CN105046034B - 多分辨率翼型设计方法和系统 - Google Patents
多分辨率翼型设计方法和系统 Download PDFInfo
- Publication number
- CN105046034B CN105046034B CN201510578316.3A CN201510578316A CN105046034B CN 105046034 B CN105046034 B CN 105046034B CN 201510578316 A CN201510578316 A CN 201510578316A CN 105046034 B CN105046034 B CN 105046034B
- Authority
- CN
- China
- Prior art keywords
- optimization
- multiresolution
- airfoil
- control point
- aerofoil profile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明涉及多分辨率翼型设计方法和系统。该多分辨率翼型设计方法包括:获得初始翼型;根据所述初始翼型,通过多分辨率分解而获得多分辨率参数化模型;使用所述多分辨率参数化模型,并通过多级优化策略进行翼型优化设计;以及获得最终翼型。本发明的多分辨率翼型设计方法和系统能起到以下有益技术效果:获得更高的优化效率以及覆盖更大范围的形状空间,从而降低最终设计翼型的时间代价,并提高翼型的气动性能。
Description
技术领域
本发明涉及多分辨率翼型设计方法和系统,属于飞机气动设计领域。
背景技术
机翼设计是飞机设计的重要环节,翼型设计是飞机气动设计基础。根据飞机的不同用途和飞行条件,需要为飞机设计合适的翼型。翼型设计直接影响到飞机设计各个学科的工作的开展。
早期的翼型设计采用人工试错方法,对翼型采用离散点或者样条进行描述,设计人员根据经验选择初始翼型,然后通过计算或者试验评估翼型的性能,如果满足要求则设计过程结束,否则根据经验修改直到满足设计要求。近年来随着CFD(计算流体力学)、优化算法以及计算硬件的快速发展,翼型设计可以采用优化算法与人工经验结合的方法进行设计,以在更短的时间内获得更优性能的设计方案。
基于优化方法的翼型设计可分为参数化、评估、优化三个过程。参数化将机翼的几何表示通过少数参数来表示,通过修改少数参数来控制翼型的几何。评估过程分析翼型的气动力,通过数值给出其性能。优化基于参数化和评估,通过优化算法不断修改翼型几何参数,并结合评估过程不断推进翼型的气动性能。
传统的参数化方法有基于特征的和基于函数两类。基于特征的方法如Parsec方法,将翼型的几何特征表示出来,比如前缘半径、弯度线、厚度线、后缘偏角等。基于特征的方法虽然有利于直观表示翼型的特征,但是难以覆盖更广的形状空间,将翼型的设计受限在一定的范围内。基于函数的方法通过基函数的线性组合来表述翼型,如CST、B样条、BUMP函数法等,可以覆盖更广的形状空间,并且曲线具备更好的几何光顺性质。但是函数方法所获的参数数量在参数化阶段即已确定,在优化过程之前即已确定形状空间的搜索范围,在优化过程中无法动态调整参数对几何控制的精细化程度,因此存在无法覆盖较好方案的可能性。如果需要改变参数数量,仅能通过重新参数化来实现,而重新参数化则将改变翼型曲线的局部特征,有可能抹去某些特意设计的局部曲线形态。
发明内容
本发明的一个目的在于,克服现有翼型设计方法的上述缺陷,提供一种新的翼型设计方法,使得翼型优化效率更高并覆盖更大范围的形状空间。
本发明的以上目的通过一种多分辨率翼型设计方法来实现,该多分辨率翼型设计方法包括:
获得初始翼型;
根据所述初始翼型,通过多分辨率分解而获得多分辨率参数化模型;
使用所述多分辨率参数化模型,并通过多级优化策略进行翼型优化设计;以及
获得最终翼型。
根据上述技术方案,本发明的多分辨率翼型设计方法能起到以下有益技术效果:获得更高的优化效率以及覆盖更大范围的形状空间,从而降低最终设计翼型的时间代价,并提高翼型的气动性能。
较佳的是,所述多分辨率参数化模型包括n个不同分辨率级别的翼型参数化控制点集C1,C2,C3,…,Cn,每个控制点集的控制点数量分别为m1,m2,m3,…,mn,其中n≧2,且m1﹤m2﹤m3﹤…﹤mn。
根据上述技术方案,本发明的多分辨率翼型设计方法能起到以下有益技术效果:通过选取合适的控制点集,进一步获得更高的优化效率以及覆盖更大范围的形状空间。
较佳的是,使用所述多分辨率参数化模型,并通过多级优化策略进行翼型优化设计包括:采用第一级控制点集C1作为优化参数,对m1个控制点进行优化设计;当优化收敛时,采用下一级控制点集C2作为优化参数,对m2个控制点进行优化设计;依此类推,直至第n级优化设计完成。
根据上述技术方案,本发明的多分辨率翼型设计方法能起到以下有益技术效果:通过采取合适的优化流程,进一步获得更高的优化效率以及覆盖更大范围的形状空间。
较佳的是,在通过多级优化策略进行翼型优化设计时,还输入优化目标及约束。
根据上述技术方案,本发明的多分辨率翼型设计方法能起到以下有益技术效果:在多级优化的进行同时,还充分考虑优化目标及约束,以使翼型优化效果更佳。
较佳的是,在每一级优化设计期间,都进行翼型性能评估并检验是否满足约束。
根据上述技术方案,本发明的多分辨率翼型设计方法能起到以下有益技术效果:在每级优化的进行同时,充分考虑优化目标及约束,及时进行翼型性能评估,以使翼型优化效果更佳。
本发明的以上目的还通过一种多分辨率翼型设计系统来实现,该多分辨率翼型设计系统包括:
多分辨率参数化模块,所述多分辨率参数化模块构造成根据初始翼型,通过多分辨率分解而获得多分辨率参数化模型;
多级优化模块,所述多级优化模块构造成使用所述多分辨率参数化模型,并通过多级优化策略进行翼型优化设计,从而获得最终翼型。
根据上述技术方案,本发明的多分辨率翼型设计系统能起到以下有益技术效果:获得更高的优化效率以及覆盖更大范围的形状空间,从而降低最终设计翼型的时间代价,并提高翼型的气动性能。
较佳的是,所述多分辨率参数化模型包括n个不同分辨率级别的翼型参数化控制点集C1,C2,C3,…,Cn,每个控制点集的控制点数量分别为m1,m2,m3,…,mn,其中n≧2,且m1﹤m2﹤m3﹤…﹤mn。
根据上述技术方案,本发明的多分辨率翼型设计系统能起到以下有益技术效果:通过选取合适的控制点集,进一步获得更高的优化效率以及覆盖更大范围的形状空间。
较佳的是,所述多级优化模块还构造成:采用第一级控制点集C1作为优化参数,对m1个控制点进行优化设计;当优化收敛时,采用下一级控制点集C2作为优化参数,对m2个控制点进行优化设计;依此类推,直至第n级优化设计完成。
根据上述技术方案,本发明的多分辨率翼型设计系统能起到以下有益技术效果:通过采取合适的优化流程,进一步获得更高的优化效率以及覆盖更大范围的形状空间。
较佳的是,所述多级优化模块还构造成:输入有优化目标及约束。
根据上述技术方案,本发明的多分辨率翼型设计系统能起到以下有益技术效果:在多级优化的进行同时,还充分考虑优化目标及约束,以使翼型优化效果更佳。
较佳的是,所述多级优化模块还构造成:在每一级优化设计期间,都进行翼型性能评估并检验是否满足约束。
根据上述技术方案,本发明的多分辨率翼型设计系统能起到以下有益技术效果:在每级优化的进行同时,充分考虑优化目标及约束,及时进行翼型性能评估,以使翼型优化效果更佳。
附图说明
图1是本发明的多分辨率翼型设计方法的流程图。
图2是本发明一实施例的多分辨率翼型设计方法的分级示意图。
图3是本发明的多分辨率翼型设计系统的示意图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步说明,在以下的描述中阐述了更多的细节以便于充分理解本发明,但是本发明显然能够以多种不同于此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎,因此不应以此具体实施例的内容限制本发明的保护范围。
图1是本发明的多分辨率翼型设计方法的流程图。图2是本发明一实施例的多分辨率翼型设计方法的分级示意图。图3是本发明的多分辨率翼型设计系统的示意图。
如图1所示,根据本发明的多分辨率翼型设计方法包括:获得初始翼型;根据初始翼型,通过多分辨率分解而获得多分辨率参数化模型;使用多分辨率参数化模型,并通过多级优化策略进行翼型优化设计;以及获得最终翼型。
较佳的是,获得初始翼型后,将初始翼型曲线生成多分辨率分解所需要的节点,并利用初始节点实现翼型的参数化。
较佳的是,多分辨率参数化模型包括n个不同分辨率级别的翼型参数化控制点集C1,C2,C3,…,Cn,每个控制点集的控制点数量分别为m1,m2,m3,…,mn,其中n≧2,且m1﹤m2﹤m3﹤…﹤mn。也就是说,控制点集C1为最粗级别的翼型曲线控制点集,Cn为最细级别的翼型曲线控制点集。
较佳的是,使用多分辨率参数化模型,并通过多级优化策略进行翼型优化设计包括:采用第一级控制点集C1作为优化参数,对m1个控制点进行优化设计;当优化收敛时,采用下一级控制点集C2作为优化参数,对m2个控制点进行优化设计;依此类推(同样的操作进行n次迭代),直至第n级优化设计完成。最后,获得了最终翼型,即最细级别的翼型曲线。所谓“优化收敛”是指:当前优化结果与上次优化结果相比的差量已经小于一特定量,此时可认为优化收敛。
较佳的是,采用多分辨率分解实现多分辨率参数化模型时,可采用节点删除实现不同分辨率的参数化,节点应按比例删除,需按照一定间隔数量删除节点,间隔节点数量介于1至n-2之间,至少保留两个节点。
较佳的是,如果需要局部控制,例如仅控制翼型上表面前50%的区域,则仅需在前50%以内进行节点删除操作。
较佳的是,在通过多级优化策略进行翼型优化设计时,还输入优化目标及约束。
较佳的是,在每一级优化设计期间,都进行翼型性能评估并检验是否满足约束。
图2是本发明一实施例的多分辨率翼型设计方法的分级示意图。图2采用了三级翼型优化设计。当然,本领域技术人员在本发明公开内容的基础上可以理解,三级翼型优化设计只是一种示例,可采用n级翼型优化设计(n≧2)。如图2所示,具体地说,首先根据初始翼型进行多分辨率分解,获得三个不同分辨率级别的控制点集,第一级控制点集为C1,对应的翼型曲线为S1,第二级控制点集为C2,对应的翼型曲线为S2,第三级控制点集为C3,对应翼型曲线为S3。控制点集C1的控制点数量m1=8,控制点集C2的控制点数量m2=14,控制点集C3的控制点数量m3=26。在参数化后(即,获得多分辨率参数化模型之后),翼型曲线S1、S2、S3的内在数学表示完全一致,只是控制点的数量和位置均不相同。通过修改控制点集C1、C2、C3中的控制点可以实现对翼型进行不同精细化程度的修改。每一次优化对当前级别分辨率的控制点进行操作,当前级别的优化参数优化收敛后,进行下一级别控制点的优化设计。
如图3所示,根据本发明的多分辨率翼型设计系统包括:多分辨率参数化模块,多分辨率参数化模块构造成根据初始翼型,通过多分辨率分解而获得多分辨率参数化模型;多级优化模块,多级优化模块构造成使用所述多分辨率参数化模型(即,将所述多分辨率参数化模型输入多级优化模块),并通过多级优化策略进行翼型优化设计,从而获得最终翼型。
较佳的是,多分辨率参数化模型包括n个不同分辨率级别的翼型参数化控制点集C1,C2,C3,…,Cn,每个控制点集的控制点数量分别为m1,m2,m3,…,mn,其中n≧2,且m1﹤m2﹤m3﹤…﹤mn。
较佳的是,多级优化模块还构造成:采用第一级控制点集C1作为优化参数,对m1个控制点进行优化设计;当优化收敛时,采用下一级控制点集C2作为优化参数,对m2个控制点进行优化设计;依此类推,直至第n级优化设计完成。
也就是说,多级优化模块按分辨率级别从粗到细进行优化设计迭代。优化迭代收敛后,最终获得高低分辨率均进行过优化的翼型方案。
较佳的是,多级优化模块还构造成:输入有优化目标及约束。
较佳的是,多级优化模块还构造成:在每一级优化设计期间,都进行翼型性能评估并检验是否满足约束。
与现有技术的翼型设计优化方法和系统相比,本发明在优化前进行了多分辨率分解,将翼型分解为不同级别分辨率的控制点参数化表示。如果采用传统方法建立多层次的参数化模型,每次需要重新进行参数化,而该操作将会改变翼型曲线本身。采用本发明的多分辨率分解实现翼型曲线参数化前后,每一级别的参数化曲线保持完全一致。之后在应用优化时不同于传统优化方法的单层优化,而是按分解级别进行优化,每一级优化后,修改参数控制的变化范围,在逐步细化的搜索空间中进行寻优计算。
本发明采用多分辨率分解获得不同参数数量描述的翼型参数化模型。并且对传统优化流程加以改进,在优化中应用多级(分级)优化策略,以获得更高的优化效率以及覆盖更大范围的形状空间,从而降低最终设计翼型的时间代价,并提高翼型的气动性能。同时,不同分辨率下的参数化曲线将保留局部特征,在修改宏观参数的情况下,保持翼型的细节特征,保留了某些需要特意保留的形态。
以上对本发明的具体实施方式进行了描述,但本领域技术人员将会理解,上述具体实施方式并不构成对本发明的限制,本领域技术人员可以在以上公开内容的基础上进行多种修改,而不超出本发明的范围。
Claims (6)
1.一种多分辨率翼型设计方法,包括:
获得初始翼型;
根据所述初始翼型,通过多分辨率分解而获得多分辨率参数化模型;
使用所述多分辨率参数化模型,并通过多级优化策略进行翼型优化设计;以及
获得最终翼型;
其中,所述多分辨率参数化模型包括n个不同分辨率级别的翼型参数化控制点集C1,C2,C3,…,Cn,每个控制点集的控制点数量分别为m1,m2,m3,…,mn,其中n≧2,且m1﹤m2﹤m3﹤…﹤mn;
其中,使用所述多分辨率参数化模型,并通过多级优化策略进行翼型优化设计包括:采用第一级控制点集C1作为优化参数,对m1个控制点进行优化设计;当优化收敛时,采用下一级控制点集C2作为优化参数,对m2个控制点进行优化设计;依此类推,直至第n级优化设计完成;
其中,采用多分辨率分解实现多分辨率参数化模型时,采用节点删除实现不同分辨率的参数化。
2.如权利要求1所述的多分辨率翼型设计方法,其特征在于,在通过多级优化策略进行翼型优化设计时,还输入优化目标及约束。
3.如权利要求2所述的多分辨率翼型设计方法,其特征在于,在每一级优化设计期间,都进行翼型性能评估并检验是否满足约束。
4.一种多分辨率翼型设计系统,包括:
多分辨率参数化模块,所述多分辨率参数化模块构造成根据初始翼型,通过多分辨率分解而获得多分辨率参数化模型;
多级优化模块,所述多级优化模块构造成使用所述多分辨率参数化模型,并通过多级优化策略进行翼型优化设计,从而获得最终翼型;
其中,所述多分辨率参数化模型包括n个不同分辨率级别的翼型参数化控制点集C1,C2,C3,…,Cn,每个控制点集的控制点数量分别为m1,m2,m3,…,mn,其中n≧2,且m1﹤m2﹤m3﹤…﹤mn;
其中,所述多级优化模块还构造成:采用第一级控制点集C1作为优化参数,对m1个控制点进行优化设计;当优化收敛时,采用下一级控制点集C2作为优化参数,对m2个控制点进行优化设计;依此类推,直至第n级优化设计完成;
其中,采用多分辨率分解实现多分辨率参数化模型时,采用节点删除实现不同分辨率的参数化。
5.如权利要求4所述的多分辨率翼型设计系统,其特征在于,所述多级优化模块还构造成:输入有优化目标及约束。
6.如权利要求5所述的多分辨率翼型设计系统,其特征在于,所述多级优化模块还构造成:在每一级优化设计期间,都进行翼型性能评估并检验是否满足约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510578316.3A CN105046034B (zh) | 2015-09-11 | 2015-09-11 | 多分辨率翼型设计方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510578316.3A CN105046034B (zh) | 2015-09-11 | 2015-09-11 | 多分辨率翼型设计方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046034A CN105046034A (zh) | 2015-11-11 |
CN105046034B true CN105046034B (zh) | 2018-07-06 |
Family
ID=54452575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510578316.3A Active CN105046034B (zh) | 2015-09-11 | 2015-09-11 | 多分辨率翼型设计方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046034B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203140B (zh) * | 2017-07-10 | 2019-11-15 | 中国地质大学(武汉) | 一种基于模糊综合的烧结生产过程性能评估方法 |
CN112527330A (zh) * | 2020-12-16 | 2021-03-19 | Vidaa美国公司 | 一种管理方法及显示设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7928984B1 (en) * | 2007-08-31 | 2011-04-19 | Adobe Systems Incorporated | Efficient data packaging for rendering bézier curves on a GPU |
CN102682169A (zh) * | 2012-05-11 | 2012-09-19 | 中国航空工业集团公司西安飞机设计研究所 | 基于五个控制剖面的缝翼展向控制曲线的设计方法 |
CN103150419A (zh) * | 2013-01-04 | 2013-06-12 | 姜海波 | 用解析函数表示的翼型及其生成方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615216B (zh) * | 2009-07-28 | 2011-01-05 | 重庆大学 | 对翼型尾缘进行流线形增厚的方法 |
CN104392075B (zh) * | 2014-12-15 | 2019-01-18 | 中国飞机强度研究所 | 一种翼型参数化建模方法 |
CN104750948B (zh) * | 2015-04-22 | 2017-03-29 | 北京理工大学 | 一种处理飞行器设计中多极值多约束问题的优化方法 |
-
2015
- 2015-09-11 CN CN201510578316.3A patent/CN105046034B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7928984B1 (en) * | 2007-08-31 | 2011-04-19 | Adobe Systems Incorporated | Efficient data packaging for rendering bézier curves on a GPU |
CN102682169A (zh) * | 2012-05-11 | 2012-09-19 | 中国航空工业集团公司西安飞机设计研究所 | 基于五个控制剖面的缝翼展向控制曲线的设计方法 |
CN103150419A (zh) * | 2013-01-04 | 2013-06-12 | 姜海波 | 用解析函数表示的翼型及其生成方法 |
Non-Patent Citations (2)
Title |
---|
三种翼型参数化方法的研究;孙勤,张俊彦,邹汝红;《湘潭大学自然科学学报》;20130915;第35卷(第3期);全文 * |
基于逐次升阶的翼型参数化与气动优化方法研究;王亮,高正红,黄江涛,赵轲,李静,许放;《空气与动力学学报》;20150625;第33卷(第3期);第1-4节,附图6-9,18 * |
Also Published As
Publication number | Publication date |
---|---|
CN105046034A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kenway et al. | Multipoint aerodynamic shape optimization investigations of the common research model wing | |
Wickramasinghe et al. | Designing airfoils using a reference point based evolutionary many-objective particle swarm optimization algorithm | |
CN106055791B (zh) | 基于预估校正算法的飞行器全局气动优化方法 | |
Han et al. | A variable-fidelity modeling method for aero-loads prediction | |
CN108319799A (zh) | 一种自主水下航行器的外形多保真度优化设计方法 | |
CN110705029B (zh) | 一种基于迁移学习的振荡扑翼能量采集系统流场预测方法 | |
CN112084727A (zh) | 一种基于神经网络的转捩预测方法 | |
CN105718943A (zh) | 基于粒子群优化算法的特征选择方法 | |
CN112464366B (zh) | 基于数据挖掘的自主水下航行器多保真度外形优化方法 | |
CN105046034B (zh) | 多分辨率翼型设计方法和系统 | |
Cinquegrana et al. | Efficient global optimization of a transonic wing with geometric data reduction | |
Maheri | Multiobjective optimisation and integrated design of wind turbine blades using WTBM-ANSYS for high fidelity structural analysis | |
Liu et al. | Optimization of nano-rotor blade airfoil using controlled elitist NSGA-II | |
Sheikh et al. | Airfoil optimization using design-by-morphing | |
Wang et al. | Research on a surrogate model updating-based efficient multi-objective optimization framework for supertall buildings | |
CN105550711A (zh) | 一种基于萤火虫算法的选择性集成学习方法 | |
CN110924935B (zh) | 致密油藏井底流压调控方案确定方法、装置和设备 | |
Periaux et al. | Fast reconstruction of aerodynamic shapes using evolutionary algorithms and virtual nash strategies in a CFD design environment | |
CN104680023A (zh) | 基于多目标决策的抽油机参数优化方法 | |
CN104699901A (zh) | 基于差量采样解的GappyPOD翼型反设计方法 | |
CN106530109A (zh) | 一种基于信息价值的油田开发评价井决策方法 | |
Barrett et al. | Airfoil shape design and optimization using multifidelity analysis and embedded inverse design | |
Cameron et al. | Metamodel assisted multi-objective global optimisation of natural laminar flow aerofoils | |
CN111625901B (zh) | 一种面向翼型的压力系数曲线智能生成方法 | |
Tong et al. | Multi-objective aerodynamic optimization of supercritical wing with substantial pressure constraints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |