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。     

基于N-S方程的翼型气动优化设计

本文简要回顾了气动优化设计的最新发展，并采用连续伴随方法对粘性条件下的翼型气动外形进行了优化设计。设计过程中，采用B样条曲线的控制顶点作为设计变量，通过求解伴随方程得到目标函数关系设计变量的梯度，最后用最速下降法和BFGS变尺度法对二维翼型进行了外形优化，验证了本方法直接、快速的设计能力。     

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%。     

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。     

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。     

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。     

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。     

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。     

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%。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群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,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

利用试验设计法建立翼型气动特性的人工神经网络模型

建立了翼型气动特性预测的BP(Back Propagation)神经网络模型,重点研究了3种选取训练样本的试验设计(DOE)法:完全析因法、正交设计法和均匀设计法,对BP神经网络预测精度的影响,利用所建立的BP神经网络对FX63-137翼型几何型线进行了优化设计。研究结果表明:在因素数和水平数较少时,完全析因法、正交设计法及均匀设计法的平均测试误差分别为0.002%、0.029%、0.023%;在因素和水平数较多时,完全析因法的样本规模太大而不再适合,正交设计法和均匀设计法的平均测试误差分别为0.42%和0.15%,均匀设计法的预测精度更高,更适合于翼型气动特性预测的人工神经网络模型。优化后翼型的升阻比在迎角为0°~18°范围内均高于原始翼型,在迎角为1°、4°和15°时升阻比分别提高了4.38%、1.38%和5.51%。该研究方法及成果可以应用于翼型的多参数优化设计。     

应用Delaunay图映射与FFD技术的层流翼型气动优化设计

采用非均匀有理B样条(NURBS)基函数属性建立了任意空间的自由式变形(FFD)翼型参数化方法,进一步结合基于Delaunay图映射技术建立了结构对接网格变形模式,通过粒子群优化(PSO)算法进行参数化方法、网格变形模式以及计算流体力学(CFD)数值模拟技术之间的整合,研究、构建了气动优化设计系统,并对某型层流理念设计的高空长航时(HALE)飞机基本翼型进行气动优化设计。气动特性目标函数评估方法中,边界层转捩数值模拟技术采用γ-Re_θt转捩模型耦合剪切应力输运(SST)模式湍流模型。优化设计后翼型气动特性表明:采用相关技术建立的层流翼型气动优化设计系统对于层流理念设计的HALE飞机翼型的设计具备较高的优化效率。     

基于社会模型改进粒子群算法的翼型优化设计

为了解决粒子群算法在寻优过程中全局最优和局部最优的矛盾,通过在粒子群算法优化过程中引入鱼类的聚群行为,发展了一种基于社会模型的改进粒子群算法。算法以粒子可视范围的不同用法为基础,提出了两种不同的优化策略,同时探讨了种群规模等参数对算法性能的影响,并通过函数测试结果证明了两种优化策略的有效性和不同的优化特性。将改进的优化算法应用在翼型的气动优化中,显著改善了翼型气动特性,提高了算法的全局搜索能力,取得了良好的优化效果。     

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N-S方程的旋翼翼型优化设计方法

将N—S方程流场分析程序和序列二次规划结合起来，提出了一种工程实用的直升机旋翼翼型设计方法，以提高旋翼翼型在悬停、前飞和机动等多个设计点及在多种约束条件下的气动性能。由N—S方程计算得到的升力、阻力等气动参数构成目标函数，应用数值优化程序对其进行最优化。计算实例表明：本方法设计质量高，所需机时少，易于实施，有较大的工程应用价值。