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。     

基于 Kriging模型机翼平面外形气动优化设计

使用基于Kriging模型的优化设计方法,进行了非常规布局机翼的平面外形多目标优化设计。利用CFD技术进行机翼升力系数和阻力系数的气动计算,通过拉丁超立方试验设计生成样本点,建立了Kriging代理模型,结合多目标遗传算法对机翼平面外形进行多点多目标优化设计,最终得到了Pareto最优解集。根据设计需求,从Pa-ret0前沿选取一个非劣解作为优化结果。结果表明：陆ging模型与cFD计算误差很小,可信度高;在不问设计状态下,机翼气动性能都得到了提高,表明优化设计方法具有可行性和高效性。     

改进CST方法在翼型优化设计中的应用

形状类别函数变换(Class-Shape Transformation,CST)方法是近年来发展起来的一种新型气动外形参数化方法,该方法具有良好的鲁棒性,且涉及参数少、精度高,结果简单直观等特点,被广泛应用于翼型设计研究中。文章结合某小型无人机设计的工程实践,探讨了CST方法在小型无人机翼型设计中的应用,在借鉴他人研究成果的基础上,决定采用Bernstein多项式构建形状函数,分析了Bernstein多项式阶数对CST方法拟合精度的影响。仿真结果表明,当BPO4时,拟合精度能够达到满意的要求,可用于该型无人机翼型的设计与优化。