Продукты
OPTIMENGA_AERO
Оптимизация формы аэродинамических крыльев, обладающих минимальным сопротивлением в задаваемых полётных условиях и удовлетворяющих заданным ограничениям
OPTIMENGA_AERO_WB
Оптимизация формы аэродинамических крыльев с учетом фюзеляжа
OPTIMENGA_AERO_ANALYSIS
Высокоточные расчёты вязких течений около аэродинамических тел сложной конфигурации, вплоть до полной модели самолёта
OPTIMENGA_UAV
Оптимальное аэродинамическое проектирование беспилотных летательных аппаратов в компоновке крыло-фюзеляж
Технология
Гибридный надежный, точный и вычислительно-эффективный глобальный генетический поиск оптимальных решений с использованием принципиально новой стратегии учёта нелинейных ограничений на оптимальное решение. Вместо традиционной стратегии, в которой маршрут поиска может проходить только через допустимые (удовлетворяющие ограничениям) точки, допущены маршруты, проходящие как через допустимые, так и через недопустимые точки. Информация из “запретных” (то есть не удовлетворяющих ограничениям) областей может оказаться очень важной, и путь к оптимальной точке, пролегающий через эти области, может оказаться существенно короче. Мы строим расширение целевой функции на множество недопустимых точек, что возможно в силу того, что Генетические Алгоритмы ( в противоположность классическим методам оптимизации) допускают негладкие расширения целевых функций.
Стандартные ГА обладают низкой вычислительной эффективностью в тех случаях, когда расчёт целевой функции является вычислительноёмким. Чтобы преодолеть это, мы используем Метод Аппроксимационных Моделей в специально разработанной нами форме Метода Локальных Аппроксимаций, в котором функционалы на решении аппроксимируются на основе локальной базы данных. База данных строится посредством решения уравнений полной математической модели в дискретной окрестности текущей базовой точки в пространстве поиска. С целью обеспечения глобальности поиска производятся внешние итерации, так что в каждой итерации финальный оптимум служит отправной точкой для следующей итерации.
Одной из основных трудностей в имплементации оптимизации форм является то, что для каждого вычислительного тестирования требуется новая расчётная сетка. Чтобы избежать проблематичного ручного построения сеток в ходе оптимизации и сохранить непрерывность оптимизационного потока, мы используем топологическое подобие тестируемых конфигураций, участвующих в процессе оптимизации, и строим сетки посредством быстрого автоматического преобразования начальной расчётной сетки, соответствующей стартовой геометрии.
Разработана многоуровневая стратегия параллельных вычислений на многопроцессорном кластере, позволяющая получать оптимальные формы в предельно сжатые сроки.
В процессе оптимального аэродинамического проектирования используются высокоточные численные решения уравнений Навье-Стокса.