现代自然层流翼型的设计方法

本文介绍一种设计跨声速自然层流翼型的计算流体力学(CFD)方法。本方法采用“正反迭代、余量修正”设计原理,通过将跨声速翼型设计软件NPU-TD2D中的反设计程序进行改进,并与含有层、湍流混合边界层修正的跨声速层流翼型计算程序DLRBGKWALZ耦合,实现了在跨声速粘性流动条件下直接设计层流翼型。亚、超临界的设计实例和风洞验证表明,本方法可以在几个设计迭代内设计出压力分布、转捩位置及气动参数均准确收敛于设计目标的新翼型,是一种设计现代自然层流翼型的有效而实用的CFD方法。     

利用常规风洞进行二元翼型试验的竖置全跨方法

采用竖置全跨试验方案,在CARDC(中国空气动力研究与发展中心)4米×3米风洞进行了几个二元翼型模型风洞试验。最初选用的模型是NASA GA(W)-1翼型,并作为校验模型。试验雷诺数高达4.69×100~6,攻角范围为-10～24°,试验结果相当满意。     

高升力多段翼型洞壁干扰修正

 Erisson对高升力多段翼型的洞壁干扰问题进行过理论计算。Moury和Labrujère对上述问题也进行过一些研究,可惜Moury的实验是在开闭比为20％的开孔壁风洞中进行的,而Labrujère仅给出个别情况的实验结果,且其测压点较多,计算较繁,不易实时处理。     

对称翼型近场尾流及后缘边界层流动特性的试验研究

本文简述了用热线风速仪测量“NACA 63-012”对称翼型近场尾流及后缘边界层流动特性,讨论了流场的时均特性及雷诺应力等湍流量的分布特性,提出了无因次速度分布的半经验公式、相关参数及相关曲线解析式,并得出了几点重要结论。     

跨声速翼型多目标优化设计方法

本文通过采用多目标分级优化方法并基于求解全速势方程的跨声速粘流翼型计算方法，研究发展了一种多参数、多约束和多目标的跨声速翼型数值优化设计方法，应用该方法可以从普通低速翼型和超临界民办型出发通过多目标优化后得到在跨声速区的多个马赫数下阻力系数最小化的翼型几何外形，设计实践表明，该方法具有收敛快，调用目标函数次数少等优点。     

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.     

Detached-Eddy Simulation方法模拟不同类型翼型的失速特性

 应用DES(Detached-EddySimulation)方法数值模拟了3种不同失速类型的翼型的升力特性。DES方法结合了RANS(Reynolds-averagedNavier-Stokes)和LES(LargeEddySimulationapproaches)的优点。基于Spalart-Allmaras湍流模型,在近壁面DES体现为RANS模型的特点而在远离物面处又具有LES的亚格子模型的特性。对此模型使用了LU-SGS隐式格式求解。通过和实验结果对比,显示这种方法可以有效地预测翼型的失速特性。     

基于人工蜂群算法与NURBS的吸附式叶型优化设计

为提高轴流压气机吸附式叶型优化设计的质量,设计了一套基于人工蜂群(ABC)算法和非均匀有理B样条(NURBS)的自动优化设计系统.对人工蜂群算法的运行机制进行了深入分析,并与目前广泛使用的遗传算法(GA)进行了对比.对比发现人工蜂群算法可以更好地逼近全局最优值且收敛效率提高50%.使用NURBS对叶型进行参数化,并研究了参数化过程中的畸变问题.将抽吸参数与叶栅参数同时作为优化变量,使用该系统对一吸附式叶栅进行了优化.结果显示:抽吸槽设置在58.44%轴向弦长位置处流动损失下降明显,与优化前未抽吸叶型相比流动损失降低64.8%,气流分离得到有效抑制.     

临近空间螺旋桨低雷诺数高效翼型数值分析

针对临近空间翼型边界层变厚更容易发生分离的特点,在修正了湍流模型后,通过分析比较13种低雷诺数翼型的升阻系数得到了比较适合用于临近空间螺旋桨叶素的高效翼型。结果显示,攻角在-6°～8°、8°～14°、14°～22°三种工况下,分别采用SST k-ω、RNG k-ε、Realizable k-ε湍流模型,可以得到与国外实验比较接近的合理结果;工况条件对翼型气动性能好坏的影响很大,翼型S-1223和FX63-137在所研究的工况内都具有较好的气动性能;因此可以选择这两种翼型作为临近空间螺旋桨用高效翼型。     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。