高升力翼型的气动优化设计和实验研究

利用遗传算法进行了低雷诺数高升力翼型的气动优化设计,并利用风洞实验检查了设计的正确性。优化后的翼型其气动特性有明显改善,这说明了利用遗传算法进行低雷诺数翼型气动优化的可行性。风洞实验结果验证了优化设计方法的正确性,同时也表明新设计翼型有较高的升力系数和相对大的升阻比,其升阻比提高了10%。     

基于遗传算法的翼型多目标气动优化设计

采用遗传算法实现了单/多目标情况下NACA0012翼型的气动优化设计。绕翼型的外部无粘流场解采用基于非结构网格的显式时间推进Jameson有限体积方法。遗传算法采用二进制编码,通过外部调用流场解算器对种群适应度函数进行评估。为提高计算效率,使用了动弹网格技术以及使得优化程序可以从任一进化代继续计算的中间进化结果存储技术。优化参数为翼型气动型面,分别以给定来流条件下的升力系数、阻力系数作为优化目标进行了单目标优化设计,并以此为基础,结合博弈论中的Nash博弈,实现了升力系数和阻力系数的多目标优化设计,得到了优化结果。分析表明,该方法具有较高的计算效率,能够给出更优的翼型气动性能,具有一定的实际工程应用前景。     

旋翼翼型多目标多约束气动优化设计

为了克服传统旋翼翼型优化设计方法的不足,发展了一种基于Kriging模型与遗传算法的旋翼翼型多目标多约束气动优化设计方法。采用基于雷诺平均Navier-Stokes方程的数值模拟获得样本翼型气动性能,并建立目标函数和状态函数的Kriging模型,采用遗传算法搜索Kriging模型最小值和相应的EI(Expected Improvement)函数最大值,更新Kriging 模型直至找到满足约束的最优翼型。运用加权目标函数法进行了旋翼翼型的多设计点优化设计。优化结果表明,优化后旋翼翼型在满足约束的同时,与基准旋翼翼型OA209相比:在悬停状态下,阻力系数下降了2.1%;在机动状态下,最大升力系数提高了4.2%;在前飞状态下,阻力系数在不同马赫数下均有所减小。     

基于代理模型的自适应后缘翼型气动优化设计

针对具有自适应后缘的跨声速翼型,基于代理模型和遗传算法相结合的优化方法,开展考虑自适应后缘结构约束的翼型气动优化设计研究。结果表明,低升力系数下翼面流场没有明显的能量损失,不同设计升力系数得到的自适应后缘翼型阻力相差不大;高升力系数下翼面附近存在激波,翼型阻力主要由激波强度决定。对于以低升力系数为设计点的基本翼型,通过后缘自适应变弯来调整载荷分布,可以降低翼面激波强度,减小翼型阻力;对于以高升力系数为设计点的基本翼型,可以直接通过气动优化来消除翼面激波,使得翼型阻力达到最小。因此对于带有自适应后缘的翼型,为了实现宽升力系数范围内的阻力最小,应首先以高升力系数为设计点完成基本翼型的气动优化设计,然后以低升力系数为设计点完成自适应后缘外形的气动优化设计。     

基于遗传算法的翼型气动优化设计

采用遗传算法进行跨声速翼型的反设计与阻力和升阻比的优化设计。翼型的反设计达到了设计要求,优化设计后的翼型其气动特性也有显著的改善,这表明了遗传算法应用于翼型气动优化设计的可行性。在优化设计的过程中,翼型由解析函数线形叠加法表示,目标函数和个体的适应值由二维欧拉方程的流场解来提供。     

垂直轴风力机翼型气动优化设计

对小型垂直轴风力机常用的NACA0015翼型进行优化设计,使其具有更优的气动性能。在优化过程中,利用CST参数化方法对翼型的几何外形进行扰动,选取翼型的厚度及弯度作为约束,翼型切向力系数作为目标函数,以基于非支配排序的遗传算法（NSGA－II）作为优化方法,最后建立优化流程,优化过程中利用XFOIL程序结合Viterna-Corrigan失速后模型计算优化前后翼型的气动性能。结果表明,与NACA0015翼型相比,优化后的翼型气动性能有了较大提升,最大升力系数提高了6．63％,最大升阻比提高了27．5％,最大切向力系数提高了22．7％。     

应用遗传算法的气动优化设计

首先对简单遗传算法进行改进，并对改进前、后算法的计算效率进行了比较；然后以跨音速翼型为例，应用改进的遗传算法进行气动优化设计。经过优化的翼型气动特性垢改善，表明了遗传算法在优化设计中的有效性。在优化设计的过程中，翼型用解析函数的线性叠加表示，目标函数和个体和适应值由欧方程的流场解来提供。     

基于遗传算法的旋翼翼型综合气动优化设计

结合直升机飞行特性及旋翼工作气动环境,提出了适用于中型运输直升机旋翼翼型优化设计的目标函数及约束条件.在此基础上采用遗传算法,以"黑鹰"(UH-60A)直升机旋翼翼型SC1095为基础翼型,进行多目标、多状态以及多约束条件下的旋翼翼型优化设计.优化翼型同SC1095翼型相比弯度稍大,最大厚度略有增加.结果表明:优化翼型气动力特性在满足约束条件的情况下,零升力矩系数减小了57.2%,最大升力系数增加了3.7%,阻力系数减小了7.5%.同时,非定常动态失速状态下的气动特性也有一定的改善,阻力系数和力矩系数的发散范围均有明显的减小.此外,悬停状态计算结果表明:采用优化翼型构成的旋翼与SC1095旋翼相比,具有更高的悬停效率及更低的力矩系数.      

气动悬浮列车单向翼翼型优化与地面效应分析

高速气动悬浮列车(Aero-train)是一种利用机翼地面效应原理的创新型高效高速低能耗高速列车。本文以LA203A为基础翼型,利用遗传算法与数值模拟的方法对基础翼型进行气动优化设计。通过对优化翼型的地面效应模拟分析,得出优化后的翼型其气动特性有明显改善,并由此得出气动悬浮列车单向翼离地间隙、迎角与阻力、升力、升阻比之间的关系。利用CFD技术对安装有基础机翼和优化后机翼的气动悬浮列车初始研究模型(AERO-1)整车气动特性进行数值模拟以及分析前后端机翼的流场特性,并利用风洞实验方法对装有优化机翼的气动悬浮列车初始研究模型(AERO-1)气动特性进行研究。利用遗传算法优化后机翼翼型升阻比特性较基础翼型最高提升26%,具备优化机翼的气动悬浮列车(AERO-1)在地面效应下的气动特性优于原始模型。本文研究为机翼地面效应分析以及气动悬浮列车研究提供理论依据。     

超临界翼型稳健型优化设计研究

基于标准遗传算法、RBF神经网络以及类函数/型函数变形技术建立了翼型气动优化设计系统,在选取3次CST方法即分别对翼型上下表面采用4个设计变量进行参数化,对某型客机基本翼型在给定设计指标下进行优化设计,分别研究了巡航状态下的气动优化,以及结合蒙特卡洛分析方法马赫数随机平均分布下的翼型稳健型优化设计。结果显示,优化后的翼型的气动特性有着显著提高。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。     

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。     

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Kriging模型的翼型气动性能优化设计

将基于Kriging模型的近似技术引入气动优化设计。通过计算两个测试函数的全局极值以及翼型几何形状的重构,比较了基于Kriging模型的优化方法与传统的梯度类优化方法、标准遗传算法的特点。结果表明基于近似模型的优化方法不仅全局性良好,而且有效节约了计算资源。用此方法进行了翼型的气动优化设计,目标函数为来流马赫数为0.7、攻角为3°时升阻比最大。设计结果表明,与参考翼型相比,优化翼型升阻比提高了81%,而翼型截面积减少不到1%,优化效果非常明显。     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.