Aerodynamic design optimization based on multi-attribute structured hybrid direct-search application to industrial problems

Abstract

La presente Tesis aborda el problema de la optimización aerodinámica, particularmente en el caso de grandes cambios de geometría. El enfoque propuesto es una búsqueda directa híbrida, estructurada y multi-objetivo y esta Tesis presenta el modelo MOST-HDS desarrollado para este propósito. Este modelo es una metodología general, automática, flexible y robusta que es aplicable a muchos campos diferentes de optimización aerodinámica y que combina elementos de búsqueda basada en gradiente, genéticos y enjambre. MOST-HDS se aplica a dos casos industriales relevantes y significativamente diferentes: el diseño de túneles de viento cerrados y el diseño del conducto de entrada de calderas industriales utilizadas en centrales de ciclo combinado. Los resultados obtenidos con la metodología de optimización propuesta muestran mejoras significativas respecto a los diseños tradicionales y, además, se obtienen diseños innovadores y no convencionales para ciertos casos, que también superan a las geometrías desarrolladas con las directrices actuales de diseño. Se presenta una comparación de MOST-HDS y la optimización basada en modelos aproximados (utilizando superficies de respuesta) y se discuten en detalle las ventajas y limitaciones de cada enfoque. Por último, el algoritmo desarrollado para esta Tesis también se aplica a un conocido y desafiante problema de prueba matemática (el conjunto de problemas WFG) y se compara con un popular y avanzado algoritmo multi-objetivo evolutivo, el NSGA-II. Los resultados son muy prometedores e ilustran el potencial que MOST-HDS tiene, asimismo, para optimización de propósito general.

The present Thesis tackles the problem of aerodynamic shape optimization, particularly in the case of big changes of geometry. The approach proposed is a Multi-Objective Structured Hybrid Direct Search and this Thesis presents the MOST-HDS model developed for this purpose. This model is a general, automatic, flexible and robust methodology which is applicable to many different fields of aerodynamic optimization and which combines elements of gradient, genetic and swarm search. MOST-HDS is applied to two relevant and significantly different industrial cases: the design of closed wind tunnels and the inlet duct design of industrial boilers used in combined cycle power plants. The results obtained with the optimization methodology proposed show significant performance improvements over traditional designs and, moreover, innovative and non-conventional designs are obtained for certain cases, which also outperform current design guidelines. A comparison of MOST-HDS and surrogate-based optimization (using response surfaces) is presented and the advantages and limitations of each approach are discussed in detail. Finally, the algorithm developed for this Thesis is also applied to a well-known and challenging mathematical test problem (the WFG test suite) and compared to a popular, advanced Multi-Objective Evolutionary Algorithm, the NSGA-II. The results are very promising and illustrate the potential of MOST-HDS for general optimization purposes, too.