典型翼型参数化方法的翼型外形控制能力评估

现代飞行器的精细化设计需求要求翼型参数化方法具有精准的翼型外形控制能力。依据标准的风洞模型公差要求,以五个典型翼型作为测试翼型,分别对Hicks-Henne参数化方法、样条参数化方法、PARSEC参数化方法和CST翼型参数化方法的翼型外形控制能力进行评估,依据每个翼型参数化方法的评估结果并结合其固有特点进行适应性分析。结果表明:四种翼型参数化方法对翼型外形的控制能力存在较大差别,具有不同的适用范围。评估典型翼型参数化方法的所得结果可指导设计人员依据具体的设计需求选择适当的翼型参数化方法。     

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。     

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。     

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。     

NSGA-Ⅱ算法的改进及其在多段翼型缝道参数优化中的应用

提出了NSGA-Ⅱ算法的一个改进方法,对加入新种群的父代种群个体进行精英筛选,从而增加了新种群中新个体的数目,以实现更好的全局寻优。选取一个有理论解的优化问题,对算法全局寻优能力的改进进行了验证。随后使用改进后的NSGA-Ⅱ算法作为核心算法搭建了集群并行优化平台,对多段翼型的缝道参数进行优化设计,获得了较为满意的结果。优化验证算例显示,该集群并行优化平台具有较高的效率和可行性。     

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。     

改进参数化方法及在低空风切变中的应用

研究对参数化方法进行必要的改进,从而使该方法更好地用于求解最优控制问题。改进的基本思路是设法降低利用该方法转换而得的非线性规划子问题的维数。通常在利用参数化方法求解最优控制问题时,由于对控制变量和状态变量同时参数化,从而导致所转化而得的非线性规划子问题维数高,求解难。通过分析认为,只需对控制变量参数化,而对状态变量在时间节点处的值,则可通过对最优控制问题的微分约束进行分段积分求得,从而降低了转换而得的非线性规划子问题的维数,有利于该算法进一步推广应用。利用改进算法求解了飞机在低空风切变中的最优着陆轨迹问题,求解结果表明,改进算法可以顺利求解一类最优控制问题。     

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。     

基于变精度遗传算法的翼型快速优化设计方法

低碳环保的电动飞机在要求较高升阻比的同时,需要尽量降低成本、缩短研制周期。但高精度的数值模拟时间代价很大,因此针对电动飞机翼型设计中初始翼型较难选取、优化速度较慢的问题,提出了一种基于变精度遗传算法的翼型多点快速优化方法。以常用的 Hicks-Henne 型函数为基础,改进了其对翼型后缘描述不精确的问题。在数值模拟阶段,介绍了一种快速气动参数计算软件XFOIL,并分析了该软件的适用性与局限。之后给出了使用XFOIL 与 Matlab 进行联合求解的方法,在无人干预的情况下完全实现了翼型设计与优化的自动化,提高了设计效率。在翼型优化阶段,为保持较高的精度和寻优效率,设计了翼型参数的实数编码方法。针对传统遗传优化算法了改进,设计了染色体变精度杂交方法以及动态惩罚方法。最后,给出了基于遗传算法的多点优化方案,以及翼型多目标快速优化一体化设计方案。仿真分成两部分进行,首先改进的 Hicks-Henne 型函数能够有效实现参数化翼型的后缘夹角改变。通过与 NSGA-II 方法的优化结果对比,本文的方法在一定迭代次数范围内获得的升阻比更高,失速特性更加缓和,特别是在综合提高翼型优化效率方面表现较好。仿真结果表明,该方法能够快速获得多种工况下具有较高升阻比的翼型,也可以作为进一步优化的初始翼型,能提高翼型优化效率。     

基于细菌觅食性的改进粒子群优化算法翼型设计

提出了一种基于细菌觅食性的改进粒子群优化算法。该算法以粒子群优化算法的社会模型为基础,添加了个体之间的交流项,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,同时,引入了细菌觅食算法中的趋化和驱散机制,使得算法能够有效地跳出局部最优。函数测试结果表明,该算法显著地提高了粒子群优化算法的寻优性能,并将该算法应用到了翼型设计之中。     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法,其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足,采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估;通过改进随机游走策略来提高局部搜索能力;通过引入改进的自适应丢弃概率策略来提高算法的收敛速度;加入档案管理机制,提高解的均匀性。典型的多目标数值算例结果表明,改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例,将改进的MOCS算法应用于多目标气动优化中,改进的MOCS算法共获得64个Pareto解,优化后的翼型气动性能有明显的提升,设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题,改进的MOCS算法与目前主流的NSGA-Ⅱ相比,收敛速度更快。     

跨声速翼型优化设计的复变量方法应用研究

应用复变量方法计算目标函数关于设计变量的灵敏度,以此进行优化设计.该方法尽管计算量较大,但求灵敏度简单易行,适合目标函数比较复杂的情形,而且精度很高,几乎不受扰动步长影响,数值优化过程特别健壮,所以非常适用于设计变量不多或气动力计算很快的情况.     

基于适当控制翼型演化历程的气动设计方法

本文提出一种翼型设计的新方法,它基于适当控制翼型演化历程,采用求解非定常流动控制方程的方法,实现了翼型反问题的高效求解.同时在笛卡尔坐标系中应用Level-Set函数,避免了贴体动网格的采用,从而大大减少了所需计算工作量.     

基于粗糙度敏感性研究的风力机专用翼型设计

对几个具有代表性的风力机常用翼型的几何特性和气动特性进行分析研究,详细探讨了各种翼型的前缘粗糙度敏感特性情况。基于一种新的翼型几何形状表征形式,以设计攻角工况下光滑条件和粗糙条件下的升阻比加权值为目标,优化设计得到了一种相对厚度为24.7%的风力机专用新翼型。对新翼型在主要工作攻角范围的升力特性、阻力特性及升阻比特性进行了研究,并详细分析了新翼型在不同工况下的气动特性情况,研究结果表明:新翼型具有低前缘粗糙度敏感性和低湍流敏感性;在设计和非设计运行工况下都具有很好的气动性能;雷诺数的升高和三维旋转效应对风轮叶片新翼型的气动特性具有促进作用。     

基于响应面的翼型稳健设计研究

翼型的稳健设计就是要考虑环境中不确定因素的影响,提高翼型的性能,同时保证翼型性能对环境因素的变化不敏感的设计方法。本文应用响应面模型,通过减小翼型在不确定因素变化范围内阻力系数的均值和方差,构建了一个有效的翼型稳健设计的方法。应用本文的方法,选择马赫数作为不确定因素,假设马赫数在0.7~0.8间均匀分布,在满足升力约束条件下最小化阻力系数,结果证明本文的方法进行翼型的稳健设计是可行,高效的。     

曲形槽道ABLE概念在超声速翼型减阻中的应用

发展了曲形槽道人工钝前缘(Artificially Blunted Leading Edge,ABLE)的概念并将其应用于菱形超声速翼型减阻,阐述了曲形槽道ABLE构型的优点以及减阻原理,采用数值模拟方法对不同参数的ABLE翼型进行了对比研究,数值结果表明,槽道参数设计合理时,能以较小的驻点热流值增量为代价,使本文所讨论翼型的最大升阻比提高20%左右;初步总结了曲形槽道ABLE用于超声速翼型减阻的规律。     

基于逐次升阶的翼型参数化与气动优化方法研究

研究了基本Bezier样条曲线的特性,对比了不同阶次Bezier曲线对超临界翼型的几何描述能力以及由几何偏差带来的气动性能的偏差。利用Bezier曲线的特性提出逐次升阶的翼型参数化方法,结合改进的粒子群优化算法,建立了逐步扩展设计空间的气动优化设计方法,兼顾设计空间和优化效率,很好地解决了设计质量和设计效率之间的矛盾。最后通过典型翼型的优化设计,对比了文中方法与传统Hicks-Henne型函数方法,验证了文中方法的可行性和高效性。