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阻力和升阻比的优化设计。在优化设计的过程中,为避免进化的早熟和停滞,引入了自适应变异并对其作了适当的修改。进行减阻优化设计后的翼型其气动特性有显著的改善,这表明了遗传算法应用于翼型气动优化设计是可行的。在此基础上,进行了最大升阻比和双目标优化设计,得到了较为满意的结果。     

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。     

低雷诺数小型折叠无人机翼型优化设计

实现了一种可用于低雷诺数小型折叠无人机翼型优化设计的方法。采用Ferguson曲线对翼型进行参数化描述,并引入折叠状态下截面的几何关系作为附加约束,使用遗传算法和序列二次规划相结合作为寻优算法,对翼型升阻比和折叠空间允许的最大弦长进行优化。在isight平台上集成xFoil和matlab实现了这一优化流程。实例表明了方法的有效性,优化结果可以作为此类无人机翼型设计的参考。     

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%。     

低雷诺数高升力翼型的设计和实验研究

在翼型上表面的恢复区内采用修改后的Ｓｔｒａｔｆｏｒｄ理论的压力分布,然后应用Ｗｅｂｅｒ已知力分布求解翼型有的理论设计一 套在低雷诺数的新翼型。     

高亚音速低雷诺数翼型研究

高空无人机与常规的运输机以及通用飞机的气动力设计有很大的不同。文章介绍了飞行雷诺数在10^6量级、飞行马赫数在M=0．6左右高空无人机的气动力特点，分析了翼型在低雷诺数与高冒诺数条件下层流流动的特点以及工程设计中存在的问题。通过理论分析并结合工程设计中的经验，对高亚音速低雷诺数翼型设计思想进行了讨论，并进行了翼型的初步设计和结果分析。     

低雷诺数翼型的气动外形优化设计

对翼型参数化方法Parsec和Hicks-Henne型函数系列方法,进行了低雷诺数翼型的参数化描述研究。分析了低雷诺数翼型气动优化目标设置特点,确定改进的Hicks-Henne型函数作为翼型的参数化描述方法。从基于功率因子最大的角度出发,结合Kriging代理模型和遗传算法的运用,进行了低雷诺数翼型的气动外形正优化设计。引入传统高雷诺数翼型的多点优化方法,进行两组不同速度域、两种不同加权系数下的多点优化,优化速度域最大范围15m/s,并结合翼型的单点优化进行研究。结果表明:多点优化更适用于低雷诺数翼型的气动优化;如果某多点优化翼型功率因子均值提高29.54%、力矩系数方差降低27.79%,有利于飞行航时和稳定性提高;多点优化具有较好的工程应用价值。     

超临界翼型低雷诺数流动分析及优化设计

以高空长航时无人机(UAV)翼型研究为背景,对超临界RAE2822翼型在高空高亚声速下的低雷诺数气动特性进行了数值模拟及优化设计研究。采用求解雷诺平均N-S方程的有限体积法,对典型低雷诺数下RAE2822翼型绕流进行数值模拟,验证了SST k-ω湍流模型的可靠性和准确性;基于不同高度不同雷诺数下RAE2822翼型的计算气动力对比分析,研究了高度增大所带来的低雷诺数效应;通过对低雷诺数下超临界翼型表面流场结构及流动机理的详细分析,提出了一种弱化激波的翼型设计思想,并通过优化算例验证了该思想的可行性。     

低雷诺数下小型无人机翼型气动特性分析

以小型无人机翼型研究为背景,利用基于线性稳定性理论的eN方法对对小型无人机常用的翼型CLARKY在雷诺数Re=1.0×10~5、5×10~5、1.0×10~6,迎角由-5°~20°时的气动性能进行了计算和对比分析。随着雷诺数的增大,翼型上表面的转捩位置不断向前缘移动,气流分离则由完全分离逐渐转变为层流分离泡结构,使得翼型的最大升力系数和临界迎角增大,阻力减小,最大升阻比显著增大,有利迎角逐渐减小,翼型CLARKY的气动特性逐渐得到改善。     

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。     

基于遗传算法多段翼型外形优化设计

为提高多段翼型增升效能,开展襟翼外形和缝道参数同时优化设计研究。优化算法采用遗传算法,以求解RANS方程为气动特性分析方法,通过椭圆方程控制生成多段翼型外形,同时优化缝宽、搭接量、襟翼偏角等位置参数和襟翼外形控制参数,实现多段翼型优化设计。设计实践表明,与只优化位置参数相比,同时优化襟翼外形和位置参数得到的多段翼型有更大的升力系数,方法是可行的,具有一定的工程应用前景。     

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。     

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.     

基于分层策略的翼型多参量气动优化设计研究

与基于梯度的优化方法相比,遗传算法因其极强的鲁棒性、随机搜索及优化结果全局性等特点在工程优化中得到越来越广泛的应用。为提高优化设计的效率,改进了传统的遗传算法,采用并行分层策略基因遗传算法开展了翼型多参量气动优化设计研究,包括翼型和多段翼型的基因编码、外形参数化,以及动网格技术。结果表明,并行分层策略在得到较优气动优化结果的同时,极大地缩短了优化时间,提高了计算效率,具有广阔的工程应用前景。     

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。     

基于遗传算法及转捩模型的层流翼型优化设计研究

讨论了层流翼型对飞机机翼减阻的重要意义,概述了遗传算法的优化原理及其特点。在基准翼型的基础上,以Hicks—Henne型函数的解析函数线性叠加法来描述翼型。采用遗传算法完成了层流翼型优化设计。计算中采用了转捩模型耦合SST两方程湍流模式,通过求解雷诺平均的N-S方程组模拟了翼型的转捩流动。对计算结果进行了分析,分析表明优化翼型在升力特性、阻力特性方面比基准翼型有很大的提升,达到了优化升阻比的目标。