落地扇风叶参数化气动优化设计研究

以某落地扇风叶为研究对象,建立风叶参数化模型,搭建多学科优化设计平台,以风扇风量和扭矩分别为目标开展单目标优化,优化设计变量为翼型安装角、翼型弦长、叶片弯度和叶片积叠线弯度及掠度。采用粒子群优化算法进行寻优,分别得到了不同指标下最优的扇叶配置,并确定了扇叶关键设计参数对扇叶气动性能的设计权重以及影响规律。对风量和扭矩影响最大的都是翼型安装角和弦长,随着翼型安装角和弦长的增大,风量增大,扭矩也增大。     

Matlab优化工具在通用风力机翼型型线设计中的应用

基于Matlab软件中的优化算法和优化工具,针对风力机翼型通用型线集成表达式建立了优化数学模型.以风力机翼型的最大升阻比为优化设计目标函数,翼型形状控制方程的系数为设计变量,翼型的厚度和弯度为约束条件,设计得到了相对厚度为18%的风力机翼型,并对其性能进行了计算分析.研究结果拓宽了风力机叶片翼型的设计思路和设计方法.     

神经网络在风力机翼型气动性能优化中的应用

针对风力机翼型优化计算量大的问题,提出了一种基于计算流体力学和神经网络气动性能近似计算的翼型优化方法。首先根据茹科夫斯基翼型理论构造了翼型参数化表达方法,以多工况条件下的翼型气动性能为目标函数,选取翼型表达式中的12个参数为设计变量,建立了翼型气动性能优化模型。然后用优化拉丁方采样方法获得翼型样本设计空间,通过计算流体力学方法获取每个样本的气动性能,利用神经网络对样本集进行非线性拟合,构建神经网络翼型气动性能近似计算模型。遗传算法在寻优时,用近似计算模型代替耗时的流场计算,最终得到最优解。并通过此方法对FFAW3-301翼型进行优化,优化后翼型具有更佳的气动性能,优化结果表明此优化方法具有可行性。     

基于自适应代理模型的翼型气动隐身多目标优化*

针对翼型气动隐身多目标优化设计存在的计算量大与权重难以选取的问题,提出基于自适应径向基函数代理模型与物理规划的高效多目标优化策略(Multi-objective optimization strategy using adaptive radial basis function and physical programming, ARBF-PP)。利用物理规划法通过非线性加权的方式将多目标优化问题转化为直接反映设计偏好的单目标优化问题,然后分别对综合偏好函数和约束条件构造径向基函数代理模型,采用增广Lagrange乘子法处理约束,并用遗传算法(Genetic algorithm, GA)进行求解。优化迭代过程中,在当前可能最优解附近增加样本点,更新代理模型,提高代理模型在最优解附近的近似精度,引导搜索过程快速收敛。使用数值多目标优化算例与翼型气动隐身多目标优化实例验证了本文所提出优化策略的有效性。翼型气动隐身多目标优化结果表明：相比于初始翼型,优化翼型的升阻比提高了34.28%,重点方位角的雷达散射截面(Radar cross section, RCS)均值减小了24.19%。此外,在相同样本规模的情况下,本文方法所得最优翼型的气动隐身性能比静态径向基函数代理模型方法的优化结果分别提高了11%与25.6%;与遗传算法相比,本文方法所需的分析模型调用次数(Number of evaluation function, Nfe)降低了93.5%。     

基于径向基函数模型的风力机翼型多目标优化设计

针对目前大型风力机翼型综合气动性能的优化需求,建立了多运行工况下的翼型优化设计方法。该方法利用最优拉丁超立方法设计样本,采用解析函数线性叠加法表征翼型外形,建立径向基函数模型代替复杂且耗时的CFD气动分析模型,利用多目标粒子群优化算法对该模型进行多点优化设计,以获取综合气动性能更佳的风力机专用翼型。利用上述方法对风力机常用翼型NACA4418进行优化,结果表明:新翼型在各运行工况下,升力系数和升阻比均有所提高,该优化方法可提高优化效率,改善翼型的气动特性,具有一定的工程实用价值。     

风力机翼型多目标优化及尾缘加厚研究

采用多目标遗传算法与类别形状函数变换（CST）方法相耦合的方法对翼型外形进行多目标优化设计,在攻角工作范围内,以实现高升阻比、低阻力为目标,最终得到一系列Pareto最优解集。采用指数混合函数法对优化后得到的翼型在尾缘处进行非对称加厚。通过求解二维雷诺平均纳维-斯托克斯方程（RANS）获得翼型的气动参数,结果显示：优化后的翼型与原始翼型相比具有更优的压力分布,有效提高了升力系数,减小了阻力系数。优化翼型尾缘经过加厚处理后,所有攻角下的升力系数以及升阻比系数都得到了提高,流动情况进一步改善,涡心与失速点均有一定程度的后移,表明钝尾缘翼型具有比原始翼型和优化翼型更好的升阻力特性。     

影响风力发电机翼型气动性能的因素研究

翼型气动性能的优劣影响着风力发电机的发电效率,研究影响叶片翼型气动性能的因素具有重要意义。本文采用数值方法计算了文献中NACA0012翼型在Re=10^6时的气动性能参数并与试验值比较,验证了数值方法的正确性。通过对相对厚度、相对弯度、雷诺数等影响翼型气动特性的参数进行研究,结果表明:相对厚度小的翼型在小攻角范围可以获得更好的气动性能;当攻角大于失速角12°后,相对厚度大的翼型的气动性能更佳。在0°~20°攻角范围内,相对弯度和雷诺数越大,翼型的气动性能越好。     

基于Profili环境下翼型影响因素的研究

为了深入了解翼型的气动特性,对翼型气动特性影响因素——雷诺数、相对厚度、相对弯度进行了相关研究。对EPPLER 561翼型进行一定的厚度修型、弯度修型,并通过Profili空气动力学分析软件对修型翼型进行对比分析,得出了弯度、厚度对翼型气动特性的影响,同时得出翼型在不同雷诺数条件下的升阻特性曲线。     

遗传算法在油气悬架参数优化设计的应用

油气悬架输出特性的主要结构参数对整车平顺性有重要影响,基于此并结合油气悬架结构特点,提出油气悬架设计的目标函数;以该目标函数为基础,建立了多工况下的总体优化目标,根据正交试验的结果选取对整车平顺性影响较大的结构参数作作为设计变量,采用遗传算法优化工具对参数进行优化分析,找出各个设计变量针对总体优化目标的全局最优解,通过整车动力学模型对设计变量的最优解进行验证。研究方法和研究成果,为油气悬架结构参数的选取提供一定的理论指导和依据。     

低雷诺数旋翼翼型气动性能多目标优化

根据旋翼在低雷诺数下的气动特点,发展了一种基于遗传算法的低雷诺数旋翼翼型多目标优化设计方法。采用Hicks-Henne函数对翼型进行参数化处理。根据实际工况,建立旋翼翼型气动优化的数学模型。使用遗传算子与目标函数自适应方法,解决了翼型集在优化后期无法持续优化的问题。以NACA0012作为优化基准翼型,在满足预定约束的情况下,优化后的翼型相比基准翼型气动性能有较大幅度提高,符合预定的优化目标。     

基于近似模型的高速列车头型多目标优化设计

为改善高速列车气动性能,建立一套高效的多目标气动优化设计方法,对流线型头型进行多目标气动优化设计。建立高速列车流线型头型三维参数化模型,并提取5个优化设计变量;为减少优化设计时间,利用最优拉丁超立方设计方法在优化设计空间中进行均匀采样,利用计算流体力学方法获得对应于各个采样点的气动载荷,利用Kriging代理模型构建优化设计变量和气动载荷之间的近似模型;利用多体系统动力学方法计算气动载荷作用下的高速列车轮重减载率;以气动阻力和轮重减载率为优化目标,利用多目标遗传算法NSGA-II对高速列车流线型头型进行多目标优化。优化设计变量和优化目标均呈现收敛的趋势,采用Kriging近似模型优化计算的Pareto前沿与采用CFD（Computational fluid dynamics,CFD）优化计算的Pareto前沿较为接近。优化后高速列车的气动阻力最多可降低3.27%,轮重减载率最多可降低1.44%,气动阻力最优的头型与轮重减载率最优的头型的主要差异在于中部辅助控制线的变化,前者向内凹,后者则向外凸。     

相对厚度对DU系列翼型气动性能的影响

针对翼型的相对厚度对翼型气动性能影响,以相对厚度分别为21%、25%、30%、35%的DU21、DU25、DU30、DU40四种翼型作为研究对象,采用网格划分软件Gambit对翼型流场划分网格,采用Fluent14.0对翼型进行气动性能分析,研究了相对厚度对翼型气动特性的影响规律。研究表明,翼型的气动性能受翼型相对厚度的影响较大,翼型最大升阻比随翼型的相对厚度增大而减小,翼型的最大升力系数及失速攻角随相对厚度的增大而增大。研究结果对后续的风力机叶片的设计和叶片优化具有一定的参考价值和指导意义。     

基于多点驱动式柔性机构的变形翼后缘拓扑优化

机翼翼型由特定飞行条件设计获得,其在各工况下的气动效率皆优问题亟待解决。研究变形翼柔性后缘机构,使其在连续光滑变形前提下,最大程度满足气动最优所需变形范围。采用变密度法拓扑优化方法,以某翼型实际位移与目标位移之间的最小平方差为优化目标函数,通过遗传算法优化确定柔性后缘多点驱动载荷作用位置,建立柔性后缘综合优化模型并采用移动渐近法求解。最后应用Ansys软件仿真对优化设计结果进行检验,表明该变形翼柔性后缘能够实现要求的连续变形,验证了优化设计方法的有效性。     

一种基于Fluent与UG的风机叶片反求设计的方法

针对风机叶片进行反求设计.建立叶片坐标系,利用UG获取坐标数据,通过导入Gambit软件,建立空气动力学流场,对其进行网格划分和边界条件的定义等,利用Fluent软件进行CFD计算,得到升力系数和阻力系数的数据;运用Hicks- Henne参数化方法,建立翼型弯度和厚度函数表达式.该研究为叶片的理论研究和优化设计提供了基础.     

基于CFD的FSAE赛车尾翼设计及优化研究

针对FSAE赛车尾翼的设计,采用CFD数值分析的方法,对FSAE赛车的尾翼翼型、尾翼翼缝、尾翼端板形状和翼片数量与尾翼气动性能之间的关系进行了研究。对尾翼气动性能具有重要影响的翼型在不同弯度和不同弯度位置条件下进行了气动分析和对比,发现了翼型弯度和厚度对于其阻力和负升力的影响,确定了合适FSAE赛车尾翼的翼型;同时对尾翼的翼缝、端板形状和翼片数量等关键参数进行了研究,根据其压力云图、流线图的变化规律和匹配原则,确定了最佳方案。研究结果表明:尾翼的翼型弯度及最大弯度位置、尾翼翼缝、尾翼端板形状和翼片数量对于尾翼的气动性能具有重要影响。     

四参数变弯度翼型的气动特性分析与优化设计

针对NACA 0012翼型,在马赫数为0.176的来流条件下,首先利用数值模拟研究了翼型前缘下弯角度、前缘偏转位置、后缘下弯角度和后缘偏转位置等因素对翼型气动性能的影响规律;其次,以升阻比为目标,上述4个因素为设计变量,利用神经网络建立升阻比与4个设计变量间的预测模型;然后,充分考虑优化精度和神经网络训练数据库的计算量,构造了一种翼型优化过程与神经网络预测耦合的迭代优化策略,基于该优化策略得到最优变弯度翼型构型。对比优化翼型和原始翼型,升阻比提高约22%,较大程度改善了翼型的气动特性;并且通过远场噪声分析,发现优化翼型表现出了较好的声学性能,在1 000 Hz附近单音噪声最大可降低12 dB。     

风力机翼型气动噪声优化设计研究

为获得高升阻比、低噪声水平的风力机翼型,将气动噪声引入到风力机专用翼型的设计中.为评价翼型气动噪声水平,对翼型自身噪声进行讨论和研究,应用NASA基于大量试验而得到的翼型自身噪声模型进行建模.采用型函数扰动法对翼型廓线进行表示,以翼型自身噪声水平作为优化目标,将气动特性作为性能约束,建立翼型的优化设计模型.设计过程中,采用XFOIL获取翼型边界层参数,及对翼型的气动性能进行评价.将流场求解程序和直接优化方法相结合,采用复合形法进行搜索寻优,用Matlab编制优化程序.以NACA4415作为原始翼型进行优化设计,得到一种具有高气动性能、低噪声水平的风力机专用翼型.     

基于MIGA算法的完全对称翼型优化设计方法研究

提出了一种利用6控制点5阶Bezier多项式对完全对称翼型进行表达的参数化设计方法，并通过6个无量纲的横纵坐标控制系数和翼型最大相对厚度控制翼型型线。采用Fortran语言编写翼型参数化设计程序代码，并与ICEM网格划分和Fluent流场仿真一起集成到Isight自动优化平台，利用多岛遗传算法对相应的目标函数进行求解，实现了完全对称翼型的优化设计。以相对厚度为16%的椭圆翼型为参考，取4°、8°和12°为设计攻角，在Re=2.5×106的条件下，设计得到一款翼型A。与参考翼型对比结果显示，优化翼型A的型线接近菱形，其载荷在x/c∈(0.04,0.3)的区域减小，而在x/c∈(0.3,0.96)的区域增加，沿弦线方向载荷分布更加均衡。此外，在设计攻角下，优化翼型A的升阻比分别增加了28.56%和17.64%，在非设计攻角下，其气动性能也得到显著提升，印证了构建的优化设计方法的可靠性，为其他复杂可逆翼型的优化设计奠定了良好的理论基础。     

基于自由变形技术的汽车气动减阻优化

针对目前汽车气动减阻中基于工程师经验的试凑法所存在的盲目性和低效性,以及气动优化设计中车身曲面难于参数化等问题,将自由变形(Free form deformation,FFD)技术引入汽车气动减阻优化设计中,为减阻优化设计提供一种快速、有效的参数化方法。当前的研究以某款轿车模型为研究对象,根据优化的拉丁方试验设计构建样本空间,并采用FFD方法对各样本点模型进行参数化;通过CFD仿真获得各样本的气动阻力系数;采用Kriging模型构建近似模型;利用多岛遗传算法求解近似模型的最优值;根据优化结果重新构建最优模型并采用CFD计算其气动阻力系数。计算结果显示优化后轿车模型的气动阻力系数减少了4.09%,表明FFD方法在汽车气动减阻优化中有很好的应用效果。     

翼型厚度对风力机叶片翼型气动特性的影响

建立了预测翼型气动特性的理论模型并进行了数值计算,研究了翼型厚度对风力机叶片翼型的气动特性影响,给出了翼型厚度对翼型的升力系数、阻力系数、升阻比和流场、压力系数的影响。研究结果表明,对于同一弯度不同厚度的NACA系列翼型,在较小攻角时,较小厚度翼型可获得较大的升阻比,在大攻角时,增加厚度翼型可以提高翼型的升阻比,扩宽大升阻比范围,而且较大厚度翼型的分离点前移速度较缓慢,涡分布范围较小。