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。     

改进型Gappy POD翼型反设计方法

 为了提高基本Gappy本征正交分解(POD)翼型反设计方法的精度,在原始方法快照采样过程中,调整参数化方法,并用已产生翼型中压力分布最接近目标压力分布的翼型替换基础扰动翼型,形成最优快照替换采样法。在迭代求解阶段,根据迭代产生的压力分布与迭代产生的翼型实际压力分布之间的误差,引入校正快照,并据此调整目标压力分布,形成校正迭代法。实际算例表明,最优快照替换采样法所采集快照张成的空间较原始采样法更接近设计目标。而校正迭代法较原始迭代法能明显提高反设计精度。但最佳模态数量的选择对于Gappy POD翼型反设计方法仍然是一个难点。     

翼型的气动最优化设计方法和反设计方法＊

本文将数值优化方法同计算流体动力学（ＣＦＤ）相结合,形成两种跨声速翼型的气动设计方法,即：最优化方法和反设计方法。采用求解Ｅｕｌｅｒ方程的有限体积法计算流场,通过结合优化算法,从正反两个方向对跨声速翼型进行气动优化设计。实例证明它们是翼型气动设计的有效方法,有较高的工程应用价值。     

翼型的气动最优化设计方法和反设计方法

本文将数值优化方法同计算流体动力学(CFD)相结合,形成两种跨声速翼型的气动设计方法,即:最优化方法和反设计方法.采用求解Euler方程的有限体积法计算流场,通过结合优化算法,从正反两个方向对跨声速翼型进行气动优化设计.实例证明它们是翼型气动设计的有效方法,有较高的工程应用价值.     

基于N-S方程的跨声速翼型多目标多约束优化设计

本文将粘性流场分析和数值优化方法耦合起来，发展了一种跨声速翼型设计方法，用以提高翼型在一个或多个设计点、在多种约束条件下的气动性能。由粘性流场分析程序计算得到的升力、阻力等气动参数构成目标函数，数值优化程序对其进行最小化。粘性流场分析采用了雷数平均Ｎ－Ｓ方程，这比过去翼型设计中使用的全速势方程或Ｅｕｌｅｒ方程更能模拟流动的本质，因而设计结果的可靠性大大提高了。优化算法采用传统的拟牛顿法（Ｑｕａｓｉ     

基于POD和ARMA的阵风响应预测降阶模型研究

针对阵风响应流场高效精确分析需求,基于非定常CFD数值模拟发展了一种快速流场预测的降阶模型。采用本征正交分解(POD)方法对高斯阵风激励的CFD非定常流场快照进行特征分析、并基于能量占比准则截取主要基模态来降维,采用自回归滑动平均(ARMA)方法建立各主要基模态系数的线性预测模型。采用NACA0012和DLR-F12的分析算例进行了验证,与CFD非定常计算结果对比分析表明,模型具有可靠的计算精度,适合于精确高效快速分析阵风响应,为阵风减缓设计提供技术支撑。     

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。     

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

基于本征正交分解的流场快速预测方法研究

对于飞行器气动设计,通过实验或CFD计算获得所有设计状态处流场信息成本高、耗时长,难以满足工程应用要求。利用基于本征正交分解(POD)降阶模型结合相应的插值方法,只需要通过实验或CFD计算获取有限个数的采样流场,可以快速预测出具有满足精度要求的设计状态处流场信息。首先,证明对POD基系数插值获取预测流场与对采样流场直接插值获取预测流场的等价性,并分析采样流场分布的要求。然后,以三段翼型流场作为研究对象,POD降阶模型分别与三次样条插值和径向基插值结合,实现设计状态处流场信息快速预测。最后,通过将流场预测结果与相同条件下的流场CFD计算结果对比,表明了POD降阶模型结合两种插值方法的各自特性。     

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。     

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Kriging模型的翼型多目标气动优化设计研究

在翼型气动优化设计中引入Kriging代理模型,发展了一套高效、稳定的气动优化设计程序。采用拉丁超立方试验设计方法在设计空间内构造一系列样本点,通过求解二维可压缩的雷诺平均NS方程（RANS）得到其响应值来建立初始Kriging模型。优化设计采用Hicks-henne函数对翼型几何外形进行参数化表示,以阻力极小化为设计目标,考虑面积、升力、力矩等约束条件,通过算例证明,发展的优化设计方法不仅可行,而且具有高效稳定的特性。与传统的优化设计方法比较,大大减少了设计时间。     

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.     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。     

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。     

高高空长航时无人机翼型优化设计研究

针对高高空长航时无人机的特点和使用要求,开展了高高空长航时无人机翼型的优化设计研究.为了提高采用遗传算法的气动优化设计的效率,将分布式计算与遗传算法相结合,形成了基于遗传算法和分布式计算的气动优化设计方法,并将该方法与基于反设计概念的工程方法相结合进行了高高空长航时无人机翼型的气动优化设计.设计实践表明,该方法是可行的,设计出的翼型是能够满足工程需要的.     

基于欧拉方程的二维振荡机翼非定常气动设计反命题方法

建立了基于欧拉方程组的二维振荡机翼非定常气动设计反命题方法的数学模型.通过一系列变换,将物理时空中的求解域转换成映象坐标系中的规范区域;并导出了映象坐标下的欧拉方程,结合非定常反命题的边界条件,便可用有限差分方法求解.本方法引入映象坐标系解决反命题边界形状的不确定性,并能利用欧拉方程现有的各种差分格式于反命题求解.