馬 艷，龐永杰，范亞麗

（1中國船舶科學研究中心，江蘇 無錫 214082；2哈爾濱工程大學 水下機器人重點實驗室，哈爾濱 150001）

基于iSIGHT平臺的翼型水動力優(yōu)化

馬 艷1，龐永杰2，范亞麗1

（1中國船舶科學研究中心，江蘇 無錫 214082；2哈爾濱工程大學 水下機器人重點實驗室，哈爾濱 150001）

基于iSIGHT設計平臺，結合計算流體力學軟件Fluent對二維翼型NACA0012進行了多目標優(yōu)化設計，以提高其水動力性能。設計過程中以雷諾平均Navier-Stokes方程為主控方程，采用了鄰域培植遺傳算法（NCGA）和非支配解排序遺傳算法（NSGA-Ⅱ）為優(yōu)化算法，對二維翼型進行優(yōu)化。優(yōu)化結果表明，翼型的水動力性能有了明顯提高，其升力系數(shù)提高，升阻比提高，最小壓力系數(shù)上升，上表面峰值減小。該優(yōu)化方法可以推廣到多種翼型，對于船用翼的研究都有一定的意義。

多目標優(yōu)化；Navier-Stokes方程；遺傳算法；水動力性能

1 引 言

翼，主要用來產生升力[1]?？罩幸恚鐧C翼、帆翼等。水中翼，如水翼、舵、槳、鰭、支架、帆船龍骨、潛艇和水雷的鰭翼、水下電纜整流片、導彈的穩(wěn)定環(huán)、噴水推進的旋葉、各種水泵葉輪等等，甚至水下船體整個部分在研究操縱運動時，也可當作一短翼。水翼區(qū)別于空中機翼，主要是有自由表面以及水中空化現(xiàn)象出現(xiàn)，它們將對水翼流體動力特性有很大的影響。船用翼理論主要研究船用翼流體動力特性，包括升力特性、阻力特性、俯仰力矩特性、壓力分布特性以及水翼空化的流體動力特性等等。

近年來隨著計算機技術和計算數(shù)學的迅速發(fā)展，使得數(shù)值計算和數(shù)值優(yōu)化在水動力方面使用得越來越廣泛，并且也取得了很大的進步。從已有的大多數(shù)算例來看，設計匯總有兩個比較關鍵的因素：（1）優(yōu)化算法的選擇對最終優(yōu)化結果具有決定性影響[2]，其中涉及到優(yōu)化算法的可靠性、精度和效率。第一類是采用先后順序搜索方式的確定性優(yōu)化算法，優(yōu)點是在少參量時優(yōu)化搜索速度快，可獲得高精度的解，缺點是容易陷入局部最優(yōu)，計算次數(shù)隨參量增多而迅速增加；另一類是基于全局搜索的隨機性算法，該方法不受搜索空間的限制，不要求諸如連續(xù)性、單峰性等假設，容易達到全局最優(yōu)解，但是搜索所耗費的時間相對較長[3]。（2）數(shù)值計算的精確性是得到準確優(yōu)化結果的前提條件。數(shù)值模擬在工業(yè)技術、國防軍事以及科學研究中，已經成為一種重要手段。相對于傳統(tǒng)的實驗方法，數(shù)值模擬具有很多優(yōu)點，如節(jié)省費用、分析速度快、能給出詳細完整的資料、不受物理條件限制等。

CFD軟件是一種具有很好適應性的數(shù)值計算軟件，能夠根據相應的問題選擇不同的求解方式，控制方程等等。而iSIGHT是一套可整合設計流程中所使用的各項軟件工具，并自動進行最佳化設計的軟體系統(tǒng)平臺[4]。它提供了試驗設計方法與多種優(yōu)化算法。

本文使用優(yōu)化軟件iSIGHT，在該平臺上結合CFD軟件Fluent以及前處理軟件gambit來優(yōu)化計算。本文的輸入變量是影響翼型的函數(shù)系數(shù)，輸出變量是翼型厚度，升力系數(shù)，阻力系數(shù)，升阻比，最小壓力系數(shù)。其中輸入輸出變量是通過Fortran程序進行處理的，以使其更好地適應調用的過程。

2 翼型的表述

在翼型的優(yōu)化設計中，選擇恰當?shù)囊硇捅磉_方式是進行優(yōu)化的先決條件[5]。翼型的幾何形狀，可以采用多項式擬合或解析函數(shù)線性疊加等多種方式表示。由于多項式對翼型局部微調效果不好，各項系數(shù)對翼型形狀的影響不均衡，因此，本文選取解析函數(shù)線性疊加法來表示翼型[6-7]。翼面上點坐標可表示為原始坐標和擾動的線性組合[8]

式中：yup與ylow分別為優(yōu)化翼型的上下表面縱坐標；you與yol分別為基準翼型NACA0012的上下表面縱坐標；k與ck分別為控制翼型厚度分布與彎度分布關鍵點變量的個數(shù)與系數(shù)；fk()x為Hicks-Henne型函數(shù)。

式中：e()k=lg0.5/lgxk，0≤x≤1 （假設翼型弦長為 1），k=2,3,4,5,6,7 時，xk分別為 0.15，0.30，0.45，0.60，0.75，0.90。

Hicks-Henne型函數(shù)對翼型上下表面各關鍵點形狀的影響平滑均衡，既可以保證對翼型關鍵點形狀的調整，又可以保證關鍵點與翼型整體形狀的平滑。

本文以型函數(shù)的系數(shù)ck作為設計變量，與基準翼型一起確定優(yōu)化設計翼型形狀。當x=0與x=1時有fk(x)=0，這正與設計時要求固定翼型前后緣位置不變相一致。14個設計變量的取值范圍規(guī)定如下：

通過Fortran編程，將生成翼型數(shù)據，并且將型函數(shù)系數(shù)ck作為優(yōu)化變量。

3 優(yōu)化設計算法

如前所述，確定性優(yōu)化算法計算次數(shù)隨參量增多而迅速增加，本文經過實驗發(fā)現(xiàn)，確定性算法和全局性搜索的隨機性算法在參數(shù)較多的情況下，計算次數(shù)不相上下，故此選用全局性搜索算法。以遺傳算法為代表的隨機性方法不僅具有全局性優(yōu)化的特點，而且算法的魯棒性、可靠性和移植性好，所以遺傳算法在工程優(yōu)化中得到了廣泛的應用。

遺傳算法是由模擬生物進化過程演變而來的[9]，它的優(yōu)化機理是：從隨機生成的初始群體出發(fā)，采用基于優(yōu)勝劣汰的策略選擇優(yōu)良個體作為父代；通過父代個體的復制、雜交和變異來衍化進化的子代種群。經過多代的進化，種群的適應性會逐漸增強。針對一個具體的優(yōu)化問題來說，優(yōu)化結束時，具有最大適應值的個體所對應的設計變量值便是優(yōu)化問題的最優(yōu)解。

本文在優(yōu)化過程中使用兩種遺傳算法：鄰域培植遺傳算法NCGA和非支配解排序遺傳算法NSGA-Ⅱ，這兩種遺傳算法均是針對多目標設置的，只不過進化的選擇機制不同。NCGA算法在進行交叉的時候，不是在具有完全不同的遺傳因子信息的個體之間進行，而是在具有一定程度的類似體的個體之間進行的，這種近傍交叉的方法容易在多峰性問題上得到好的結果，并且由于在目標空間里沒有重復的個體，更具有容易生成更多樣的解的傾向，缺點是不會向適應度高的個體積極地施加選擇壓。而NSGA-II，除了保留NSGA的非支配排序以外的部分，又全面引入了存檔的概念，使得Pareto frontier具有較高的前進能力。作為NSGA中的適應度共享的替換方法，NSGA-II導入了“擁擠距離”和“擁擠距離排序”的方法。擁擠距離排序中不會削除frontier的端頭部分，所以frontier不會收縮到一部分的領域里。缺點是非劣解集合（F1）的大小超過了N，對F1使用擁擠距離排序時需要把非劣個體的個數(shù)限制為N個以下。

4 數(shù)值計算

由于計算的是翼型的水動力性能，Ma數(shù)很小，故其周圍的流動可看作不可壓縮的流動[10]。粘性不可壓縮流體流動的基本方程包括質量守恒方程（又稱連續(xù)性方程）和動量守恒方程（Navier-Stokes方程），在直角坐標系中的形式如下：

連續(xù)性方程：

動量守恒方程：

對于湍流運動，由于湍流流動中的物理量脈動是隨機變化的，可對湍流運動中的物理量進行長時間的時間平均，通過數(shù)值求解得到湍流流動中的時均物理量，引入雷諾平均的概念[11]。則連續(xù)性方程和動量方程如下：

連續(xù)性方程：

動量守恒方程：

其他變量的輸運方程：

根據對湍流應力作出的假定或處理方式不同，目前常用Reynolds應力模型和渦粘模型。其中，渦粘模型不直接處理Reynolds應力項，而是引入湍動粘度，或稱渦粘系數(shù)，然后把湍流應力表示成湍動粘度的函數(shù)，整個計算的關鍵在于確定這種湍動粘度。渦粘模型包括：零方程模型、一方程模型和兩方程模型。目前，兩方程模型在工程中使用最為廣泛，最基本的兩方程模型是標準k-ε模型，即分別引入關于湍動能k和耗散率ε的方程。此外，還有各種改進的k-ε模型，比較著名的是RNG k-ε模型和Realizable k-ε模型。標準k-ε模型用于強旋流或有彎曲壁面的流動時，會出現(xiàn)一定的失真；為此，需將標準k-ε模型進行改進。而RNG k-ε模型通過在大尺度運動和修正后的粘度項體現(xiàn)小尺度的影響，使這些小尺度運動有系統(tǒng)地從控制方程中除去。與標準k-ε模型比較，RNG k-ε模型主要變化是：（1）通過修正湍動粘度，考慮了平均流動中的旋轉及旋流流動情況；（2）在ε方程中增加了一項，從而反映了主流的時均變化率Eij，這樣RNG k-ε模型中產生項不僅與流動情況有關，而且在同一問題中也還是空間坐標的函數(shù)。從而，RNG k-ε模型可以很好地處理高應變率及流線彎曲度較大的流動。需要注意的是，RNG k-ε模型仍然是針對充分發(fā)展的湍流有效，而對近壁面的流動，使用壁面函數(shù)法可以達到較好的求解效果。

4.1 網格的生成

翼型NACA0012，Re=1e06，弦長為1m，反推來流速度為1.004 1m/s，網格數(shù)目為58 180，最大網格質量0.123 413。網格如圖1所示。

4.2 算例確認

計算時采用標準k-ε模型和RNG k-ε模型分別計算，其中的經驗常數(shù)取Fluent的默認值。采用二階迎風差分格式離散控制方程。邊界條件為速度入口，壓力出口，邊界湍流回流強度為0.5%，粘性率為5。在攻角為0°～14°之間的水動力性能，與實驗值相比較。如圖2和圖3所示。

通過與實驗值進行比較，可以看出隨著攻角的增大，升力阻力系數(shù)都在增大的規(guī)律。兩種湍流模型對升力性能的模擬都很精確，在阻力性能的計算上則較實驗值偏大，但阻力系數(shù)隨攻角增加而增加的發(fā)展趨勢與實驗值是一致的，而RNG模型的計算結果要好于STAND模型的計算結果。并且CFD計算的失速角度比實驗值多了兩度。原因在于在小攻角情況下，尚未出現(xiàn)邊界層分離，升力的主要成因是上下表面的壓力差，對邊界層內流動模擬的誤差在機翼上下表面抵消，而阻力的成因則主要是粘性的影響，對于近壁面和尾渦區(qū)，能否計算準確則要依賴近壁面區(qū)域的網格質量，尾部網格變化，湍流模型的選擇等等。

圖1 翼型網格Fig.1 The grid of airfoil

圖2 升力系數(shù)Fig.2 Lift coefficient

圖3 阻力系數(shù)Fig.3 Drag coefficient

5 優(yōu)化算例

由算例驗證可知，F(xiàn)luent數(shù)值模擬流場可行可靠。本優(yōu)化算例初始翼型仍然選用NACA0012，設計要求如下[12]：

（1） 6°攻角，RNG k-ε 模型進行 Fluent計算。

（2）約束條件為：優(yōu)化后的翼型最大厚度不小于原始翼型的厚度。

（3）要求提高升力、降低阻力和提高升阻比，同時還要求提高最小壓力系數(shù)值，使得空泡產生的時間延遲。

優(yōu)化方法采用iSIGHT提供的鄰域培植遺傳算法（NCGA）和非支配解排序遺傳算法（NSGA-Ⅱ），兩種優(yōu)化方法的參數(shù)均為：每代個體50，共20代，其余參數(shù)采用默認值。優(yōu)化結果見表1。圖4展示了優(yōu)化前后翼型變化。圖5展示了優(yōu)化前后翼型壓力分布圖。圖6-11為翼型優(yōu)化前后的等壓、等速圖，圖12分別為兩種遺傳算法的升阻比和最小壓力系數(shù)分布圖。優(yōu)化前最大厚度在0.3弦長處，為0.120 053，用NSGA-Ⅱ優(yōu)化后的最大厚度仍然在0.3處，只不過值增大為0.122 79，而用NCGA優(yōu)化后的最大厚度在0.25處，最大厚度為0.120 441。

表1 優(yōu)化結果Tab.1 Optimization results

圖4 優(yōu)化的翼型Fig.4 The optimized airfoils

圖5 壓力系數(shù)分布Fig.5 The pressure coefficient graph

圖6 原始翼型等壓線Fig.6 The isobar of original airfoil

圖7 原始翼型的等速線Fig.7 The isovel of original airfoil

圖8 NCGA等壓線Fig.8 The isobar of the optimized airfoil by NCGA

圖9 NCGA等速線Fig.9 The isovel of the optimized airfoil by NCGA

圖10 NSGA-Ⅱ等壓線Fig.10 The isobar of the optimized airfoil by NSGA-Ⅱ

圖11 NSGA-Ⅱ等速度線Fig.11 The isovel of the optimized airfoil by NSGA-Ⅱ

由圖4、圖5可見，數(shù)值優(yōu)化后翼型變?yōu)榉菍ΨQ翼型。NCGA優(yōu)化后的翼型中部向上拱起，使得最大升力系數(shù)增大，阻力系數(shù)也增大，最厚的地方略微向前移動，下翼面向上凹得明顯，尾部上表面稍稍下凹，且尾部梭形很明顯，尖端處與原始翼型基本重合，沒有變化。NSGA-Ⅱ優(yōu)化后的翼型中部拱起幅度增大，厚度也增加，這就解釋了其升力系數(shù)和阻力系數(shù)較NCGA優(yōu)化的值還高的原因，并且其下翼面相較NCGA優(yōu)化的翼型曲率更小。翼型整體向上拱起增大了有效攻角，雖然優(yōu)化翼型阻力有所增加，但是升力上升幅度更大，使得升阻比上升明顯，并且可以看出對于NSGA-Ⅱ優(yōu)化翼型，前緣半徑變化不大，所以其最小壓力系數(shù)的增加主要是拱度變化所起的作用，對于NCGA優(yōu)化翼型，前緣半徑稍稍變大，拱度也增加，所以其最小壓力系數(shù)提高值較NSGA-Ⅱ翼型大一些?？偟膩碚f，優(yōu)化后升阻比提高，最小壓力系數(shù)增加，優(yōu)化基本達到了目的。

圖12表示了計算后各方案的升阻比和最小壓力系數(shù)的分布圖，由圖可以看出升阻比最大的方案，最小壓力系數(shù)并不是最好，最小壓力系數(shù)最好的方案同樣升阻比也不是最大，由此驗證遺傳算法的尋優(yōu)是全局性的。

圖12 升阻比和最小壓力系數(shù)分布Fig.12 The lift-drag ratio and minimum pressure coefficient distribution of the optimized airfoils

6 結 語

本文利用遺傳算法結合N-S方程對NACA0012翼型進行了優(yōu)化，采用解析函數(shù)線性疊加法來表述翼型，并利用CFD軟件進行翼型的升力系數(shù)、阻力系數(shù)和壓力分布的計算。

算例結果表明，利用優(yōu)化軟件，選擇合適的優(yōu)化方法，結合CFD計算技術，在有效空間內進行充分搜索，可以得到全局最優(yōu)解。由于遺傳算法計算量大，計算搜索時間長，故采用改進的遺傳算法，即NCGA和NSGA-Ⅱ。由優(yōu)化結果可知，翼型的水動力性能得到了有效的改善，整體性能更好。本文在二維翼型的基礎上可以推廣到更廣泛的船用翼設計領域，進而推廣到多學科方面。

[1]王獻孚.船用翼理論[M].北京:國防工業(yè)出版社,1998.

[2]王一偉,鐘星立,杜特專.翼型多目標氣動優(yōu)化設計方法[J].計算力學學報,2007,24(1):98-102.

[3]王江峰,伍貽兆等.進化算法與確定性算法在優(yōu)化控制問題中的收斂性對比[J].計算力學學報,2004,21(3):349-355.

[4]韓永志.渦輪葉片多學科設計優(yōu)化及近似技術研究[D].西安:西北工業(yè)大學,2007.

[5]許 平,姜長生.基于遺傳算法及Hicks-Henne型函數(shù)的層流翼型優(yōu)化設計[J].空軍工程大學學報（自然科學版）,2009,10(1),13-16.

[6]劉 潔,楊愛民.基于遺傳算法的微型飛行器氣動力優(yōu)化設計[J].空氣動力學報,2005,23(2):173-177.

[7]張亞鋒,宋筆鋒.高升力翼型的氣動優(yōu)化設計和實驗研究[J].飛行力學,2006,24(4):70-72.

[8]Hicks R,Henne P.Wing design by numeric optimization[J].Aircraft,1978,15(7):407-413.

[9]王曉鵬,高正紅.遺傳算法在機翼氣動優(yōu)化設計中的應用[J].航空計算技術,1999,29(3),29-32.

[10]董世湯,王國強,唐登海,黃振宇.船舶推進器水動力學[M].北京:國防工業(yè)出版社,2009:173-174.

[11]容亮灣.水輪機葉片水動力分析及翼型優(yōu)化[D].哈爾濱:哈爾濱工程大學,2006:5-20.

[12]銀 波,徐 典,安亦然,陳耀松.基于iSIGHT平臺的三維機翼氣動優(yōu)化設計[J].應用數(shù)學與力學,2008,29(5):544-550.

Hydrodynamic optimization of 2D airfoil based on iSIGHT platform

MA Yan1,PANG Yong-jie2,FAN Ya-li1
(1 China Ship Scientific Research Center,Wuxi 214082,China;2 State Key Laboratory of Autonomous Underwater Vehicle,Harbin Engineering University,Harbin 150001,China)

A method of combining the CFD software—Fluent,with iSIGHT design platform was presented to optimize two-dimensional airfoil NACA0012 to improve its hydrodynamic performance.During the optimization,two kinds of the genetic algorithm(GA),the NCGA(neighborhood cultivation GA)and the NSGA-Ⅱ(non-dominated sorting GA)were employed and the Reynolds-averaged Navier-Stokes equations were adopted as the master equations of two-dimensional airfoil optimization.The optimization results showed that the hydrodynamic performance of the optimized airfoil was significantly improved,including its lift coefficient increased,lift-drag ratio increased,the minimum of pressure coefficients rising,the peak of upper surface decreased.The optimization method can be extended to a wide range of airfoils,and has great significance for the research of the marine airfoils.

multi-objective optimization;Navier-Stokes equations;genetic algorithm;hydrodynamic performance

O351.2 TP391.77

A

1007-7294（2011）08-0867-07

2010-11-17 修改日期：2011-05-08

馬 艷（1984-），女，中國船舶科學研究中心工程師，E-mail:m2006628@yahoo.com.cn；

龐永杰（1955-），男，哈爾濱工程大學教授。