AeroSandbox：基于自动微分的飞行器设计与优化工具

AeroSandbox 是一个 Python 包，用 NumPy 风格的语法编写飞行器设计优化问题，并通过自动微分加速求解，同时提供可微的航空物理模型。

这个工具是什么

AeroSandbox 由 Peter Sharpe（MIT）开发，采用 MIT 许可证，以 Python 包形式发布，代码以 Jupyter Notebook 教程为主要载体。它的核心是一个优化套件：用户用熟悉的 NumPy 语法描述设计问题，套件借助现代自动微分技术计算导数，从而提升大规模优化问题的求解效率。README 称，在笔记本电脑上，含数万个决策变量的设计问题可在数秒内求解。除优化框架外，它还内置了数十个端到端可微的航空航天物理模型，覆盖气动、结构、推进、任务轨迹与稳定性等分析环节，并允许用户替换为自定义物理模型。

核心能力

• 以 NumPy 风格语法编写优化问题，降低学习成本，复杂度可按需选用。
• 基于自动微分计算导数，README 称数万决策变量的问题可在笔记本上数秒求解。
• 内置数十个端到端可微的航空航天物理模型，覆盖气动、结构、推进与轨迹等。
• 支持同时优化气动、结构、推进、任务轨迹与稳定性，也可接入自定义物理模型。

科研中的典型用法

• 在概念设计阶段对整机方案进行多学科优化，权衡气动、结构与推进参数。
• 利用可微物理模型分析翼型与三维面板气动特性，并接入优化循环。
• 对太阳能飞机等方案做初步尺寸估算，考察不同季节与纬度下的设计权衡。

快速上手

通过 pip 安装完整依赖：pip install aerosandbox[full]。入门建议从仓库中的 Jupyter Notebook 教程入手，先熟悉其 NumPy 风格语法与自动微分用法，再逐步调用内置的气动、结构、推进等物理模型，或替换为自定义模型。

生态与相近工具

同领域常见工具包括基于梯度或启发式的多学科优化框架与气动分析工具。AeroSandbox 的差异在于把优化框架与可微航空物理模型放在同一 Python 包内，并保持 NumPy 式语法。若需要成熟的大型 MDAO 框架或高保真 CFD，可与其他工具配合；概念设计阶段则可优先考虑它。

项目信息

• 仓库：peterdsharpe/AeroSandbox
• 星标：1,339　·　派生：205
• 主要语言：Jupyter Notebook
• 许可证：MIT
• 最近提交：2026-09-15
• 项目主页：https://peterdsharpe.github.io/AeroSandbox/

本文属于《学科研究工具知识库 · 工程与材料》第 6 篇（按 GitHub 星标排序）。收录标准：该学科公开可获取的开源研究工具，星标与活跃度为主要参考，不代表对其性能或适用性的背书；选型前请结合自身场景评估。