产品
本次分享内容为轴对称可调进气道的参数化建模及仿真优化，主要包括CAESES参数化建模、自动化仿真流程搭建、喉道方案AIPOD自动寻优、完整进气道性能验证四个部分，希望能在进排气设计方面为大家带来更好的思路。以M3+轴对称进气道设计为例（如图1所示，案例来源于文献《轴对称变几何进气道初步研究》），该进气道类型为混压式，出口为亚声速流动，对接亚燃冲压发动机。中心锥可前后移动以适应不同的飞行马赫数。当达到最高飞行马赫数3.5时（如图2所示），锥顶点形成的马赫线刚好与唇口相交。考虑到是轴对称流场，唇口又采用扇形压缩面，无法直接通过气动关系式换算得到最佳波系配置。因此，本文采用了参数化建模和仿真优化相结合的方法，最终实现了基于总压恢复系数的快速寻优。
图1 变几何进气道物理模型（来源于文献）
图2 轴对称进气道气动原理
在混压式进气道设计时，需考虑进气道的起动性能。在CFD计算时，如喉道面积过小或者背压过大，都会因无法吸入指定流量引起进口倒流，进而导致计算发散，此状态便无法得到计算结果。所以在设计优化过程中，对方案的起动性能验证提出了要求。待进气道能正常起动后，其出口总压性能则跟喉道后的正激波位置息息相关，在扩张段中正激波越靠近喉道位置，进气道的出口总压越高。在仿真计算时，需要逐渐调高进气道出口背压，才能获取接近临界状态的最高出口总压性能。本文的优化操作流程如图3所示，共分以下4个步骤：
步骤1：在CAESES软件中创建参数化模型，通过参数控制内唇口、喉道的形状变化；
步骤2：以批处理形式实现参数化模型导出、结构化网格自动生成、仿真计算、仿真数据导出等仿真流程，实现真个流程的自动化；
步骤3：获取喉道截面的马赫数和总压，通过正激波公式换算得到波后总压，并以此为优化目标在AIPOD软件中搭建优化流程，通过优化算法自动寻优，快速获取最优喉道方案；
步骤4：在最优喉道方案基础上，连接完整扩压器，并通过逐渐调高背压的方式得到进气道的最高总压性能。
图3 轴对称进气道优化流程
CAESES参数化建模过程
可调轴对称进气道方案建模在CAESES软件中实现，采用了直线、F条线、圆弧等曲线类型，型线如图4所示。进气状态保持不变，因此进气道的唇口和锥体角度不做优化，设计特点如下：
a）优化状态为最高来流马赫数M3.5（如有必要，可调整模型得到其他状态模型）；
b）锥体角度不变，喉道截面与锥体之间通过倒圆过渡，倒圆半径可变；
c）为喉道段添加水平直线段，可实现喉道段范围及位置变化；
d）前缘后的内唇口为直线段，之后采用F样条与喉道实现切向连接，通过角度和曲率参数实现曲线变化；
e）喉道截面的环形高度可变；
f） 进气道出口位置及尺寸不变。
图4 轴对称进气道型线
自动化仿真流程
为保证计算精度，本方案采用结构化网格如图5所示，对所有壁面进行套壳加密处理，喉道方案的网格量为4万，扩压器方案的网格量为5万。仿真类型为轴对称，采用远场边界条件，来流马赫数为3.5，湍流模型采用 k-omega SST。
图5 网格示意图
整个仿真优化流程如图6所示，完成轴对称进气道气动设计后，使用CAESES软件实现参数化建模，并用其耦合链接功能调用网格和计算脚本，实现仿真流程的自动化。在优化平台软件AIPOD中搭建完整的计算流程，以批处理的方式调用CAESES脚本（fsc文件），实现参数定义、几何输出、仿真计算、结果输出等仿真过程。通过变量输入功能，编辑fsc脚本文件，提取文件中的变量参数。通过参数提取功能，读取仿真结果，并编辑正激波公式换算得到优化目标（波后总压恢复系数）。最后，调用优化算法实现自动寻优，快速得到优化后的喉道方案和相应的仿真结果。
图6 优化仿真流程
喉道方案AIPOD自动寻优
图7-图11为AIPOD中的实现优化的操作过程，共进行了8个步骤，依次实现了计算流程搭建，输入文件添加，输出文件添加，变量定义写入，仿真数据读取，优化目标换算，优化目标选择，优化算法选择等过程。
图7 搭建计算流程
图8 添加计算文件
图9 定义优化变量
图10 换算优化目标
图11 选择优化算法
原始方案的仿真结果如图12所示，在来流马赫数3.5状态，喉道马赫数为1.828，正激波后换算总压恢复系数为0.697，完整扩压器时最高背压为200kpa，此时出口最高总压恢复系数为0.586。
图12 原始方案仿真结果
在AIPOD中，选择独有的SilverBullet算法进行自动寻优，为了验证优化效果，也同时采用Nelder-Mead Simplex算法（单纯形）进行了优化比较。同样设置优化50个方案，Nelder-Mead Simplex算法优化列表如图13所示，因涉及到进气道不起动情况，该算法运行了14步便自动停止，无法继续后续方案的探索。而SilverBullet算法则没有受到不起动方案的影响，完整跑完了设定的50个方案如图14所示。
图13 Nelder-Mead Simplex算法优化列表
图14 AIPOD-SilverBullet算法优化列表
优化历程如图15所示，Nelder-Mead Simplex算法探索到14步便戛然而止，总共得到12个有效结果。而SilverBullet算法则完整跑完设定的50个方案，得到17个有效结果。通过对比，SilverBullet算法在第4步便得到比Nelder-Mead Simplex算法最优解更好的方案，剔除中间30多个无效方案后，第48个方案为最优，表现出该算法在强约束下的稳健探索能力。
图15 优化历程图
完整进气道性能验证
以两个优化算法得到的最优喉道方案为基础，添加了扩压器，通过逐渐提高背压仿真得到完整扩压器性能如图16所示。相比原始方案，Nelder-Mead Simplex算法最高出口总压提升2.7%，而SilverBullet算法提升了12.3%，优化效果更为显著。通过流场图对比如图17所示，通过唇口、喉道形状的优化，在保证进气道的正常起动前提下，喉道马赫数由1.8下降到1.5，降低了正激波的总压损失。于此同时，因流动方向改善，扩压器内侧的流动分离影响区域也有所减少。
图16 完整扩压器性能对比
图17 完整扩压器流场对比
作为面向工业设计的通用优化平台，AIPOD软件操作简单，界面友好，其自研的优化算法SilverBullet整合了智能采样技术、耦合优化技术，以及一套核心的参数指标动态协调全局优化和局部探索力度，从而实现在（微）小计算规模下的高效优化性能的提升。在本算例的应用过程中，SilverBullet在不起动无法得到结果的影响下，依然跑完了50个方案的探索，展现了稳健的优化探索能力，非常适用于工业领域复杂问题的仿真优化。
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删
155-2731-8020
