CN110110444A - 一种面向大型商船耦合型翼帆优化方法及系统 - Google Patents
一种面向大型商船耦合型翼帆优化方法及系统 Download PDFInfo
- Publication number
- CN110110444A CN110110444A CN201910383452.5A CN201910383452A CN110110444A CN 110110444 A CN110110444 A CN 110110444A CN 201910383452 A CN201910383452 A CN 201910383452A CN 110110444 A CN110110444 A CN 110110444A
- Authority
- CN
- China
- Prior art keywords
- optimization
- wing sail
- initial
- sail
- wing
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
- Wind Motors (AREA)
Abstract
本发明公开一种面向大型商船耦合型翼帆优化方法,包括:获取初始翼型几何形状的参数;根据所述初始翼型几何形状的参数生成初始翼帆;根据所述初始翼型几何形状的参数确定优化目标;根据所述优化目标确定约束条件;根据所述约束条件采用粒子群优化算法对初始翼帆进行初始优化,得到候选翼帆集;采用多点优化算法对所述候选翼帆集进一步优化,得到优化后的翼帆集;采用计算流体动力学CFD对优化后的翼帆集进行筛选,得到最终的优化翼帆。本发明中的上述方法,能够对翼帆进行空气动力学优化,提高风帆的助航性能。
Description
技术领域
本发明涉及翼帆优化领域,特别是涉及一种面向大型商船耦合型翼帆优化方法及系统。
背景技术
随着全球商船规模的日益扩大,庞大的船队给环境带来巨大的负面影响,船舶减排刻不容缓,利用清洁能源的风帆助航技术无疑契合了时代的发展需求。现代风帆助航技术的研究已经可以满足在不损害船舶航行性能的前提下减少燃料能源的消耗,降低环境污染的可能性,因此如何进一步提升风帆的助航性能,扩大风帆应用范围,成为风帆助航研究的关键问题。
对于风帆助航的研究,鲜有针对圆弧形翼帆的优化,圆弧形硬帆经常被作为研究对象,但其帆型剖面并非性能良好的翼型,助航效果不理想,传统的风帆优化研究方法也难以对翼帆展开精准的描述和改型。如公开号为CN101920777B的专利公开了一种翼帆及具有该翼帆的船舶,通过伸缩桅杆调整翼帆升降,搭载中央控制系统调整翼帆的帆向角及发动机的转速,提高了翼帆在商船上的可用性,但是该专利提出的翼帆未进行空气动力学优化,节能效果有待进一步提高。
翼帆的空气动力学性能与其几何变量之间,存在的是高度非线性关系,几何参数的变化可能会使翼帆表面压强发生突变。考虑空气粘度影响,翼帆自身几何曲线对其性能会产生更为复杂的影响。这些因素使得传统的优化方式,在翼帆优化研究中难以收敛到最优解,也无法保证目标函数在优化过程中的连续性。
Li.D等(Li,D.,Li,G.,Dai,J.,Li,P.,″A new type of collapsible wing sailand its aerodynamic performance,″ASME 2017 36th International Conference onOcean,Offshore and Arctic Engineering,American Society of MechanicalEngineers.pp.1-10)提出了一种可折叠翼帆并计算了其空气动力学性能,在设计过程中定义了四个关键几何参数,其优化方法是提供一定数量的参数组合,分别对其进行空气动力学性能计算。由于其参数的组合数目非常有限,有可能使优化陷入局部最优,目标函数在优化过程中的连续性也无法确保,无法保证翼帆得到性能最优解。
发明内容
本发明的目的是提供一种面向大型商船耦合型翼帆优化方法及系统,对翼帆进行空气动力学优化,提高风帆的助航性能。
为实现上述目的,本发明提供了如下方案:
一种面向大型商船耦合型翼帆优化方法,所述方法包括:
获取初始翼型几何形状的参数;
根据所述初始翼型几何形状的参数生成初始翼帆;
根据所述初始翼型几何形状的参数确定优化目标;
根据所述优化目标确定约束条件;
根据所述约束条件采用粒子群优化算法对初始翼帆进行初始优化,得到候选翼帆集;
采用多点优化算法对所述候选翼帆集进一步优化,得到优化后的翼帆集;
采用计算流体动力学CFD对优化后的翼帆集进行筛选,得到最终的优化翼帆。
可选的,所述初始翼型几何形状的参数具体包括:
前缘半径、上翼面顶点坐标、下翼面顶点坐标、上翼面顶点曲率、下翼面顶点曲率、尾缘点坐标、尾缘厚度、翼型拱度、尾缘转角、尾缘夹角、弦长以及拱度比。
可选的,所述根据所述初始翼型几何形状的参数确定优化目标具体包括:
选取飞行功率为性能评价指标;
根据所述性能评价指标提取功率因子;
选取最大的功率因子为优化目标。
可选的,所述飞行功率具体表示如下:
其中,P为飞行功率,W为风帆作用的主体质量,S为风帆参考面积,ρ为水上密度,CL表示升力系数、CD表示阻力系数;
所述功率因子具体表示如下:
其中,CL表示升力系数、CD表示阻力系数。
可选的,所述约束条件具体如下:
其中,CL表示升力系数、CD表示阻力系数,α表示风帆攻角,Cm表示风帆力矩,ωi表示权重系数,i表示多点优化中速度区间系数,V代表风速。
可选的,所述根据所述约束条件采用粒子群优化对初始翼帆进行初始优化,得到候选翼帆集具体包括:
以翼帆飞行功率因子为目标函数,计算得出粒子的适应度值;
根据所述适应度值判断是否满足优化要求,得到判断结果;
若判断结果表示满足优化要求则输出候选翼帆集;
若判断结果表示不满足优化要求则重新进行迭代。
可选的,所述根据所述适应度值判断是否满足优化要求具体是:根据所述适应度值判断是否满足所述约束条件。
本发明另外提供一种面向大型商船耦合型翼帆优化系统,所述系统包括:
参数获取模块,用于获取初始翼型几何形状的参数;
初始翼帆生成模块,用于根据所述初始翼型几何形状的参数生成初始翼帆;
优化目标确定模块,用于根据所述初始翼型几何形状的参数确定优化目标;
约束条件确定模块,用于根据所述优化目标确定约束条件;
候选翼帆集确定模块,用于根据所述约束条件采用粒子群优化对初始翼帆进行初始优化,得到候选翼帆集;
优化翼帆集确定模块,用于采用多点优化对所述候选翼帆集进一步优化,得到优化后的翼帆集;
筛选模块,用于采用计算流体动力学CFD对优化后的翼帆集进行筛选,得到最终的优化翼帆。
可选的,所述初始翼型几何形状的参数具体包括:
前缘半径、上翼面顶点坐标、下翼面顶点坐标、上翼面顶点曲率、下翼面顶点曲率、尾缘点坐标、尾缘厚度、翼型拱度、尾缘转角、尾缘夹角、弦长以及拱度比。
可选的,所述优化目标确定模块包括:
选取单元,用于选取飞行功率为性能评价指标;
提取单元,用于根据所述性能评价指标提取功率因子;
确定单元,用于选取最大的功率因子为优化目标。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明通过对耦合型翼帆几何特征的完整定义,将其输入粒子群优化和考虑实际应用场景的多点优化中,并对优化过程中生成的候选翼帆进行CFD计算,筛选空气动力性能优良的翼帆。该方法生成的候选翼帆数目众多,且优化具备一定的针对性,更易得到最优解。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例面向大型商船耦合型翼帆优化方法流程图;
图2为本发明实施例传统翼帆结构示意图;
图3为本发明实施例初始翼帆结构示意图;
图4为本发明实施例面向大型商船耦合型翼帆优化系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种面向大型商船耦合型翼帆优化方法及系统,对翼帆进行空气动力学优化,提高风帆的助航性能。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例面向大型商船耦合型翼帆优化方法流程图,如图1所示,所述方法包括:
步骤101:获取初始翼型几何形状的参数;
步骤102:根据所述初始翼型几何形状的参数生成初始翼帆;
步骤103:根据所述初始翼型几何形状的参数确定优化目标;
步骤104:根据所述优化目标确定约束条件;
步骤105:根据所述约束条件采用粒子群优化算法对初始翼帆进行初始优化,得到候选翼帆集;
步骤106:采用多点优化算法对所述候选翼帆集进一步优化,得到优化后的翼帆集;
步骤107:采用计算流体动力学CFD对优化后的翼帆集进行筛选,得到最终的优化翼帆。
具体的,步骤101中,所述参数包括:前缘半径、上翼面顶点坐标、下翼面顶点坐标、上翼面顶点曲率、下翼面顶点曲率、尾缘点坐标、尾缘厚度、翼型拱度、尾缘转角、尾缘夹角、弦长以及拱度比。如图2所示,图2中Rle为前缘半径,(Xup,Zup)为上翼面顶点坐标,(XLOW,ZLOW)为下翼面顶点坐标,ZXXUP为上翼面顶点曲率,ZXXLOW为下翼面顶点曲率,(XTE,ZTE)为尾缘点坐标,ΔZTE为尾缘厚度,f为翼型拱度,α为尾缘转角,β为尾缘夹角,C为弦长,H为拱度比。
具体的,步骤102中,运用XFOIL和SolidWorks软件,根据几何特征参数对翼帆进行绘制,初始翼帆如图3所示。
具体的,步骤103中,所述根据所述初始翼型几何形状的参数确定优化目标具体包括:
选取飞行功率为性能评价指标;
根据所述性能评价指标提取功率因子;
选取最大的功率因子为优化目标,即max PF(αi,Vi)。
其中,优化目标是指参数化表征后的翼型的空气动力性能优化目标,翼型性能与其几何参数之间存在高度非线性的关系,其数值根据建模后的翼型形态,由仿真计算得到。传统翼型优化的主要研究对象是雷诺数在107量级的亚跨音速飞行器翼型,为了提高其气动效率或提升功率,一般以大升力或大升阻比为优化目的。而对于风帆助航所处的104-105量级的环境,以提升功率因子为优化目标更加实际,对于延长续航里程,减少能耗有着积极意义。
其中,所述飞行功率具体表示如下:
其中,P为飞行功率,W为风帆作用的主体质量,S为风帆参考面积,ρ为水上密度,CL表示升力系数、CD表示阻力系数;
所述功率因子具体表示如下:
其中,CL表示升力系数、CD表示阻力系数。
由上式可得出,在船舶航行中,功耗与翼帆载荷W/S和功率因子PF有关,翼帆载荷不变的情况下,功率因子越大,功耗越小,风帆助航的续航时间更长。
输入上述三项优化参数后,粒子群优化过程中生成大量满足约束条件的候选翼型,以14维粒子,即每个翼型对应的14个几何参数形式表征。随后在多点优化中,根据使用实际情况,对不同速度区间的优化做了权重区分,用于功率因子的计算。功率因子由优化流程中CFD部分-即XFOIL软件计算得出。当翼帆的功率因子满足优化目标时,输出最优翼帆的14个参数,进而得到翼型形状。
具体的,步骤104中,所述约束条件具体如下:
其中,CL表示升力系数、CD表示阻力系数,α表示风帆攻角,Cm表示风帆力矩,ωi表示权重系数,i表示多点优化中速度区间系数,代表一项约束参数,表示CL的1.5次方,用于约束性能,V代表风速。
具体的,步骤105中,所述根据所述约束条件采用粒子群优化对初始翼帆进行初始优化,得到候选翼帆集具体包括:
以翼帆飞行功率因子为目标函数,计算得出粒子的适应度值;
根据所述适应度值判断是否满足优化要求,得到判断结果;
若判断结果表示满足优化要求则输出候选翼帆集;
若判断结果表示不满足优化要求则重新进行迭代。
具体如下:所述适用于耦合型翼帆的粒子群优化,以决定翼型几何特征的14个变量构成14维粒子,其取值范围限定于对应参数的取值范围。通过随机生成种群,对每个粒子赋予初速度,根据解析式将粒子还原翼帆形状.粒子的适应度由适应度函数计算得出,本优化过程以翼帆飞行功率因子为目标函数,计算得出粒子的适应度值,通过比较适应度值大小及粒子位置更新,检查是否满足优化要求,即是否在满足约束条件的前提下,达到优化目标,如果是则得出初步优化结果,否则继续迭代计算。
具体的,步骤106中,对粒子群优化生成的候选翼型进一步优化。考虑风帆助航船舶的实际航行条件,将多点优化的速度范围进行区分,并根据实际风场分布条件,定义速度区间对应的权重系数。对耦合翼型进行四组空气动力学性能优化,分别记为Opt1、Opt2、Opt3和Opt4,约束条件及权重系数的不同见表1:
表1
翼帆优化 | 优化速度范围 | 权重系数 |
Opt<sub>1</sub> | 6m/s<V<18m/s | 0.20,0.25,0.30,0.25. |
Opt<sub>2</sub> | 6m/s<V<18m/s | 0.15,0.35,0.35,0.15. |
Opt<sub>3</sub> | 10m/s<V<18m/s | 0.20,0.25,0.30,0.25. |
Opt<sub>4</sub> | 10m/s<V<18m/s | 0.15,0.35,0.35,0.15. |
如图4所示,图4为本发明实施例面向大型商船耦合型翼帆优化系统结构示意图,所述系统包括:
参数获取模块201,用于获取初始翼型几何形状的参数;
初始翼帆生成模块202,用于根据所述初始翼型几何形状的参数生成初始翼帆;
优化目标确定模块203,用于根据所述初始翼型几何形状的参数确定优化目标;
约束条件确定模块204,用于根据所述优化目标确定约束条件;
候选翼帆集确定模块205,用于根据所述约束条件采用粒子群优化对初始翼帆进行初始优化,得到候选翼帆集;
优化翼帆集确定模块206,用于采用多点优化对所述候选翼帆集进一步优化,得到优化后的翼帆集;
筛选模块207,用于采用计算流体动力学CFD对优化后的翼帆集进行筛选,得到最终的优化翼帆。
所述优化目标确定模块203包括:
选取单元,用于选取飞行功率为性能评价指标;
提取单元,用于根据所述性能评价指标提取功率因子;
确定单元,用于选取最大的功率因子为优化目标。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种面向大型商船耦合型翼帆优化方法,其特征在于,所述方法包括:
获取初始翼型几何形状的参数;
根据所述初始翼型几何形状的参数生成初始翼帆;
根据所述初始翼型几何形状的参数确定优化目标;
根据所述优化目标确定约束条件;
根据所述约束条件采用粒子群优化算法对初始翼帆进行初始优化,得到候选翼帆集;
采用多点优化算法对所述候选翼帆集进一步优化,得到优化后的翼帆集;
采用计算流体动力学CFD对优化后的翼帆集进行筛选,得到最终的优化翼帆。
2.根据权利要求1所述的面向大型商船耦合型翼帆优化方法,其特征在于,所述初始翼型几何形状的参数具体包括:
前缘半径、上翼面顶点坐标、下翼面顶点坐标、上翼面顶点曲率、下翼面顶点曲率、尾缘点坐标、尾缘厚度、翼型拱度、尾缘转角、尾缘夹角、弦长以及拱度比。
3.根据权利要求1所述的面向大型商船耦合型翼帆优化方法,其特征在于,所述根据所述初始翼型几何形状的参数确定优化目标具体包括:
选取飞行功率为性能评价指标;
根据所述性能评价指标提取功率因子;
选取最大的功率因子为优化目标。
4.根据权利要求3所述的面向大型商船耦合型翼帆优化方法,其特征在于,所述飞行功率具体表示如下:
其中,P为飞行功率,W为风帆作用的主体质量,S为风帆参考面积,ρ为水上密度,CL表示升力系数、CD表示阻力系数;
所述功率因子具体表示如下:
其中,CL表示升力系数、CD表示阻力系数。
5.根据权利要求1所述的面向大型商船耦合型翼帆优化方法,其特征在于,所述约束条件具体如下:
其中,CL表示升力系数、CD表示阻力系数,α表示风帆攻角,Cm表示风帆力矩,ωi表示权重系数,i表示多点优化中速度区间系数,V代表风速。
6.根据权利要求1所述的面向大型商船耦合型翼帆优化方法,其特征在于,所述根据所述约束条件采用粒子群优化对初始翼帆进行初始优化,得到候选翼帆集具体包括:
以翼帆飞行功率因子为目标函数,计算得出粒子的适应度值;
根据所述适应度值判断是否满足优化要求,得到判断结果;
若判断结果表示满足优化要求则输出候选翼帆集;
若判断结果表示不满足优化要求则重新进行迭代。
7.根据权利要求6所述的面向大型商船耦合型翼帆优化方法,其特征在于,所述根据所述适应度值判断是否满足优化要求具体是:根据所述适应度值判断是否满足所述约束条件。
8.一种面向大型商船耦合型翼帆优化系统,其特征在于,所述系统包括:
参数获取模块,用于获取初始翼型几何形状的参数;
初始翼帆生成模块,用于根据所述初始翼型几何形状的参数生成初始翼帆;
优化目标确定模块,用于根据所述初始翼型几何形状的参数确定优化目标;
约束条件确定模块,用于根据所述优化目标确定约束条件;
候选翼帆集确定模块,用于根据所述约束条件采用粒子群优化对初始翼帆进行初始优化,得到候选翼帆集;
优化翼帆集确定模块,用于采用多点优化对所述候选翼帆集进一步优化,得到优化后的翼帆集;
筛选模块,用于采用计算流体动力学CFD对优化后的翼帆集进行筛选,得到最终的优化翼帆。
9.根据权利要求8所述的面向大型商船耦合型翼帆优化系统,其特征在于,所述初始翼型几何形状的参数具体包括:
前缘半径、上翼面顶点坐标、下翼面顶点坐标、上翼面顶点曲率、下翼面顶点曲率、尾缘点坐标、尾缘厚度、翼型拱度、尾缘转角、尾缘夹角、弦长以及拱度比。
10.根据权利要求8所述的面向大型商船耦合型翼帆优化系统,其特征在于,所述优化目标确定模块包括:
选取单元,用于选取飞行功率为性能评价指标;
提取单元,用于根据所述性能评价指标提取功率因子;
确定单元,用于选取最大的功率因子为优化目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383452.5A CN110110444B (zh) | 2019-05-09 | 2019-05-09 | 一种面向大型商船耦合型翼帆优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383452.5A CN110110444B (zh) | 2019-05-09 | 2019-05-09 | 一种面向大型商船耦合型翼帆优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110444A true CN110110444A (zh) | 2019-08-09 |
CN110110444B CN110110444B (zh) | 2023-06-09 |
Family
ID=67489022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910383452.5A Active CN110110444B (zh) | 2019-05-09 | 2019-05-09 | 一种面向大型商船耦合型翼帆优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110444B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111506969A (zh) * | 2020-04-21 | 2020-08-07 | 常熟理工学院 | 一种基于多目标粒子群算法的船型优化方法 |
CN113591206A (zh) * | 2021-07-09 | 2021-11-02 | 武汉理工大学 | 一种基于几何变形空间特征的船型优化设计方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105697236A (zh) * | 2016-03-01 | 2016-06-22 | 武汉理工大学 | 一种可发电的自适应风帆 |
CN107644136A (zh) * | 2017-09-20 | 2018-01-30 | 天津工业大学 | 一种风力机叶片表面粗糙条件下钝尾缘翼型优化设计方法 |
-
2019
- 2019-05-09 CN CN201910383452.5A patent/CN110110444B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105697236A (zh) * | 2016-03-01 | 2016-06-22 | 武汉理工大学 | 一种可发电的自适应风帆 |
CN107644136A (zh) * | 2017-09-20 | 2018-01-30 | 天津工业大学 | 一种风力机叶片表面粗糙条件下钝尾缘翼型优化设计方法 |
Non-Patent Citations (2)
Title |
---|
左林玄;王晋军;: "低雷诺数翼型的优化设计" * |
许平;姜长生;: "基于粒子群算法的翼型优化设计" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111506969A (zh) * | 2020-04-21 | 2020-08-07 | 常熟理工学院 | 一种基于多目标粒子群算法的船型优化方法 |
CN111506969B (zh) * | 2020-04-21 | 2021-12-31 | 常熟理工学院 | 一种基于多目标粒子群算法的船型优化方法 |
CN113591206A (zh) * | 2021-07-09 | 2021-11-02 | 武汉理工大学 | 一种基于几何变形空间特征的船型优化设计方法及系统 |
CN113591206B (zh) * | 2021-07-09 | 2023-04-28 | 武汉理工大学 | 一种基于几何变形空间特征的船型优化设计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110110444B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408260B (zh) | 一种潮流能水轮机叶片翼型设计方法 | |
CN109190283B (zh) | 一种考虑高湍流自由来流效应的风力机翼型气动优化方法 | |
US9031817B2 (en) | Method for designing a natural laminar flow wing of a supersonic aircraft | |
Ma et al. | Hard sail optimization and energy efficiency enhancement for sail-assisted vessel | |
Xiao et al. | Flow control for VATT by fixed and oscillating flap | |
Du et al. | Design, analysis and test of a model turbine blade for a wave basin test of floating wind turbines | |
Nandagopal et al. | Multi-objective optimization of hydrofoil geometry used in horizontal axis tidal turbine blade designed for operation in tropical conditions of South East Asia | |
Buning et al. | Near-body grid adaption for overset grids | |
CN109145506B (zh) | 一种高气动性能低噪声水平风力机外侧翼型的优化设计方法 | |
CN104405596B (zh) | 一种风力发电机组低风速翼型族 | |
Zhu et al. | Impact of the ground effect on the energy extraction properties of a flapping wing | |
CN109711093B (zh) | 一种船用复合材料螺旋桨预变形优化方法 | |
CN110110444A (zh) | 一种面向大型商船耦合型翼帆优化方法及系统 | |
CN110298093B (zh) | 一种浮式风机缩比模型性能相似叶片设计方法 | |
CN112883503A (zh) | 基于ptfe膜对风机叶片气动特性影响的数值模拟方法 | |
Ren et al. | Influences of winglets on the hydrodynamic performance of horizontal axis current turbines | |
CN101898644A (zh) | 用来设计翼型的系统与方法 | |
CN110287573B (zh) | 一种适用于浮式风机缩比模型水池试验的模型叶片设计方法 | |
Li et al. | An assisted propulsion device of vessel utilizing wind energy based on Magnus effect | |
CN112926132B (zh) | 一种考虑三维效应影响下的固定翼翼型气动外形设计方法 | |
CN114021492A (zh) | 一种基于神经网络的超临界翼型抖振优化方法 | |
Rasekh et al. | Toward improving the performance of a variable pitch vertical axis wind turbine (VP-VAWT), Part 2: Multi-objective optimization using NSGA-II with CFD in the loop | |
CN106828876A (zh) | 一种适用于中短程高速民机的前掠自然层流机翼 | |
Rasekh et al. | Toward improving the performance of a variable pitch vertical axis wind turbine (VP-VAWT), Part 1: Sensitivity analysis using Taguchi-CFD approach | |
Ai et al. | Effects of inter-turbines spacing on aerodynamics for wind farms based on actuator line model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |