经典跨声速翼型RAE2822数据分析

经典跨声速翼型RAE2822风洞试验数据长久以来被广泛用于CFD计算方法和软件的验证与确认，但是数据的正确使用或者说合理使用仍存在一些需要研究和注意的问题，包括计算网格、风洞试验数据修正、中弧线修正、翼型几何定义和建模，以及摩擦阻力系数和边界层速度剖面的原始定义等。在开展CFD研究之前，必须首先对计算方法进行验证，尤其是要先尽可能消除计算结果对计算网格的依赖性；经过对目前可开放使用的计算网格的不足之处进行分析，研制了一套高品质的计算网格并获得了预期的一阶网格收敛性；通过计算软件交叉验证，进一步确保所用计算软件的可信度。在将CFD计算结果与翼型风洞试验数据进行比对时，通常需要对马赫数和攻角进行修正，且如何修正是一个需要持续研究的问题；翼型中弧线修正是一种有效的方法，但需要考虑流动参数的影响。原始翼型几何构型采用有限离散点定义，计算网格生成过程中需要采用插值方法布置型面网格点，不同插值方法对于翼型前缘附近流动的数值模拟有细微影响。多数相关研究工作只比对压力分布；少数研究工作会比对摩擦阻力系数、边界层及尾迹速度剖面，但在比对时，需要注意原始风洞试验相关参数定义与CFD计算常用定义的区别。     

基于SST全湍流伴随的尾桨翼型优化方法

为解决当前翼型优化中广泛使用的冻结湍流黏性假设存在的固有缺陷和基于Spalart-Allmaras(S-A)全湍流伴随中湍流模型对气动力计算精度较差的问题，提出一套新的翼型优化方法，其耦合了全湍流连续伴随求解、剪切应力传递（SST）湍流模型封闭的雷诺平均Navier-Stokes(RANS)方程、自由变形参数化方法和动网格变形技术。基于所提方法，在气动力系数相较于S-A模型有更高捕捉精度的基础上，对NPL9615翼型以最大升阻比为优化目标，并与冻结湍流黏性假设方法对比。结果表明：所提方法将原有翼型的升阻比提高了16.39%，而冻结湍流黏性假设方法获得最终翼型的升阻比仅提高了原有翼型的9.84%，说明所提方法在最优外形的获取上要领先于冻结湍流黏性假设，并且当翼型周围的湍流动能显著提高时，其优势愈发扩大。     

基于多模态融合的任意对称翼型结冰预测方法

为解决目前绝大多数神经网络冰形预测方法只能针对特定翼型且不具备面向多翼型特征的普适性的问题，采用基于多模态融合的深度神经网络方法，以翼型截面图像与结冰工况参数作为输入，以二维冰形曲线傅里叶级数拟合参数作为输出，建立深度神经网络预测模型，实现了对任意对称翼型结冰特征的预测能力。结果表明：提出的模型可以准确地预测任意对称翼型几何特征条件下的结冰外形，冰形面积与最大冰厚等冰形主要参数预测误差均保持在10%以下。     

翼型不确定性量化中正交匹配追踪的应用

不确定性在实际系统中广泛存在，为了研究不确定性因素影响下系统输出的随机响应特性，传统的不确定性量化方法如蒙特卡洛采样、混沌多项式展开等需要大量的样本，制约了在飞机机翼等复杂系统中的应用。近年来，在信号处理领域发展迅速的压缩感知技术，利用原始信号的稀疏性可以用少量的样本精确重构信号。这一特性促使研究人员探索将压缩感知技术应用于不确定性量化研究中。以RAE2822实际翼型为研究对象，使用类函数/形函数变换将原始翼型参数化，考虑加工、装配过程和实际飞行工况下的几何不确定性，将压缩感知技术与混沌多项式展开相结合，利用正交匹配追踪算法实现多项式系数的稀疏重构，获得翼型气动力系数和流场参数在考虑几何不确定性影响下的均值和标准差，并与蒙特卡洛采样和满秩概率配点法获得的结果进行对比。通过对收敛性能、样本数需求和重构精度等方面的对比分析表明，正交匹配追踪算法能够利用相对较少的样本获得与传统不确定性量化方法相近的精度。考虑到实际系统的随机响应在混沌多项式基底上大多具有稀疏的展开形式，因此将压缩感知技术应用到不确定性量化中可以显著降低样本数需求，从而降低时间成本，提高计算效率。     

多孔介质对圆柱-翼型干涉噪声的影响

采用LES（large eddy simulation）+FW-H（Ffowcs Williams-Hawkings）方程，研究了圆柱表面使用不同PPI（pore number per inch）和厚度的多孔介质对圆柱尾迹及圆柱-翼型干涉噪声的影响，探索了多孔介质的降噪规律和机理。结果表明：多孔介质能稳定圆柱表面的剪切层，抑制旋涡脱落，从而削弱尾迹对下游翼型的影响，圆柱单音噪声最大可降79 dB，翼型单音峰值降低13.22 dB，宽频噪声降低20 dB；多孔材料PPI的变化对降噪效果影响较小，而厚度是影响流场模态、降噪效果及气动性能的一个关键参数；多孔材料厚度合适时，圆柱-翼型流场形态为“剪切层模态”，可有效降低湍流干涉噪声；多孔材料厚度较小时，发现了一种流场形态，即“剪切层-尾迹模态”，导致翼型噪声增大；合适的多孔介质厚度不仅降噪效果显著，对圆柱-翼型的气动性能也有改善作用。     

高速自然层流翼型高效气动稳健优化设计方法

先进高速高升力自然层流(NLF)翼型的设计已经成为提高新一代高空长航时(HALE)无人机(UAV)性能的重要手段。然而这类翼型表面极易出现分离泡和激波等，尤其对于马赫数、飞行攻角等状态波动气动特性非常敏感，这导致传统的层流翼型设计方法设计的外形在面向工程应用中出现稳健性差，难以被工程使用。气动稳健设计(RADO)方法虽然是一种有希望的解决途径，但它遭遇了巨大计算花费的难题。为了解决这些问题，通过对影响气动稳健优化设计效率的关键技术进行研究，发展了基于自适应前向-后向选择(AFBS)的稀疏多项式混沌重构方法，极大改善了不确定分析(UQ)和稳健优化效率。同时，也发展了考虑多参数不确定的高效气动稳健优化设计方法，有效解决了传统翼型设计方法难以满足高速高升力自然层流翼型设计要求兼顾高升力设计、自然层流设计以及超临界设计的难题。最后使用发展的方法成功设计了一类具有典型特点的跨空域稳健自然层流翼型。结果表明设计的翼型相对于经典的全球鹰无人机翼型气动性能全面提升，同时低阻范围更大，气动性能更加稳健，从而验证了稳健优化方法的有效性和相对于确定性设计的优势。     

大型飞机超临界翼型设计与优化

从初始翼型开始,利用型函数生成几何扰动量叠加到基本翼型表面,以型函数的权系数为设计变量,对翼型进行优化设计。在ISIGHT平台下集成以下三个模块:利用C++语言编写一个翼型关键点生成程序,来实现优化参数的计算;将生成的翼型数据点,调用并导入到GAMBIT内,由GAMBIT生成网格后结束GAMBIT;调用FLUENT对GAMBIT生成的网格进行流场计算;最后应用ISIGHT优化算法库中的遗传算法对FLUENT的计算结果进行分析,实现整个优化流程的自动化。以CJ818飞机为例,采用超临界翼型作为初始翼型,应用上述方法进行优化,结果表明此方法能设计出符合条件的基本翼型,有一定工程应用价值。     

不同翼型厚度和来流马赫数下的桨涡干扰噪声分析

桨涡干扰噪声是直升机气动噪声主要组成之一，为了正确预测和降低直升机噪声，必须开展气动噪声相关物理参数研究。在对声场进行计算流体力学（CFD）直接数值模拟的基础上，分析了不同厚度和来流马赫数下二维平行桨涡干扰噪声传播特性和声源位置，分析了翼型厚度和来流马赫数对桨涡干扰噪声的影响，并得到了可压缩情况下远场声压预测公式。研究表明，低马赫数下，翼型厚度对噪声指向性影响不大，高马赫数下，翼型厚度对噪声指向性影响程度增大；噪声强弱主要随来流马赫数变化，翼型厚度对其影响较小；翼型厚度和来流马赫数变化不会改变声源点位置。开展不同翼型厚度和来流马赫数下的桨涡干扰噪声分析可以为进一步了解并控制直升机桨涡干扰噪声提供一定的参考。     

侧风下孤立尾桨的气动特性和抗侧风优化

尾桨涡环严重危害了直升机飞行安全，为探讨涡环对桨盘附近诱导速度场的影响和解释桨叶拉力非定常脉动的原因，构建了一套基于非定常雷诺平均Navier-Stokes方程的尾桨涡环数值计算方法，并结合叶素动量理论和圆线涡环模型进行气动分析。同时，为解决当前翼型优化中广泛使用的冻结湍流黏性假设存在的固有缺陷，建立了一套全湍流连续伴随的翼型优化框架，获得的翼型用于尾桨设计以提高尾桨抗侧风能力。结果表明，桨盘附近诱导速度场对侧风入流速度十分敏感，在典型涡环状态下，14.65 m/s侧风导致涡环的涡强增大且不断改变，引发翼剖面的有效攻角随桨盘附近风速动态减小，进而尾桨拉力下降至原有的58.5%并伴有高频脉动。全湍流连续伴随在最优外形的获取上则要领先于冻结湍流黏性假设，最佳翼型获得的尾桨相较于原始尾桨的拉力提高了10.9%，悬停效率提高了3.9%，扩大了尾桨进入涡环的临界侧风速度。     

强化学习方法在翼型拍动实验中的应用

将深度强化学习方法应用于水洞实验，实现了实验室内的自动闭环优化框架，并用该框架优化了雷诺数Re=1.3×104下纯俯仰运动的NACA0012翼型模型的推进效率。现有的相关研究往往将运动模式限制为某种周期性函数，具有局限性。借助于强化学习方法，实现了在更广的非周期动作空间中的动作搜索。在实验中，模型自动地与水洞环境进行交互，最终学习到了高效推进的非周期运动策略。另外，通过修改奖励函数，实现了在给定推力阈值以上的效率优化。研究结果显示，强化学习模型可以在实验过程中通过不断调整拍动动作的幅度和频率来实现推进效率的持续提升，并且最终通过强化学习方法获得的最优拍动动作均与正弦拍动动作接近，得到的最优推进效率基本位于同等幅度正弦动作效率的上边界。研究展示了强化学习方法用于复杂流动控制问题的可行性。