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。     

基于高斯过程回归和遗传算法的翼型优化设计

针对高升阻比风力机翼型前缘曲率半径较大的问题,传统的翼型参数化方法前缘控制能力不足,且基于面元法XFOIL预测精度差的问题,利用增强类函数/形函数转换（CST）参数化方法控制翼型的形状变化、拉丁超立方实验设计、计算流体力学（CFD）流场计算模块、高斯过程回归模型和遗传算法,提出了基于高可信度Reynolds average Navier-Stocks（RANS）和高斯回归模型辅助遗传算法的翼型优化设计方法。结果表明:基于高斯回归模型的翼型优化方法,可以将优化所用CFD计算次数降低一阶,从而大幅度提升优化设计效率。由标准算例超临界翼型RAE2822的降阻设计表明,在百次量级的CFD次数阻力降低43.16%,激波被削弱且升力、力矩和面积严格满足约束。由风力机翼型NACA64618的最大化升阻比优化设计表明,所设计翼型不仅在设计攻角和副设计攻角处升阻比大大增加,在整个小攻角范围内其气动性能都得到了提升,且两个主设计点,无不良阻力的产生。      

基于CST参数化的翼型优化遗传算法研究

用外形建模的CST参数化方法,构建翼型几何可直接利用其后缘角、前缘半径等几何特征,其控制参数更能反映翼型特有的气动敏感性,有助于遗传算法搜索寻优。基于这一参数化方法,结合遗传算法,构造了用于翼型优化的设计方法。算法中,CST控制参数作为设计变量,采用二进制编码,并通过引入精英策略,提高了遗传算法的收敛性能。算法适应度评估涉及的流场求解则采用了基于Jameson有限体积法的Euler方程解算程序。先以NACA0012翼型为例,以其某一已知的表面压力分布为目标,进行了遗传算法的重构运算,给出了重构的翼型几何外形,验证了方法。在此基础上,进行了带约束的跨音速翼型优化设计,给出了升力系数极大化和阻力系数极小化等设计算例,展示出翼型优化设计的效果。     

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。     

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。     

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法的新能源无人机翼型优化设计

针对新能源无人机高空低速长航时的特点,开展对低雷诺数翼型气动性能优化研究。以带精英策略的非支配排序的遗传算法(NSGA-II)为优化算法,并采用CST(Class Function/Shape Function Transformation)翼型参数化方法,对低雷诺数翼型的多目标优化进行探讨。经过对AH79-100B翼型进行效率因子和俯仰力矩系数的多目标优化,结果是翼型的效率因子变化较小,但作为主要优化目标的俯仰力矩系数则有明显下降,成功降为优化前翼型的89%。这说明了该气动优化方法在低雷诺数环境下的有效性,为低雷诺数翼型的设计及优化提供参考。     

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。     

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DFFD技术的翼型气动优化设计

开展了直接操作自由变形（DFFD）技术在翼型参数化及翼型气动外形优化设计中的应用研究,应用该方法可以对翼型形状进行直接操纵和精细的局部修型,从而在一定程度上克服了自由变形（FFD）技术无法直接指定几何外形变形量的局限性。通过最小二乘模式根据翼型表面直接操作点的位移求解各个FFD控制点相应的位移,将翼型设计参数从FFD控制点转化为翼型表面的直接操作点,从而有效地减少了高阶FFD控制体进行翼型参数化时的设计参数个数。算例表明,相比于FFD方法,DFFD方法不仅具备直接操纵翼型几何外形的能力,更具物理直观性,并且比FFD方法具有更好的局部变形特性。运用该技术结合遗传算法对RAE2822翼型进行了气动减阻设计,显著减小了设计状态下翼型的阻力,并且可以有效施加如前后梁位置翼型厚度等工程实用的几何约束,证明了该方法的有效性。     

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。     

小型无人机翼型优化设计

采用类别形状函数变换（CST）方法对翼型参数化描述;利用Fluent软件,进行翼型升力系数和阻力系数的气动计算;以升阻比最大为优化目标,通过拉丁超立方设计生成样本点,建立了径向基神经网络（RBF）代理模型;使用粒子群优化算法（PSO）,在Isight平台上,实现对Clark Y翼型优化的整个过程。优化翼型升阻比比原始翼型提高了约10%,表明此种方法是可行的,可用于小型无人机设计的工程中。     

应用自由变形法的翼型几何外形参数化研究

对一种新的基于NURBS方法的自由变形参数化方法进行了研究,该方法继承了NURBS方法的优点并避免了其缺点。利用该方法对两副翼型分别进行了参数化和优化设计、反设计,流动控制方程为N-S方程,目标函数梯度计算方法采用了离散共轭方法。算例表明,自由变形参数化方法能够满足设计需要。     

基于伴随方程的翼型数值优化设计方法研究

对Ｅｕｌｅｒ方程为流动模型的翼型绕流,在微分方程生成的网格中,以Ｂ样条控制顶点为设计变量,用连续伴随方程法对翼型气动外形进行数值优化设计。给出了两个亚声速的反设计算例,验证了该方法的可行性。     

无尾飞机的高性能翼型设计研究

针对无尾布局飞机高升阻比与小低头力矩的翼型设计要求,在研究前加载与后卸载对翼型气动力影响的基础上,基于前加载与后卸载设计思想,采用调整翼型的厚度与弯度及其分布的翼型设计方法,很好地解决了无尾布局小低头力矩翼型设计问题,实现了具有高升阻比、小低头力矩的翼型设计目标。结果表明,该方法简单、易行,结果可靠,具有较好的工程实用性和操作性。     

基于遗传算法的低雷诺数高升力翼型的优化设计

利用遗传算法进行低雷诺数高升力翼型的气动优化设计,优化后的翼型其气动特性有明显改善,从而表明利用遗传算法进行翼型气动优化的可行性.在优化设计过程中翼型由解析函数线性叠加法表示,并对设计翼型进行了升力系数和阻力系数的气动计算,以提供目标函数和个体的适应值.     

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。