基于并行降阶建模的涡扇发动机噪声抑制随机优化算法与分析
最优化与控制
2017-04-05 v1
摘要
基于仿真的涡扇发动机短舱声学衬垫设计优化以用于降噪，可大幅降低实验设计所需的成本和时间。由于设计过程中的不确定性不可避免，提出了一种基于条件风险价值度量的随机优化算法，从而确定在不确定性存在下具有鲁棒性的理想声学衬垫阻抗。开发了一个并行降阶建模框架，显著提高了针对真实短舱几何形状的随机优化求解器的计算效率。降阶随机优化求解器执行时间少于500秒。此外，提供了状态系统和优化问题的适定性和有限元误差分析。
引用
@article{arxiv.1611.00671,
title = {Algorithms and analyses for stochastic optimization for turbofan noise reduction using parallel reduced-order modeling},
author = {Huanhuan Yang and Max Gunzburger},
journal= {arXiv preprint arXiv:1611.00671},
year = {2017}
}