基于N-S方程的翼型双设计点双目标优化设计

在使用N-S方程和尾迹面积分技术较精确地计算翼型气动阻力的基础上,对翼型进行参数化建模,应用Powell和目标组合方法讨论了翼型的双设计点双目标优化设计,并与单设计点单目标优化和单设计点双目标优化进行了对比.在给定设计条件下,2种翼型:RAE2822和"类全球鹰"翼型的计算结果表明,针对翼型设计状态,合理选择目标优化函数是必要和重要的;所采用的双设计点双目标设计方法可以兼顾多种设计状态,其优化翼型相对原始翼型具有更好的压强分布,有效提高了升力系数和降低了阻力系数;相对单设计点单目标优化和单设计点双目标优化翼型也具有更高的综合气动性能.      

下表面射流的超临界翼型气动性能分析

为探究下表面射流关键参数对超临界翼型气动性能的影响，采用雷诺平均NavierStokes(RANS)方程与Spalart-Allmaras(S-A)湍流模型进行数值模拟。通过比较基准RAE2822翼型与下表面射流翼型的流场，验证下表面射流能够在翼型后缘诱导产生逆时针分离涡，带动流线向下偏折，增加了翼型的等效弯度，同时加大前缘的吸力峰，从而提高翼型的气动性能。进一步探究射流位置、射流动量系数、射流角度、马赫数等关键参数对RAE2822翼型气动性能的影响规律。结果表明：给定状态下，下表面射流的位置越靠后，动量系数越大，翼型的气动性能越优。下表面射流在α=0°和2°时的最优射流角度为110°，在α=4°时的最优射流角度为160°，且在最优射流角度下能有效提高翼型马赫数在0.3～0.6范围内的气动性能。     

几何不确定性区间分析及鲁棒气动优化设计

不确定性因素会导致飞行器偏离预先设计的气动性能,造成气动性能下降甚至产生严重的后果。针对工程中无法给出准确的几何不确定性概率分布以及跨声速条件下非线性气动问题,对几何不确定性的非概率参数化建模进行了研究,并结合Kriging模型及最优化方法建立了快速非线性区间分析方法。采用该方法对对称翼型进行不确定性分析,获得了气动性能参数的定量变化区间。在区间不确定性分析基础上建立了鲁棒优化设计流程。基于区间序关系及区间可能度转换模型将单目标区间不确定性优化问题转化为多目标确定性优化问题,并采用基于Pareto熵的自适应多目标粒子群算法对优化问题进行寻优。考虑几何不确定性以及升力、力矩、面积约束,以阻力性能为目标对超临界翼型进行了鲁棒优化设计。与确定性优化设计结果对比表明,确定性优化设计在不确定性因素的影响下易失效,而鲁棒设计可得到更安全可靠的结果。      

带前缘小翼的扇翼翼型气动特性数值模拟分析

扇翼升力和推力的产生主要依靠翼型前缘弧形槽上方低压涡的形成，使得升力和推力具有较强的耦合关系，如何对其解耦控制是扇翼进一步工程应用的关键。对于扇翼翼型各项几何参数确定的情况下，前缘开口角的大小对扇翼气动性能的影响最大。因此考虑在基准扇翼翼型的前缘安装前缘小翼的方法来改变扇翼前缘开口角的大小，通过数值模拟的方法，对比分析了单片、双片和三片前缘小翼在不同前缘小翼偏转角、来流速度、迎角下对扇翼升力和推力的影响规律。结果表明:通过对前缘小翼偏转角的角度控制不仅仅可以改善扇翼的升力和推力，还可对低压涡的强度和位置进行控制，满足对扇翼气动力的主动控制要求，因而可实现对扇翼飞行器姿态进行操控的目的。      

基于N-S方程的尾迹面法翼型气动阻力计算

研究了计算翼型阻力改进的方法——尾迹面法及尾迹面积分的位置和相应的积分技术.在亚跨声速时分别采用了表面积分和尾迹积分求得给定翼型RAE2822的阻力.结果显示,2种方法具有相同的结果,表明尾迹面积分方法是有效的,与实验值吻合较好.尾迹面法中,尾迹面位置应处于离后缘相对弦长距离0.6~1.0之间.尾迹面积分方法中积分结果不依赖于物体的详细几何外形,可以预计对曲率变化大的三维复杂外形,该方法有更大的优势.      

用GAO-YONG湍流模式对翼型跨音粘流的数值模拟

应用GAO-YONG可压缩湍流模式,数值模拟了NACA0012,RAE2822翼型的定常跨音速粘流算例.对流项采用三阶ROE格式,扩散项采用二阶中心格式,用多步Runge-Kutta显式时间推进法求解空间离散后的控制方程.计算结果很好地预测了翼型表面的压力系数的分布、激波的位置、马赫数等值线的分布等情况,并且对翼型表面激波与边界层相互干扰以及层流向湍流的转捩问题进行了分析计算.计算结果与实验值符合很好,表明GAO-YONG可压缩湍流模式应用合适的计算方法能够高精度模拟翼型跨音粘性流动问题,并且基于GAO-YONG可压缩湍流模式各向异性湍流粘性的机理,提供了一种预测转捩起始位置的判别方法.      

鱼骨柔性翼段线性/非线性静气动弹性对比分析

鱼骨柔性翼作为一种性能优越的主动变弯度机翼机构形式,具有弦向抗弯刚度低、翼型厚度方向刚度高的特点,其在进行大弯度主动变形时结构存在较强的几何非线性且气动弹性效应显著。针对传统线性静气动弹性分析方法并不适用于鱼骨柔性翼段的气动弹性分析问题,以Bristol大学的公开鱼骨柔性翼段模型为研究对象,采用曲面涡格法（VLM）和非线性有限元耦合的非线性静气动弹性方法,以及传统气动弹性分析中常用的平面涡格法和线性有限元耦合的线性静气动弹性方法,分别对鱼骨柔性翼段进行大变形下的静气动弹性分析,并进行结果对比。对比验证了所用曲面涡格法与XFOIL软件气动计算结果。算例结果表明:鱼骨柔性翼段大变形下气动弹性效应显著,相比传统线性静气动弹性分析方法,非线性静气动弹性分析方法得到的鱼骨柔性翼段在大变形状态下升力系数最多减少8.28%,力矩系数最多减少6.86%,且能准确快速得到真实变形结果,更具有实际工程应用价值。      

高升力与失速特性缓和的翼型设计研究

为了探索适用于长航时飞行器的翼型设计思想、方法和技术,进行了新型高升力及失速特性缓和的BUAA-K1/BUAA-K2翼型的设计研究.风洞实验结果表明,与配置著名GAW-1/GAW-2翼型的机翼比较,配置BUAA-K1/BUAA-K2翼型的机翼最大升力系数和最大航时因子分别提高了15%和25%,并且实现了同时具有高升力和失速特性缓和的气动特性.     

机翼后缘连续变弯度对客机气动特性影响

后缘连续变弯度机翼在提高民用客机气动特性方面有较大的潜力,近年来被广泛关注。基于建立的全局优化设计系统,研究了机翼后缘连续变弯度对宽体客机翼身组合体气动特性的影响。首先,采用自由型面变形(FFD)技术建立了后缘连续变弯度的参数化方法。然后,采用RANS方程作为流场评估方法,针对翼身组合体构型设计点附近升力系数开展了机翼后缘连续变弯度气动减阻优化设计。最后,探索了仅外翼段后缘连续变弯度和内外翼后缘均连续变弯度优化设计结果的异同。优化结果表明,升力系数小于设计升力系数时,在只考虑外翼段后缘连续变弯度的设计中,不易实现激波阻力和诱导阻力同时降低,考虑内翼段后缘连续变弯度后,减阻量较前者更为明显;升力系数大于设计升力系数时,外翼段和内外翼的后缘偏转均可实现诱导阻力和激波阻力的同时降低,且减阻量相差不大。     

翼型气动性能鲁棒性优化设计

讨论了一种在来流速度不确定的情况下对翼型进行鲁棒性设计的方法.介绍了单点及多点设计方法后,阐述了鲁棒性设计方法在翼型气动性能优化中的应用,并对三者进行了比较.引入了代理模型以减少计算量, 并通过遗传算法对翼型进行鲁棒性设计.借助区间分析方法讨论了翼型设计变量的扰动对气动特性上下界值的影响.应用该方法,在提高了翼型的气动性能的同时,降低了该性能对于来流速度的敏感度.      

利于翼型优化设计的超临界翼型参数化方法

为减少超临界翼型优化中的设计变量,消除优化结果的不光顺现象、保证C₂连续,在优化过程中控制翼型几何特性的变化范围,设计出了由4条首尾相接的有理Bézier曲线表示的超临界翼型的翼型参数化方法,该方法对翼型数据的参数化过程中主要运用了Bézier曲线拟合算法与SPSA(Simultaneous Perturbation Stochastic Approximation)优化算法,并在Bézier曲线拟合算法中使用了有别于常用方法的数据点参数选择方法.将这种超临界翼型参数化方法与优化算法结合便可实现翼型优化设计,其中的设计变量为21个,优化结果不仅光顺且满足C₂条件,通过设定设计变量变化范围便可控制相应的翼型前缘半径、上下弦最高最低点的位置与曲率、尾部契角等几何特征.      

跨音速翼型的气动最优化设计方法

将计算流体动力学(CFD)与最优化技术相结合,通过数值求解欧拉方程,对翼型绕流流场作出了数值模拟.再利用几何、流动和最优化控制方程,反复迭代求得在一定约束条件下气动性能最优的翼型.本文以NACA0012为原始翼型,选取两种设计工况,都取得了满意的结果.     

一种跨声速定常流场求解加速方法

跨声速定常流场的隐式求解相当于使用牛顿迭代法求解一个非线性方程组。为满足牛顿迭代收敛性的要求,通常需要对所求解问题进行全局化处理。在同伦延拓的框架内,提出了一种基于拉普拉斯算子的方程延拓方法,提高了定常流场隐式求解收敛速度。针对定常流场通常初始化为均匀来流的特点,一方面利用拉普拉斯算子的椭圆性加快边界条件信息向流场内部的传播,另一方面利用拉普拉斯算子的线性和正定性改善延拓问题的正则性,综合两者增加拟牛顿算法的稳定性,提高可用CFL数,最终达到提高流场求解效率的目的。由于流场问题的复杂性和非线性,难以通过理论分析得出先验的最优非线性求解策略。因此,通过无黏NACA0012翼型、湍流RAE2822翼型和三维ONERA M6机翼等算例的数值实验,研究了拉普拉斯项参数对收敛效率的影响,给出了效率较优的参数组合,验证了本文方法在跨声速情况下相对于经典伪时间推进法可以节约20%以上的CPU计算时间。