直接操作FFD技术在翼型气动优化设计中的应用

几何外形参数化技术在飞行器的气动外形优化设计以及多学科优化设计中是影响其结果和效率的重要因素之一。针对自由变形技术(FFD)无法直接操纵几何外形表面指定点位移的局限性,开展了直接操作FFD技术在翼型参数化及翼型气动优化设计中的应用研究。建立了由翼型表面控制点的位移反求各个FFD控制点位移的求解模式,有效地降低了高阶FFD控制体进行翼型参数化的参数个数,并且具备直接操纵翼型几何外形的能力,更具物理直观性。运用该技术对于跨音速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。     

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。     

超声速翼型气动优化设计

首先分析了几何外形和相对厚度对超声速翼型气动特性的影响。基于遗传算法(GA)和气动力快速工程算法,对于相对厚度为3.5%的多边形翼型进行优化设计,多边形翼型的优化外形趋于四边形,最大厚度点后移到翼型弦线的60%左右,随着迎角或者马赫数增大下翼面会变薄,上翼面变厚,最大厚度点相应稍有后移。对于相对厚度为4%的双圆弧翼型,采用两步优化设计方法,第1步优化结合基于B样条的类别形状函数变换(CST)参数化方法与小波分解方法,实现几何外形的局部控制与光顺处理,并且采用本征正交分解(POD)代理模型降低优化过程中流场计算的工作量;第2步优化采用基于Navier-Stokes方程的最速下降法(SDA),修正第1步优化中代理模型和小波光顺引入的误差;优化设计得到的翼型近似为四边形,其相对厚度最大点后移到翼型弦线的60%~65%处,升阻比可以提高7%。     

自适应翼型的气动外形优化设计

 二维翼型自适应的研究是设计自适应机翼的基础。提出了在不同 Ma数、迎角下,用 Powell法优化二维翼型前、后缘襟翼的偏转角,以获得比常规翼型在亚声速时升阻比大而在超声速时阻力系数小的自适应翼型的研究方案。并与原始翼型以及气动双目标 (亚声速时,大升阻比;超声速时,小阻力系数 )的优化翼型进行了比较,证明了自适应翼型比气动双目标的优化翼型气动效率更高。初步探讨了二维翼型前、后缘襟翼的偏转位置对气动效率的影响。     

基于代理模型的自适应后缘翼型气动优化设计

针对具有自适应后缘的跨声速翼型,基于代理模型和遗传算法相结合的优化方法,开展考虑自适应后缘结构约束的翼型气动优化设计研究。结果表明,低升力系数下翼面流场没有明显的能量损失,不同设计升力系数得到的自适应后缘翼型阻力相差不大;高升力系数下翼面附近存在激波,翼型阻力主要由激波强度决定。对于以低升力系数为设计点的基本翼型,通过后缘自适应变弯来调整载荷分布,可以降低翼面激波强度,减小翼型阻力;对于以高升力系数为设计点的基本翼型,可以直接通过气动优化来消除翼面激波,使得翼型阻力达到最小。因此对于带有自适应后缘的翼型,为了实现宽升力系数范围内的阻力最小,应首先以高升力系数为设计点完成基本翼型的气动优化设计,然后以低升力系数为设计点完成自适应后缘外形的气动优化设计。     

翼型气动优化设计问题多极值特性研究

认识翼型气动外形优化问题设计空间的多极值特性,有助于人们在翼型设计阶段选择合理的优化算法,提高优化效率、缩短设计周期。研究RAE2822 翼型在优化减阻过程中设计空间的多极值特性,采用ADODGcase2算例,使用自由变形方法(FFD)对翼型进行参数化,通过拉丁超立方抽样方法对翼型加入初始扰动;使用基于梯度的优化算法对经过不同扰动后的翼型进行优化,并将优化结果与全局优化算法的优化结果进行对比。结果表明:ADODGcase2可能是一个单峰值气动设计问题,梯度算法能够得到相对满意的最优解,并且具有更高的优化效率;在给定面积约束的条件下,对于翼型跨声速单点减阻优化问题,设计空间很可能是单峰值的,可直接使用梯度优化算法。     

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.     

基于深度学习的高速直升机旋翼翼型气动优化设计

针对高速直升机旋翼翼型的气动优化问题,建立了一种基于深度学习的翼型多目标气动优化框架。首先,搭建深度神经网络预测旋翼翼型气动力系数的代理模型。以SC1095旋翼翼型作为基准翼型,采用CST方法对翼型进行参数化表示,采用拉丁超立方采样方法生成用于深度神经网络训练的翼型数据集。综合考虑直升机前飞、机动和悬停状态等多设计点的气动性能,开展了基于深度神经网络的代理模型结合多岛遗传算法的高速直升机旋翼翼型多目标气动优化设计。优化结果显示：相比于基准翼型,在没有损失悬停和机动性能的前提下,优化翼型显著改善了前飞性能。分别采用基准翼型和优化翼型建立共轴刚性旋翼,计算并分析前飞状态下基准旋翼和优化旋翼的气动性能,结果表明优化翼型可以显著地提升高速直升机旋翼的气动性能。     

跨音速翼型气动优化设计方法

 提出了一种有效的跨音速翼型气动优化设计方法。翼型的流场解由欧拉方程的数值解提供。带约束条件的优化计算分别采用了直接法和间接法两种优化算法。算例结果表明,本方法提供了一种跨音速翼型改型设计及新翼型设计的有效工具。     

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。     

基于工程环境的气动多目标优化设计平台研究

工程环境中,飞机气动力设计面临在多个目标和多种约束条件下寻找最优值,需在较短时限内完成设计优化,并保证最终方案可靠。基于高性能计算环境,采用现代计算流体力学(CFD)数值模拟技术和优化技术等构建了面向实际工程的飞行器气动多目标优化设计平台:采用基于非均匀有理B样条(NURBS)方法的自由曲面变形技术,实现对工程复杂气动外形的参数化表达;采用网格变形技术,实现优化过程中计算网格的自动更新;采用基于有限体积方法和多块结构网格的雷诺平均Navier-Stokes(RANS)方程并行解算器进行气动力求解;采用基于精英保留策略的非支配排序的多目标遗传算法(NSGA-II)进行多目标全局优化求解;采用非线性单纯形算法进行局部优化求解,优化过程中,通过人工调整优化种群,引入人工经验,构建\"人在回路\"的设计流程。以某翼型/机翼气动力优化设计为例对该平台技术进行验证:多目标优化设计可得到清晰的Pareto前沿解分布;优化后的翼型/机翼在满足各项约束的前提下,具备更高的综合气动性能。结果表明:所发展的气动多目标优化设计平台具有很好的工程适用性。     

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。     

高维度气动优化问题的可视化方法

随着高可信度数值分析模型的参数维数的增加和非线性关联度的提高,不但计算量增加,针对二维和三维数据的常规可视化方法也难以直接、全面展示变量与响应函数之间的复杂关系。本文在总结常用低维度数据可视化方法的基础上,结合数据样本和响应面模型,利用MATLAB提供的基础数据分析与显示功能,发展了一种模块化的、复合及动态的可视化方法及工具,该方法可以系统、灵活地展示高维参数空间、多维响应函数空间,以及两者之间的关联关系。在测试函数和翼型气动优化问题上的应用表明该方法有助于提高高维问题的优化效率和质量。     

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。     

大型客机气动设计综述

“翼型”俗称翼剖面或叶剖面,是飞机机翼及尾翼、导弹翼/舵面、直升机旋翼、螺旋桨、风力机叶片等外形设计的基本元素和气动力的“基因”,也是影响综合气动性能的核心因素之一。自20世纪初莱特兄弟发明人类第一架飞机以来,翼型研究的每一次重要突破,都有力促进了航空飞行器的更新换代或性能的大幅提升。除了发展RAE、DVL、NACA、TsAGI等通用翼型族外,研究者们还针对性地发展了适用于各类飞机的翼型族,以及适用于直升机旋翼、螺旋桨和风力机叶片的专用翼型族。进入21世纪,随着现代数值模拟方法、流动稳定性与转捩预测、优化设计、试验测试技术等研究的进步,各种新的设计理念、优化方法和设计技术相继被提出,翼型研究也被赋予了新的使命和内容。本文立足飞行器设计和翼型研究的前沿,在回顾100多年来翼型发展历程的基础上,重点综述了翼型研究的最新进展,分析了研究现状,提出了未来发展方向。新一代翼型将适用于未来飞行器的发展需求,在宽速域、大空域、多物理场及智能变体等复杂使用条件下兼具优良的多学科综合性能。     

改进Hicks-Henne型函数法在翼型参数化中的应用

翼型参数化是翼型优化中的重要组成部分.以最常用的Hicks-Henne型函数法为基础,分析了此型函数对翼型后缘描述不精确的原因,并提出了改进方法.由于Hicks-Henne型函数在使用中需确定型函数峰值位置,即站位点和型函数的幅值大小,利用站位点生成函数,结合改变型函数幅值的思想,通过优化算法来自动调节站位点分布和型函...     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。