中国,1999。
11. k·r·Laflin s m . Klausmeyer t Zickuhr et al .,“数据总结从第二个理论计算流体动力学阻力预测研讨会,“杂志上的飞机,42卷,不。5,1165 - 1178年,2005页。视图:出版商的网站|谷歌学术搜索
12. d . Levy k . Laflin大肠Tinoco et al .,”总结的数据从第五张仁CFD阻力预测研讨会,”张仁第51航天科学会议包括新视野论坛和航空航天博览会美国TX, 46页,小道消息,2013年。视图:出版商的网站|谷歌学术搜索
13. x美国全y,燕,w·李·g·吴et al .,“预测汽油发动机进气流量的研究基于BP神经网络,”昆明大学科学与技术杂志》上41卷,2016年。视图:谷歌学术搜索
14. w . l . Yu和平,p . Runyan扮演“基于神经网络的二维随机翼型优化设计方法,”南京航空航天大学的事务,28卷,不。4、324 - 330年,2011页。视图:谷歌学术搜索
15. 问:戴和d .赵”培训和模拟齿轮位置决定车辆基于优化算法的BP网络,”机械工程学报,38卷,不。11日,第127 - 124页,2002年。视图:出版商的网站|谷歌学术搜索
16. 郑p, s, g .吴”多学科设计优化车身结构的协同优化和多目标遗传算法的基础上,“机械工程学报卷,47号2、102 - 108年,2011页。视图:出版商的网站|谷歌学术搜索
17. 海涛,g . y, z, j . Yu et al .,“水下滑翔机的机翼设计优化方法基于代理模型,”中国机械工程杂志》上,45卷,不。12日7 - 14,2009页。视图:谷歌学术搜索

版权

版权©2020 Zhimao李等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。