前加载翼型多点综合优化设计

前加载翼型具有低头力矩小、隐身性能好的特点,能够对气动和隐身特性进行合理折中,是理想的飞翼布局飞机截面翼型。首先介绍典型翼型参数化方法和评估方法,并对前加载翼型外形的控制能力进行评估,结果表明Hicks-Henne方法和CST方法对前加载翼型外形的控制能力较强,并且CST方法参数个数较少。然后依据飞翼布局飞机设计需求,在确定翼型设计状态和优化设计模型的条件下,将CST翼型参数化方法、N-S方程数值求解方法和遗传算法相结合进行前加载翼型多点综合优化设计,得到比参考翼型具有更大相对厚度和更优气动特性的设计结果。     

基于CST-GAN的翼型参数化方法

翼型参数化方法对于翼型制造、气动和隐身等的优化设计具有非常重要的作用,为进一步提高参数化方法的表示能力,避免在优化过程中产生奇异外形进而提升翼型优化设计效率,结合外形控制能力更加灵活的类别形状函数变换方法（CST）及能够学习数据潜在分布的生成对抗网络模型（GAN）,基于现有翼型数据库构建了一种新型翼型参数化方法：CST-GAN。通过考察生成翼型的几何质量及其表示误差,研究设计维度对CST-GAN翼型参数化的影响,并与Bezier、B样条及主成分分析（PCA）方法的表示精度进行了对比,最后基于该方法开展翼型优化设计。结果表明,该方法可以生成光滑、有效的几何外形,并能实现对翼型较为精确的描述。与其他几种常用参数化方法相比,CST-GAN方法具有较快的优化收敛速度和较好的优化效果,有助于改善优化效率,节约计算成本。此外,该方法鲁棒性强、易于实现,有拓展至三维机翼及整机的参数化建模并进行气动优化设计的应用潜力。     

基于CST参数化方法的翼型快速设计

为弥补传统飞机翼型设计周期长、代价高的缺点,将CST翼型参数化方法,与机器学习中的高斯过程回归方法相结合,通过对已有的翼型数据的学习,实现对未知翼型气动性能或者外形数据的快速准确预测。选取一组NACA四位族翼型,获得其CST参数描述数据,并分别计算其在一定条件下的升力系数、阻力系数和压力分布数据。利用这些数据对高斯过程回归模型进行训练,实现了翼型的快速正设计以及反设计系统。并将实验结果与采用NACA翼型参数表示法得到的预测结果进行了对比。实验结果表明,基于CST参数化方法的翼型快速设计准确度高、速度快,具有很大的应用价值。     

HicksHenne翼型参数化方法分析及改进

HicksHenne参数化方法是一种在翼型优化设计中广泛使用的参数化方法,详细探讨了HicksHenne参数化方法的特性,针对翼型设计的要求,分析并发现了标准HicksHenne参数化方法在翼型设计应用中存在的不足,即当采用有限设计变量进行翼型设计时,生成的翼型的后缘夹角与基准翼型相比不会发生改变。提出了改进的措施,用实际算例证明了改进后的HicksHenne参数化方法能够根据要求改变翼型的后缘夹角,并且保持了HicksHenne方法原有的优点,拓展了HicksHenne参数化方法的参数化设计空间。     

高升阻比翼型的设计

使用解析形状函数法和参数化翼型表示方法,将求解绕翼型流场的N-S方程解与优化方法相结合,可设计出新的高升阻比翼型.计算结果表明,设计的新翼型满足设计要求,且获得比原始翼型高得多的升阻比,翼型设计方法是实用的.参数化翼型表示法比解析形状函数法对给定的初始翼型离散数据的准确度影响更小,更适合用于新翼型的设计.     

基于DFFD技术的翼型气动优化设计

开展了直接操作自由变形（DFFD）技术在翼型参数化及翼型气动外形优化设计中的应用研究,应用该方法可以对翼型形状进行直接操纵和精细的局部修型,从而在一定程度上克服了自由变形（FFD）技术无法直接指定几何外形变形量的局限性。通过最小二乘模式根据翼型表面直接操作点的位移求解各个FFD控制点相应的位移,将翼型设计参数从FFD控制点转化为翼型表面的直接操作点,从而有效地减少了高阶FFD控制体进行翼型参数化时的设计参数个数。算例表明,相比于FFD方法,DFFD方法不仅具备直接操纵翼型几何外形的能力,更具物理直观性,并且比FFD方法具有更好的局部变形特性。运用该技术结合遗传算法对RAE2822翼型进行了气动减阻设计,显著减小了设计状态下翼型的阻力,并且可以有效施加如前后梁位置翼型厚度等工程实用的几何约束,证明了该方法的有效性。     

改进CST方法在翼型优化设计中的应用

形状类别函数变换(Class-Shape Transformation,CST)方法是近年来发展起来的一种新型气动外形参数化方法,该方法具有良好的鲁棒性,且涉及参数少、精度高,结果简单直观等特点,被广泛应用于翼型设计研究中。文章结合某小型无人机设计的工程实践,探讨了CST方法在小型无人机翼型设计中的应用,在借鉴他人研究成果的基础上,决定采用Bernstein多项式构建形状函数,分析了Bernstein多项式阶数对CST方法拟合精度的影响。仿真结果表明,当BPO4时,拟合精度能够达到满意的要求,可用于该型无人机翼型的设计与优化。     

基于实用参数控制的翼型参数化方法

在翼型的优化设计中,通常要对二元翼型进行参数化方法表示,其目标是利用较少的参数得到足够大的设计空间。分析了Hicks-Henne型函数叠加法和PARSEC几何参数法的特点和不足,提出了利用厚度、弯度等实用参数进行翼型定义的方法,该方法可以通过厚度和弯度参数更加直观地理解翼型轮廓和翼型基本气动性能。通过分析3种方法对5种翼型的最小二乘拟合结果得出结论:实用参数法的误差分布比较平均,且能够比另外两种方法更精确地表示翼型。     

工程翼型气动特性数据挖掘与建模

以伊利诺伊大学香槟分校UIUC的工程翼型库为研究对象,首先通过几何数据直接对比以及基于型函数/类函数变换(CST)的参数化方法实现了重复翼型和数据异常翼型的清洗;接着,对CST参数的取值分布规律进行分析发现其近似呈正态分布,对CST参数之间的关联规律进行挖掘得到翼型参数之间的相关性,并对CST参数进行聚类分析,其结果基本与工程翼型的分类一致;进一步,采用级差分析方法、SOM自组织映射方法和Apriori方法分析了CST参数与典型工况翼型气动特性之间的关系.其中,级差分析方法给出了各CST参数对气动特性影响的显著程度,SOM和Apriori方法则分析了CST参数和气动特性之间的相关性;最后,分别使用支持向量机(SVM)和深度神经网络(DNN)构建了CST参数与典型工况下气动特性之间的预测模型,在拟合和泛化能力方面,深度神经网络模型明显优于SVM模型.本文所得到的数据挖掘及建模结果可为工程翼型气动特性分析与设计提供支撑.     

基于两层POD和BPNN的翼型反设计方法

翼型优化过程需要大量的 CFD 分析,计算量大、耗时长。本文发展基于本征正交分解（POD）和反向传播神经网络（BPNN）的翼型反设计方法,该方法的优化过程如下：首先,通过 Hicks-Henne 参数化,在设计空间中构造翼型外形的样本库,并利用 Xfoil/Fluent 对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立 POD 模型,即两层 POD 模型,并得到对应的基模态系数;最后,使用 BPNN 建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测。通过算例分析,结果表明：在亚/跨声速状态,基于 200 个样本训练所得的两层 POD+BPNN 模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求。     

基于改进CST参数化方法和转捩模型的翼型优化设计

为提高翼型优化设计效率,增大设计空间,采用B样条基函数替代传统的形状类别函数(CST)方法中的Bezier多项式,增强了对翼型参数化表达的局部控制能力并提高了翼型局部表达精度。为了确保翼型在优化设计过程中的几何光顺特性和代理模型的准确性,采用小波分解技术提出了多分辨率翼型的局部光顺方法。采用基于本征正交分解(POD)的流场数值代理模型,并结合γ-Reθt转捩模型实现了快速准确的气动力与流动转捩预测。采用小波技术光顺的CST翼型参数化建模、POD流场数值计算代理模型以及γ-Reθt转捩模型,结合遗传算法建立了完整的翼型气动优化设计系统。针对低速层流翼型与超临界翼型进行优化设计,优化设计后的翼型升阻比分别提高了47.42%和45.85%,且对改进前后参数化建模方法的优化性能进行了对比,结果表明本文构建的翼型气动优化设计系统具备很高的优化效率。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法，通过对翼型几何特征提取、压力分布曲线的参数化，建立了卷积神经网络模型（CNN），并利用计算流体力学（CFD）的计算结果作为其训练样本，实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98，基于深度学习的计算方法耗时1.7 s，CFD方法耗时大于50 s，计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

基于CST参数化的翼型优化遗传算法研究

用外形建模的CST参数化方法,构建翼型几何可直接利用其后缘角、前缘半径等几何特征,其控制参数更能反映翼型特有的气动敏感性,有助于遗传算法搜索寻优。基于这一参数化方法,结合遗传算法,构造了用于翼型优化的设计方法。算法中,CST控制参数作为设计变量,采用二进制编码,并通过引入精英策略,提高了遗传算法的收敛性能。算法适应度评估涉及的流场求解则采用了基于Jameson有限体积法的Euler方程解算程序。先以NACA0012翼型为例,以其某一已知的表面压力分布为目标,进行了遗传算法的重构运算,给出了重构的翼型几何外形,验证了方法。在此基础上,进行了带约束的跨音速翼型优化设计,给出了升力系数极大化和阻力系数极小化等设计算例,展示出翼型优化设计的效果。     

结冰区流场特征一致的混合缩比翼型设计

提出了一种基于翼型前缘范围流场相似的多控制点混合缩比翼型优化设计方法:以前缘局部范围内的空间流场特征相同为目标,采用多目标遗传优化算法结合翼型参数化、多控制点、网格自适应技术及CFD,进行了不同工况下的混合缩比翼型设计,分别通过低湍流度风洞及结冰风洞对翼型的气动性能及积冰过程进行了实验。设计及实验结果表明:该混合缩比翼型与对应的全尺寸翼型在前缘15%弦长范围内的压力系数偏差均在5%以内,翼型绕流相似;在相同时间历程内两者的冰型增长及气动特性均具有相同的变化规律。该设计方法可以应用于不同实验状态下的混合缩比翼型的设计,提高多状态下结冰实验效率。     

考虑工程约束的高可信度气动外形优化设计

实际气动设计中遇到的工程问题较为复杂,然而能够用于实际工程设计的高可信度气动外形优化设计工具较少.基于飞行器设计工程实际中的各种复杂气动约束和几何约束要求,集成高可信度非结构网格RANS方程求解器、弹簧比拟网格变形技术、FFD外形参数化、RBF代理模型、粒子群优化器,构建多设计点气动外形优化设计工具,并应用于先进低速层流翼型和高亚声速超临界机翼的气动外形优化设计中(包括单设计点和多设计点),进行考虑/不考虑气动约束和几何约束的气动外形优化设计分析.结果表明:多设计点气动外形优化设计工具有效,约束条件和智能优化器自动有效地引导了层流翼型和亚声速机翼外形的有利改变.     

现代自然层流翼型的设计方法

本文介绍一种设计跨声速自然层流翼型的计算流体力学(CFD)方法。本方法采用“正反迭代、余量修正”设计原理,通过将跨声速翼型设计软件NPU-TD2D中的反设计程序进行改进,并与含有层、湍流混合边界层修正的跨声速层流翼型计算程序DLRBGKWALZ耦合,实现了在跨声速粘性流动条件下直接设计层流翼型。亚、超临界的设计实例和风洞验证表明,本方法可以在几个设计迭代内设计出压力分布、转捩位置及气动参数均准确收敛于设计目标的新翼型,是一种设计现代自然层流翼型的有效而实用的CFD方法。