基于特征正交分解的跨声速流场重构和翼型反设计方法研究

在二维流场的重构问题中应用特征正交分解(Proper Orthogonal Decomposition,POD)数据处理方法。利用CFD技术计算得到的流场快照对气动力模型进行降阶,然后利用基于POD的降阶模型(Reduced Order Model,ROM)对所需的流场参数进行重构,在快照范围内可以得到高精度的结果,且具有一定的外插能力。在翼型反设计问题中该方法仍然是成功的,通过修正快照向量,利用基于POD降阶模型的数据重构方法,由已知的翼型表面压力分布通过反设计就能够高效精确地得到对应的最优翼型形状,这极大地简化了翼型反设计问题。本文分别在跨声速范围对RAE 2822翼型的流场重构和Korn翼型及NACA 63212翼型的反设计进行了验证,证明了基于POD的流场重构和翼型反设计方法的有效性和高效性。     

模拟退火算法和POD降阶模态计算在翼型反设计中的应用

在翼型反设计中用模拟退火算法作为寻找目标函数极值的优化算法;对翼型流场的计算采用基于正交分解(Proper Orthogonal Decomposition-POD)的降阶模态,这种方法可以降低流场反复计算所需的大量机时。本文将二者结合,并应用到翼型反设计领域,对几个给定翼型压力分布反求翼型表面。计算结果表明本文方法是可行的,且优化算法具有全局优化和鲁棒性强等特点。此外,本文提出了用扰动翼型函数的方法形成POD降阶模态中的快照,利用这些快照形成的基模态,拓展了加鼓包函数方法的表达范围。     

基于改进Gappy POD方法的压气机叶栅气动外形反设计方法

针对压气机叶栅气动高效反设计,建立了基于Gappy proper orthogonal demcomposition(Gappy POD)的气动外形反设计框架.通过Kriging代理模型优化获得某型压气机叶栅的气动优化结果,并以此作为反设计目标基础.为进一步提高基本Gappy POD反设计的效率及精度,发展了基于自适应...     

基于Gappy POD方法的翼型流场分析

本文将Gappy POD方法用于翼型流场分析,得到了一种快速、高精度的近似流场分析方法。应用Gap-py POD方法进行流场缺失数据的填补,验证该方法的数据填补能力。流场分析时,以NACA0012为初始翼型生成POD基,将与初始翼型形状相近翼型的流场解作为缺失数据,使用Gappy POD方法进行填补得到该翼型的近似流场解。结果表明,Gappy POD方法可以快速得到与初始翼型外型相近翼型的高精度近似流场解。     

基于参数敏感性分析的反设计方法

在基于类别形状函数变换(CST)的反设计方法中,通过考察CST参数化与反设计过程,完成了基于参数敏感性分析的反设计,实现了翼型的快速、准确反设计;研究了Bernstein多项式阶数进化对反设计过程敏感性的影响。研究结果表明,在亚音速状态下,采用反设计方法能使设计压力分布较好逼近目标压力分布;在跨音速状态出现激波时或在计算过程出现迭代发散时,加入阶数进化手段后的敏感性分析方法能改善激波区域的敏感度,使迭代较好收敛。方法能够反映各种光滑翼型压力残差和翼型几何外形改变的关系,在给定状态下用初始翼型快速且比较准确地拟合目标翼型。     

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Euler方程的直升机旋翼翼型反设计方法

直升机旋翼流场的求解和贴体网格的生成是进行旋翼翼型反设计的关键,本文采用Euler方程求解直升机旋翼翼型流场,并通过求解泊松方程生成围绕翼型的网格.在此基础上,结合线化二维亚音速和超音速流的小扰动理论,采用MGM方程作为反设计方程,基于有限差分方法建立一套直升机旋翼翼型反设计的迭代方法.在给定的目标压力分布条件下,与CFD方法相结合,反设计得出满足要求的翼型,并与目标翼型吻合良好,表明本文建立的翼型反设计方法能够有效地用于直升机旋翼翼型设计.     

新型目标压力分布下的Licher双翼反设计方法研究北大核心CSCD

为了提高超声速气动构型的升阻比,减小激波阻力,使用反设计方法结合CFD技术优化Licher双翼,实际算例表明,来流马赫数1.7,无粘情况下只需迭代15步即可得到优化结果,优化后翼型波阻可减小25.5%,升阻比提高30.5%。随后依据翼型目标压力分布这一反设计关键点,分析了非零迎角下翼型各边的受力情况,指出了原目标压力分布的不足,并提出了一种新的阶梯形目标压力分布形式,该方法的优化结果可使升阻比提高49.8%。此外基于NS方程的优化结果表明,原目标压力分布的优化效果被削弱,升阻比仅能提高17%,而新目标压力分布的优化结果受到的影响较小,升阻比仍可提高49.2%,说明在考虑流动粘性特征时,阶梯形目标压力分布形式更具实用价值。     

新型目标压力分布下的Licher双翼反设计方法研究

为了提高超声速气动构型的升阻比,减小激波阻力,使用反设计方法结合CFD技术优化Licher双翼,实际算例表明,来流马赫数1.7,无粘情况下只需迭代15步即可得到优化结果,优化后翼型波阻可减小25.5%,升阻比提高30.5%。随后依据翼型目标压力分布这一反设计关键点,分析了非零迎角下翼型各边的受力情况,指出了原目标压力分布的不足,并提出了一种新的阶梯形目标压力分布形式,该方法的优化结果可使升阻比提高49.8%。此外基于NS方程的优化结果表明,原目标压力分布的优化效果被削弱,升阻比仅能提高17%,而新目标压力分布的优化结果受到的影响较小,升阻比仍可提高49.2%,说明在考虑流动粘性特征时,阶梯形目标压力分布形式更具实用价值。     

Kriging模型在翼型反设计中的应用研究

目前,基于Kriging代理模型的优化方法在气动优化设计中得到了广泛的应用,然而却并未能应用于气动反设计中。本文将翼型气动反设计问题转化为优化问题,利用基于Kriging模型的优化方法进行了翼型的单目标、多目标反设计,验证了Kriging模型在翼型单目标、多目标反设计中的适应性,并研究了模型加点准则对设计结果的影响;此外,将本文方法与多项式响应面模型优化方法、基于Adjoint的优化方法进行了比较,结果表明,该方法明显优于基于多项式响应面的优化方法,且与Adjoint方法相比,设计效率相当且具有更好的通用性。最后将本文方法应用于接近工程实际的在已有翼型基础上修改压力分布进行反设计,验证了本文方法的可行性。     

多目标自然层流翼型反设计方法

 进行了基于扰动放大N-因子的目标压力分布设计方法的多目标自然层流（NLF）翼型反设计方法研究。流场分析和转捩位置计算用XFOIL程序,大大减少了计算花费。用N-因子设计方法进行有NLF范围要求和满足气动约束的目标压力计算,压力恢复段的压力分布用Stratford分离准则来进行设计。用基于响应面方法的优化方法来进行反设计计算,使用不含二阶交叉项的二次多项式模型的响应面模型,大大减少了构造模型所需的试验次数;设计空间内试验点的选取满足D-优化准则。根据设计目标的设计状态,进行了多目标翼型反设计。计算结果表明,设计结果的层流范围和设计目标基本吻合,该方法可以用于NLF翼型的多目标反设计中。     

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。     

An inverse design method for supercritical airfoil based on conditional generative models

Inverse design has long been an efficient and powerful design tool in the aircraft industry.In this paper, a novel inverse design method for supercritical airfoils is proposed based on generative models in deep learning. A Conditional Variational Auto Encoder(CVAE) and an integrated generative network CVAE-GAN that combines the CVAE with the Wasserstein Generative Adversarial Networks(WGAN), are conducted as generative models. They are used to generate target wall Mach distributions for the inve...     

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。      

基于气动数值模拟的翼型反设计方法

将计算流体动力学（CFD）与反设计技术相结合,通过数值求解欧拉方程,对翼型绕流流场作出数值模拟,再用几何和流动控制方程,反复迭代求得满足给定流场的翼型。以NACA0012为初始翼型,RAE-2822为目标翼型,选取两种工况,都取得了满意的结果。     

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。