[论文解读] Efficient Reduction in Shape Parameter Space Dimension for Ship Propeller Blade Design

Andrea Mola, Marco Tezzele+5 more|arXiv (Cornell University)|May 15, 2019

Cavitation Phenomena in Pumps被引用 4

一句话总结

本文提出了一种基于主动子空间（AS）的降维方法，用于船舶螺旋桨叶片设计，通过识别一个主导线性组合来捕捉大部分性能变化，从而实现对20个几何参数的高效优化。利用PROCAL的势流模拟，该方法降低了计算成本，识别出关键设计影响因素（尤其是中段至叶尖的螺距），并实现了对叶尖涡流压力的约束优化，同时提升了效率而不牺牲推力。

ABSTRACT

In this work, we present the results of a ship propeller design optimization campaign carried out in the framework of the research project PRELICA, funded by the Friuli Venezia Giulia regional government. The main idea of this work is to operate on a multidisciplinary level to identify propeller shapes that lead to reduced tip vortex-induced pressure and increased efficiency without altering the thrust. First, a specific tool for the bottom-up construction of parameterized propeller blade geometries has been developed. The algorithm proposed operates with a user defined number of arbitrary shaped or NACA airfoil sections, and employs arbitrary degree NURBS to represent the chord, pitch, skew and rake distribution as a function of the blade radial coordinate. The control points of such curves have been modified to generate, in a fully automated way, a family of blade geometries depending on as many as 20 shape parameters. Such geometries have then been used to carry out potential flow simulations with the Boundary Element Method based software PROCAL. Given the high number of parameters considered, such a preliminary stage allowed for a fast evaluation of the performance of several hundreds of shapes. In addition, the data obtained from the potential flow simulation allowed for the application of a parameter space reduction methodology based on active subspaces (AS) property, which suggested that the main propeller performance indices are, at a first but rather accurate approximation, only depending on a single parameter which is a linear combination of all the original geometric ones. AS analysis has also been used to carry out a constrained optimization exploiting response surface method in the reduced parameter space, and a sensitivity analysis based on such surrogate model. The few selected shapes were finally used to set up high fidelity RANS simulations and select an optimal shape.

研究动机与目标

• 解决高参数空间下多学科船舶螺旋桨设计优化中的维数灾难问题。
• 开发一种参数化叶片几何生成器，能够基于NURBS分布从20个型线参数生成数百种叶片变体。
• 应用主动子空间（AS）以识别参数空间中的低维流形，该流形能捕捉对性能指标（如叶尖涡流压力和效率）的主导影响。
• 在降维空间中实现约束优化，以最小化声压并最大化效率，同时保持推力不变。
• 通过预先从降维空间中筛选最具前景的候选方案，减少高保真RANS模拟的次数。

提出的方法

• 采用自下而上的方法，基于NURBS开发自动化叶片参数化工具，将弦长、螺距、倾斜和掠角分布表示为径向位置的函数。
• 通过改变弦长、螺距、倾斜和掠角的NURBS曲线控制点，生成1100种叶片变体，共涉及20个型线参数。
• 使用低成本、高精度的边界元法（BEM）求解器PROCAL进行势流模拟，以评估设计空间中的性能表现。
• 对模拟输出应用主动子空间（AS）分析，识别出能解释性能指标方差绝大部分的20个原始参数的单一主导线性组合。
• 在主动子空间中构建一维响应面，以实现对最小叶尖涡流诱导压力和最大效率的约束优化。
• 将降维空间中的最优解映射回原始参数空间，并选择最优候选方案进行高保真RANS验证。

实验结果

研究问题

• RQ1 主动子空间能否在保留关键性能指标预测精度的前提下，有效降低20个参数的船舶螺旋桨叶片设计空间的维度？
• RQ2 哪些几何参数（如螺距、弯度、掠角）对叶尖涡流诱导压力和效率的影响最大？
• RQ3 基于主动子空间的低维代理模型能否在不增加计算成本的前提下，有效实现水声性能的约束优化？
• RQ4 结合势流模拟与主动子空间，能在多大程度上减少优化流程中所需的高保真RANS模拟次数？
• RQ5 所识别的主动子空间能否在多个目标（如压力、效率、推力）之间共享，以实现在降维空间中的多目标优化？

主要发现

• 主动子空间分析表明，所有性能指标（叶尖涡流压力、效率、推力）均可通过20个原始型线参数的单一线性组合准确近似。
• 主导主动变量对中段至叶尖区域螺距修改最为敏感，而叶片中部弯度变化则具有次级但显著的影响。
• 叶尖涡流诱导最大压力 $P_{\text{max}}$ 的响应面在训练集上达到80%的预测准确率，在验证集上为20%，且一维模型能够捕捉其核心行为。
• 通过在降维空间中进行约束优化所识别的最优叶片形状，在保持推力的同时实现了最小 $P_{\text{max}}$，并提升了效率，因此被选为高保真RANS模拟的候选方案。
• 整个优化流程将高保真模拟次数从潜在的数千次减少至仅一个最终候选方案，显著加速了设计过程。
• 该方法表明，20维设计空间可被有效简化为单一主导参数，从而实现在工程设计中高效且可解释的优化。