大型水陆两栖飞机翼型优化设计

对大型水陆两栖飞机翼型进行了数值优化设计研究,通过以翼型设计升力系数下的阻力系数最小化为设计目标和以翼型低头力矩、最大升力系数、失速后升力系数下降率作为约束条件的大型水陆两栖飞机翼型优化设计,在满足翼型相对厚度、最大厚度位置、最大弯度、最大弯度位置符合相应设计范围的情况下,得到了综合性能较基本翼型提高的新翼型.该设计方法适用于大型水陆两栖飞机的翼型设计,是一种符合工程应用实际的数值优化设计方法.      

翼型湍流尾缘噪声半经验预测公式改进

改进了传统的翼型湍流边界层尾缘噪声BPM半经验预测公式。传统的BPM半经验湍流边界层尾缘噪声预测公式对高攻角和厚翼型在高频范围的预测结果大于实验结果,通过分析比较传统BPM半经验预测公式和Howe翼型尾缘噪声理论模型发现:这主要是由于传统BPM半经验预测公式对压力面声源噪声辐射高估引起的。因此将压力面声源噪声辐射与吸力面声源噪声辐射的幅值比由原来的边界层位移厚度一次方比值改进为二次方比值,进而得到了改进后的BPM半经验预测公式;使用改进后的BPM半经验预测公式对NACA0012翼型在不同来流不同攻角下的噪声辐射进行了预测比较,发现对于NACA0012翼型,改进后的BPM半经验预测公式具有较高精度;另外也预测了较厚的风力机翼型DU-96-W-180,预测结果明显改善。     

超临界层流翼型优化设计策略

针对超临界层流翼型设计问题,提出一种两轮优化策略。采用γ-Reθt转捩模型耦合剪切应力输运(SST)模式的湍流模型对翼型边界层转捩进行预测。翼型几何参数化建模采用形状分类函数转换(CST)方法,设计变量为描述翼型几何特征的参数。第1轮优化的目的是尽量提高层流区域的比例,气动分析模型为基于Kriging模型的代理模型,优化算法为遗传算法,通过优化获得满足约束要求的层流翼型。第2轮优化目的是对第1轮优化获得的翼型进行微调,进一步提高翼型的升阻比,气动分析直接采用CFD程序,优化算法采用基于梯度的优化算法。算例表明,应用本文提出的两轮优化策略,可将超临界翼型NASA SC(2)0412优化设计成超临界层流翼型,翼型的上下表面层流区比例分别达到了55.5%和47.0%,升阻比提高了38.1%。     

低雷诺数小型折叠无人机翼型优化设计

实现了一种可用于低雷诺数小型折叠无人机翼型优化设计的方法。采用Ferguson曲线对翼型进行参数化描述,并引入折叠状态下截面的几何关系作为附加约束,使用遗传算法和序列二次规划相结合作为寻优算法,对翼型升阻比和折叠空间允许的最大弦长进行优化。在isight平台上集成xFoil和matlab实现了这一优化流程。实例表明了方法的有效性,优化结果可以作为此类无人机翼型设计的参考。     

气动设计问题中确定性优化与稳健优化的对比研究

通过对优化问题的表述,说明传统确定性优化与稳健优化的区别。稳健优化需进行不确定性分析,同时追求系统的性能优化、性能偏差最小化、设计可行性稳健化。然后分别探讨了气动设计中确定性优化和稳健优化模型的建立及求解策略。根据不确定性分析方法的特点,选择基于代理模型的不确定性气动遗传优化分析方法。通过具体翼型优化实例讨论了稳健性优化与确定性优化的不同,并将结果进行对比,得出一定的结论。     

神经网络在高空长航时无人机翼型多点优化中的应用

NSGAII算法在翼型多点设计中有着广泛的应用价值,然而其巨大的计算资源和计算成本限制了它的使用。为了解决这个问题,本文引入具有较强非线性映射能力的神经网络代理模型,采用实验设计结合BP法训练神经网络响应面来代替N-S方程求解翼型的性能。在实验点的数值模拟中,为了进一步节省计算资源,提高计算效率,采用网格的变形代替网格的重新划分,使得计算网格的更新速度提高了约50%。在翼型的参数化过程中,采用改进的PARSEC方法,用较少的参数实现了翼型的精确控制。为了增强神经网络的泛化能力,采用12-7-4-3-1的隐层结构。对NLF1015翼型的多点优化算例表明,此方法不仅显著降低了整个优化过程的计算量,而且对翼型的气动性能预测也具有较高的可信度,在高空长航时无人机的翼型设计中具有一定的潜力。     

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。     

六转子微型飞行器及其低雷诺数下的旋翼气动性能仿真

提出了一种新结构的六转子无人飞行器的概念,该飞行器可以在空间任意方向飞行,甚至可以在地面上滚动前进。分析了其可能的三种构型并给出了各自的运动方程,给出了三轴解耦时该飞行器的配置方式及转子空间位置。由于该飞行器具有小尺寸外形、低重量和飞行速度慢的特点,根据转子速度、弦长和飞行模态,计算得该飞行器的雷诺数变化范围为1×104到12.8×104。以选用的Eppler 387翼型作为分析对象,采用正投影混合网格方法对其在低雷诺数下的气动性能进行研究,得到了雷诺数分别为1×104,2×104,3×104和6×104下对应不同迎角的升力系数、阻力系数和升阻比,并对雷诺数为6×104下的升力系数仿真结果同试验结果进行了对比,二者具有较好的一致性。制作了六转子微型飞行器样机,实现了垂直起降及慢速前飞。     

基于神经网络的翼型积冰预测

采用神经网络方法对翼型表面的积冰进行了预测研究.建立了一种型面曲线坐标系,通过坐标变换将积冰外形转化为几何曲线.利用傅立叶级数对此曲线进行拟合,实现积冰外形的参数化.以结冰条件作为输人,冰形参数作为输出构建神经网络,对NACA 0012翼型表面的积冰进行预测.通过将预测结果与实验结果以及数值模拟结果进行对比,说明所提出...     

翼型高低速性能优化及其对缝翼设计影响研究

采用Hicks-Henne方法参数化翼型,以巡航升阻比、低速最大升力系数为目标进行优化设计.利用试验设计方法对总体设计空间内目标函数的分布进行初步评估,得到目标函数的初始Pareto前沿面,以前沿面上的点为基准,把总体设计空间分割成独立的局部设计空间进行并行寻优,逐步更新直至得到收敛的Pareto前沿面.对前沿面上的典...