基于RBF神经网络和遗传算法的超声速Licher双翼优化设计研究

基于Busemann双翼的设计方法,采用径向基函数神经网络(Radial-Basis Function Neural Network, RBFNN)和基于遗传算法(Genetic Algorithm, GA)的优化技术对Licher双翼进行了优化设计以提高设计马赫数情况下的升阻比。通过计算流体力学(Computational Fluid Dynamics, CFD)方法在无黏性和黏性模式下对优化设计结果进行了验证。结果表明,与典型的Busemann双翼相比,优化后的双翼构型在无黏模拟情况下的升力和升阻比分别提高了27.3%和27.4%,黏性模拟情况下则提升了近60%和40%,表明本文采用的方法对于将双翼构型应用于未来超声速运输机领域具有很大的潜力。     

典型标模音爆的数值预测与分析

精确预测音爆对超声速民机的研制具有重要意义。主流的音爆强度预测方法分为两步,首先通过风洞试验或CFD方法得到近场音爆过压（Over-pressure）分布,再运用修正线化理论或非线性声学理论将近场过压传播至地面,最终获得地面音爆的声压信号。本文运用典型标模对当前音爆数值预测方法的精度进行了验证和确认。在近场音爆过压分布的数值预测方面,分别考察了超声速尖点构型前缘修形尺度、不同空间离散格式和无黏/有黏流动控制方程求解对近场过压计算结果的影响。远场音爆预测方面,以LM1021全机构型近场过压分布为输入,使用基于波形参数法的远场传播工具分别考察了不同离散格式和有/无黏性计算的近场过压分布差异对地面音爆结果的影响。算例结果表明,尖点构型近场音爆预测中进行几何修形是十分必要的,使用相对合理的过渡球半径可以保证近场音爆预测精度,过大的修形尺度会对激波形状、激波和膨胀波的峰值均产生较明显的影响;就近场波形而言,熵相容格式计算得到的结果与试验测量值吻合最好,但不同离散格式导致的近场预测波形差异对传播到远场的波形关键指标（主要是最大过压和上升时间）的影响很小;是否计入黏性对近场波形结果尽管仅有小幅的影响,但将近场信号传播到远场得到地面波形时,这些细微差异会在远场波形的音爆评价关键指标上表现出明显的区别。