基于非线性伴随不确定性量化模型的叶片鲁棒优化方法

本发明涉及一种基于非线性伴随不确定性量化模型的叶片鲁棒优化方法，包括以参数化叶型为标称叶型采用流场求解器和伴随求解器求解标称压气机叶片的流场解和伴随解；根据叶片轮廓度偏差量，采用拉丁超立方方法对叶片进行采样，批量生成叶型样本，建立多目标鲁棒优化模型，并采用NSGA‑Ⅱ遗传算法进行鲁棒优化，得到优化后的标称叶型集。本发明在保证精度的同时大幅降低不确定性量化成本，提高鲁棒优化设计效率，依此方法加工出来的压气机叶片性能分散度更低，提高加工合格率，降低加工制造成本。