本次分享內容為軸對稱可調進氣道的參數化建模及仿真優化，主要包括CAESES參數化建模、自動化仿真流程搭建、喉道方案AIPOD自動尋優、完整進氣道性能驗證四個部分，希望能在進排氣設計方面為大家帶來更好的思路。以M3+軸對稱進氣道設計為例（如圖1所示，案例來源于文獻《軸對稱變幾何進氣道初步研究》），該進氣道類型為混壓式，出口為亞聲速流動，對接亞燃沖壓發動機。中心錐可前后移動以適應不同的飛行馬赫數。當達到最高飛行馬赫數3.5時（如圖2所示），錐頂點形成的馬赫線剛好與唇口相交。考慮到是軸對稱流場，唇口又采用扇形壓縮面，無法直接通過氣動關系式換算得到最佳波系配置。因此，本文采用了參數化建模和仿真優化相結合的方法，最終實現了基于總壓恢復系數的快速尋優。

圖1 變幾何進氣道物理模型（來源于文獻）

圖2 軸對稱進氣道氣動原理

在混壓式進氣道設計時，需考慮進氣道的起動性能。在CFD計算時，如喉道面積過小或者背壓過大，都會因無法吸入指定流量引起進口倒流，進而導致計算發散，此狀態便無法得到計算結果。所以在設計優化過程中，對方案的起動性能驗證提出了要求。待進氣道能正常起動后，其出口總壓性能則跟喉道后的正激波位置息息相關，在擴張段中正激波越靠近喉道位置，進氣道的出口總壓越高。在仿真計算時，需要逐漸調高進氣道出口背壓，才能獲取接近臨界狀態的最高出口總壓性能。本文的優化操作流程如圖3所示，共分以下4個步驟：

步驟1：在CAESES軟件中創建參數化模型，通過參數控制內唇口、喉道的形狀變化；

步驟2：以批處理形式實現參數化模型導出、結構化網格自動生成、仿真計算、仿真數據導出等仿真流程，實現真個流程的自動化；

步驟3：獲取喉道截面的馬赫數和總壓，通過正激波公式換算得到波后總壓，并以此為優化目標在AIPOD軟件中搭建優化流程，通過優化算法自動尋優，快速獲取最優喉道方案；

步驟4：在最優喉道方案基礎上，連接完整擴壓器，并通過逐漸調高背壓的方式得到進氣道的最高總壓性能。

圖3  軸對稱進氣道優化流程

CAESES參數化建模過程

 

可調軸對稱進氣道方案建模在CAESES軟件中實現，采用了直線、F條線、圓弧等曲線類型，型線如圖4所示。進氣狀態保持不變，因此進氣道的唇口和錐體角度不做優化，設計特點如下：

（a）優化狀態為最高來流馬赫數M3.5（如有必要，可調整模型得到其他狀態模型）；

（b）錐體角度不變，喉道截面與錐體之間通過倒圓過渡，倒圓半徑可變；

（c）為喉道段添加水平直線段，可實現喉道段范圍及位置變化；

（d）前緣后的內唇口為直線段，之后采用F樣條與喉道實現切向連接，通過角度和曲率參數實現曲線變化；

（e）喉道截面的環形高度可變；

（f） 進氣道出口位置及尺寸不變。

圖4 軸對稱進氣道型線

自動化仿真流程

為保證計算精度，本方案采用結構化網格如圖5所示，對所有壁面進行套殼加密處理，喉道方案的網格量為4萬，擴壓器方案的網格量為5萬。仿真類型為軸對稱，采用遠場邊界條件，來流馬赫數為3.5，湍流模型采用 k-omega SST。

圖5  網格示意圖

整個仿真優化流程如圖6所示，完成軸對稱進氣道氣動設計后，使用CAESES軟件實現參數化建模，并用其耦合鏈接功能調用網格和計算腳本，實現仿真流程的自動化。在優化平臺軟件AIPOD中搭建完整的計算流程，以批處理的方式調用CAESES腳本（fsc文件），實現參數定義、幾何輸出、仿真計算、結果輸出等仿真過程。通過變量輸入功能，編輯fsc腳本文件，提取文件中的變量參數。通過參數提取功能，讀取仿真結果，并編輯正激波公式換算得到優化目標（波后總壓恢復系數）。最后，調用優化算法實現自動尋優，快速得到優化后的喉道方案和相應的仿真結果。

圖6 優化仿真流程

喉道方案AIPOD自動尋優

圖7-圖11為AIPOD中的實現優化的操作過程，共進行了8個步驟，依次實現了計算流程搭建，輸入文件添加，輸出文件添加，變量定義寫入，仿真數據讀取，優化目標換算，優化目標選擇，優化算法選擇等過程。

圖7 搭建計算流程

圖8 添加計算文件

圖9 定義優化變量

圖10 換算優化目標

圖11 選擇優化算法

原始方案的仿真結果如圖12所示，在來流馬赫數3.5狀態，喉道馬赫數為1.828，正激波后換算總壓恢復系數為0.697，完整擴壓器時最高背壓為200kpa，此時出口最高總壓恢復系數為0.586。

圖12 原始方案仿真結果

在AIPOD中，選擇獨有的SilverBullet算法進行自動尋優，為了驗證優化效果，也同時采用Nelder-Mead Simplex算法（單純形）進行了優化比較。同樣設置優化50個方案，Nelder-Mead Simplex算法優化列表如圖13所示，因涉及到進氣道不起動情況，該算法運行了14步便自動停止，無法繼續后續方案的探索。而SilverBullet算法則沒有受到不起動方案的影響，完整跑完了設定的50個方案如圖14所示。

圖13 Nelder-Mead Simplex算法優化列表

圖14 AIPOD-SilverBullet算法優化列表

優化歷程如圖15所示，Nelder-Mead Simplex算法探索到14步便戛然而止，總共得到12個有效結果。而SilverBullet算法則完整跑完設定的50個方案，得到17個有效結果。通過對比，SilverBullet算法在第4步便得到比Nelder-Mead Simplex算法最優解更好的方案，剔除中間30多個無效方案后，第48個方案為最優，表現出該算法在強約束下的穩健探索能力。

圖15 優化歷程圖

完整進氣道性能驗證

以兩個優化算法得到的最優喉道方案為基礎，添加了擴壓器，通過逐漸提高背壓仿真得到完整擴壓器性能如圖16所示。 相比原始方案，Nelder-Mead Simplex算法最高出口總壓提升2.7%，而SilverBullet算法提升了12.3%，優化效果更為顯著。 通過流場圖對比如圖17所示，通過唇口、喉道形狀的優化，在保證進氣道的正常起動前提下，喉道馬赫數由1.8下降到1.5，降低了正激波的總壓損失。 于此同時，因流動方向改善，擴壓器內側的流動分離影響區域也有所減少。

圖16 完整擴壓器性能對比

圖17 完整擴壓器流場對比

作為面向工業設計的通用優化平臺，AIPOD軟件操作簡單，界面友好，其自研的優化算法SilverBullet整合了智能采樣技術、耦合優化技術，以及一套核心的參數指標動態協調全局優化和局部探索力度，從而實現在（微）小計算規模下的高效優化性能的提升。在本算例的應用過程中，SilverBullet在不起動無法得到結果的影響下，依然跑完了50個方案的探索，展現了穩健的優化探索能力，非常適用于工業領域復雜問題的仿真優化。

此外，AIPOD軟件還具備代理模型訓練、代理優化等功能，對優化軟件感興趣的朋友可關注天洑公眾號或者天洑官網直接聯系我們。

參考文獻

1.  滕健，袁化成，軸對稱變幾何進氣道初步研究，中國力學大會，2011.

2.  梁德旺，袁化成，張曉嘉，影響高超聲速進氣道起動能力的因素，宇航學報，2006.

3.  袁化成，梁德旺，高超聲速進氣道再起動特征分析，推進技術，2006.