CN110851929A - 基于自适应网格的二维叶型优化设计方法及装置 - Google Patents

基于自适应网格的二维叶型优化设计方法及装置 Download PDF

Info

Publication number
CN110851929A
CN110851929A CN201911126300.3A CN201911126300A CN110851929A CN 110851929 A CN110851929 A CN 110851929A CN 201911126300 A CN201911126300 A CN 201911126300A CN 110851929 A CN110851929 A CN 110851929A
Authority
CN
China
Prior art keywords
flow field
dimensional
grid
leaf
initial
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
Application number
CN201911126300.3A
Other languages
English (en)
Other versions
CN110851929B (zh
Inventor
耿少娟
倪明
张小玉
王文涛
李鑫龙
张宏武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Engineering Thermophysics of CAS
Original Assignee
Institute of Engineering Thermophysics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Engineering Thermophysics of CAS filed Critical Institute of Engineering Thermophysics of CAS
Priority to CN201911126300.3A priority Critical patent/CN110851929B/zh
Publication of CN110851929A publication Critical patent/CN110851929A/zh
Application granted granted Critical
Publication of CN110851929B publication Critical patent/CN110851929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Structures Of Non-Positive Displacement Pumps (AREA)

Abstract

一种基于自适应网格的二维叶型优化设计方法及装置，其中基于自适应网格求解二维叶型流场的方法，包括如下步骤：对二维叶型绘制初始网格，并进行二维叶型流场粘性计算，得到与所述初始网格的每个节点相对应的流场数据，从而形成初始流场；对所述初始流场进行嗅探，利用特征量探测器标记不符合阈值条件的网格节点并进行网格自适应，直到所有网格节点满足阈值条件，完成二维叶型流场的精确计算，得到目标函数的精确响应输出值。用户无需高精度求解器，常用商用计算软件提供的一阶至二阶精度可以满足需求；在流场变化梯度较大处，利用低阶求解可以有更好的鲁棒性；通过特征量探测确定网格加密位置，避免全局加密，减少计算量，具有工程实际使用价值。

Description

基于自适应网格的二维叶型优化设计方法及装置
技术领域
本发明涉及压气机叶片气动设计领域，尤其涉及基于自适应网格的二维叶型优化设计方法及装置。
背景技术
目前，工业界生成压气机叶片的方法如图1所示，均是将若干个二维叶型按照特定形状的积叠线叠加生成三维叶片。二维叶型气动水平与三维叶片的性能直接相关，在设计体系中至关重要。
跨音压气机部分叶高下的入口相对马赫数大于1达到超音。跨音级存在激波及其与附面层的相互干涉、动叶叶顶泄漏等复杂的流动现象、对跨音级研制过程带来很大的困难。对于适用于跨音压气机的超音二维叶型而言，准确的计算流场、确定流场中的结构是重中之重。然而，如图2(a)和图2(b)所示，由于激波带来的间断，给流场计算带来了困难，容易带来色散误差使得激波产生位置非精确捕捉。
其次，目前二维叶型流场计算程序较多采用无粘欧拉法计算，求解速度快且能够快速实现设计原型，但对于激波及其与边界层干涉等涉及黏性流动的复杂物理现象，无粘计算结果有一定局限性，不能得到非常精确的结果。
为了提高流场计算的准确性，主要有两种办法：1、提高求解器精度，如采用高阶格式；2、提高网格密度。前者随着计算精度的提高，求解鲁棒性较差且需要定制专有高精度求解器，不利于工程实现。
一些研究给出了超高负荷超低转速大涵道比风扇转子三维气动设计方法，其中对于二维叶型采用标准叶型或、反问题或优化方法进行设计，并未提及流场求解精度及准确性相关问题。还有一些研究如图3(a)和图3(b)所示，采用适用于激波捕捉的二阶精度以上RANS计算方法，并在激波波长内布置30个以上的网格点，但并未具体指出捕捉激波参数、位置与加密激波位置处网格的实现手段。
发明内容
有鉴于此，本发明的主要目的是提供一种基于自适应网格的二维叶型优化设计方法及装置，以期至少部分地解决上述提及的技术问题中的至少之一。
为达到上述目的，作为本发明的一个方面，提供了一种基于自适应网格求解二维叶型流场的方法，包括如下步骤：
对二维叶型绘制初始网格，并进行二维叶型流场粘性计算，得到与所述初始网格的每个节点相对应的流场数据，从而形成初始流场；
对所述初始流场进行嗅探，利用特征量探测器标记不符合阈值条件的网格节点并进行网格自适应，直到所有网格节点满足阈值条件，完成二维叶型流场的精确计算，得到目标函数的精确响应输出值。
作为本发明的另一个方面，还提供一种二维叶型优化设计方法，包括如下步骤：
将给定叶型利用样条曲线函数进行参数化，生成多个控制点；
对每个控制点进行实验设计，得到若干样本控制点，通过样条曲线函数生成若干样本叶型，将所述样本叶型作为初始的精确流体力学计算算例；
对所述计算算例采用如上述的基于自适应网格求解二维叶型流场的方法进行计算，通过所述精确响应输出值构建初始的叶型数据库；
根据所述初始的叶型数据库建立代理模型，并利用所述精确响应输出值对代理模型进行优化训练，得到修正的代理模型；
根据修正的代理模型通过优化算法寻找目标函数的代理模型响应输出值，生成最优叶型。
作为本发明的再一个方面，还提供一种二维叶型优化设计装置，包括：
存储器，存储有能被处理器执行的程序指令；
处理器，调用所述存储器中的程序指令，以执行如上述的二维叶型优化设计方法。
基于上述技术方案，本发明的基于自适应网格的二维叶型优化设计方法具有以下积极效果：
利用自适应网格技术对二维叶型流场进行高精度求解，尤其对跨音流场带来的激波计算色散问题予以解决，保障构造叶型数据库源数据的准确性和可靠性，再通过代理模型及优化算法得到攻角范围尽可能大，总压损失尽可能小，并且拥有有一定的喘振裕度的二维叶型；
用户无需拥有专有高精度求解器，目前市面上的常用商用计算软件提供的一阶至二阶精度可以满足需求；在流场变化梯度较大处(例如激波产生位置)，利用低阶(一阶或二阶)求解可以有更好的鲁棒性；通过特征量探测确定网格加密位置，避免全局加密，减少计算量，具有工程实际使用价值；
对于拥有自主求解器的用户，可以通过网格计算精度升阶及相关混合方法进行自适应，同样可以达到精确捕捉流场的效果并大大减少生成网格的工作量。
附图说明
图1是现有技术中压气机叶片气动设计流程图；
图2(a)是对RAE2822翼型不精确激波捕捉示意图；
图2(b)是对RAE2822翼型精确激波捕捉示意图；
图3(a)是现有技术未进行网格自适应捕捉激波示意图；
图3(b)是现有技术五次网格自适应后捕捉激波示意图；
图4是本发明实施例基于自适应网格的二维叶型优化设计方法流程图；
图5为本发明实施例代理模型的优化训练流程图；
图6为本发明实施例通过粒子群优化算法寻找目标函数的代理模型响应输出值的流程图；
图7为本发明实施例1的叶片型线示意图；
图8为本发明实施例1初始网格和相对马赫数云图；
图9为本发明实施例1经过三次网格自适应后的网格和相对马赫数云图；
图10为本发明实施例1原始叶型和优化后叶型对照示意图；
图11为本发明实施例Bezier曲线、B样条曲线(B-Spline)和非均匀有理曲线(NURBS)三者关系示意图。
具体实施方式
本发明的目的在于，提出一种新的高精度二维叶型优化设计方法，利用自适应网格技术对二维叶型流场进行高精度求解，尤其对跨音流场带来的激波计算色散问题予以解决，保障构造叶型数据库源数据的准确性和可靠性，再通过代理模型及优化算法得到攻角范围尽可能大，总压损失尽可能小，并且拥有一定喘振裕度的二维叶型。
在本发明的实施例中，提供一种基于自适应网格的二维叶型优化设计方法，如图4所示，包括如下步骤：
步骤1、将给定叶型利用样条曲线函数进行参数化，生成多个控制点；
对于给定的压气机原始设计，其中会含有原始叶型，但由于相关性能，例如压比、效率、流量及裕度等指标不达标，需要通过一定方法优化叶片的气动性能并得到满足需求的叶片形状，而叶片优化的核心是二维叶型的气动性能的提升。
在本发明的实施例中，本发明的主要目的在于，假定已有一个原型叶型，将这个原型叶型作为输入，通过本发明的方法得到一个攻角范围尽可能大，总压损失尽可能小，并且拥有一定喘振边界的二维叶型。
目前对叶型的参数化造型方法主要有两类，可以分为被动控制型线和主动控制型线。
(1)被动控制型线，主要采用的方法是中弧线及厚度分布定义，即给出中弧线的型线，再分别定义吸力面侧、压力面侧的厚度分布，通过改变中弧线或者厚度分布来改变叶型；
(2)主动控制型线，主要采用的方法是直接控制吸力面、压力面型线。
叶片形状具体的定义方法是通过样条曲线去定义(中弧线及厚度分布曲线、直接控制压力面吸力面型线都可以用样条曲线去表示)。
样条曲线的分类主要有Bezier曲线、B样条曲线(B-Spline)和非均匀有理曲线(NURBS)。三者关系如图11所示。
样条曲线的核心理念为利用较少的控制点来表示曲线，例如Bezier曲线和B样条曲线。非均匀有理(NURBS)曲线除了控制点外，还需要对每个控制点设置权重系数从而表征曲线形状。
值得一提的是，在本发明实施例中，叶型生成过程中利用样条曲线来表征叶身的型线，最终化作对控制点坐标的改变来改变并优化叶型。
步骤2、对每个控制点进行实验设计，得到若干样本控制点，通过样条曲线函数生成若干样本叶型，将样本叶型作为初始的精确流体力学计算算例；
更为具体的，对控制点坐标的位移量进行实验设计，从而控制得到若干样本控制点，得到初始样本空间。
在给定每个控制点坐标的变化上下限(如控制点上下限变化范围不超过叶片最大厚度的25％)，坐标点移动方向可以任选，例如沿着原始叶型型线法向移动。通过实验设计生成大量样本控制点(样本控制点数量主要受控制点数量限制)构造初始样本空间。在本发明的实施例中采用正交设计，但并不局限于此，实验设计还可选均匀设计和拉丁超立方设计等。如表1，在此给出9因素，3水平的正交实验表L27(39)。因子1～9为代表着各控制点，表中1～3分别代表变化范围，1代表变化下限，3代表变化上限。每一行，即一次实验，生成一种叶型，执行下述计算步骤。
表1为9因素，3水平的正交实验表L27(39)
Figure BDA0002275323580000051
Figure BDA0002275323580000061
实验设计根据设计点数量、变量自由度生成设计空间(即初始样本空间)。
步骤2.1对初始样本空间的二维叶型绘制初始网格；并进行二维叶型流场稳态雷诺平均计算(RANS)粘性计算，得到与初始网格的每个节点相对应的流场数据，从而形成初始流场；
在本发明的实施例中，利用叶型参数进行RANS计算，得到初始流场。
所有的在RANS计算之后，均会得到流场数据并与每个网格点坐标相对应，参数包括例如静压、总压、静温、总温、静熵、速度、涡量等推导出相关的无量纲数，例如马赫数等参量的分布。
步骤2.2对计算得到的流场进行嗅探，利用特征量探测器标记不符合阈值条件的网格节点并进行网格自适应，并重新进行RANS计算，直到所有网格节点符合阈值条件。此时，认为高精度二维叶型流场已经完成计算；得到目标函数的精确响应输出值。
在本发明的实施例中，特征量探测器包括激波探测器和/或涡量探测器；更为具体地，涡量探测器和激波探测器标记流场加密位置并在相应区域进行网格自适应；
本发明实施例中，激波探测器：
根据气体动力学原理，垂直激波方向的马赫数在通过激波时从超声速变为亚声速。但由于计算之前，不知道激波的位置和方向，使用压力或密度的梯度方向近似代替激波的法向方向：
Figure BDA0002275323580000062
式中，
Figure BDA0002275323580000071
代表压力的梯度，| |代表模，threshold为过滤阈值，当待进行网格自适应的节点两侧均大于
Figure BDA0002275323580000072
时，对此节点标记并进行网格自适应(加密或升阶)。
涡量探测器：
利用熵进行标识，理论依据为含有涡的区域，其熵的增加比其它区域要大。
|Δs|st＝|Δs|max×threshold；
式中，下标∞代表来流条件，s代表静熵J/(kg·K)，R代表气体常数，γ代表绝热系数，对于理想气体来说，R为287.15J/(kg·K)和γ为1.414，p代表气体压力，ρ代表气体密度。当待进行网格自适应的节点两侧均大于|Δs|st时，对此节点标记并进行网格自适应(加密或计算升阶)。
在本发明实施例中，综合考虑计算效率和鲁棒性，将激波探测器和涡量探测器的阈值分别选为0.1J/(kg·K)和10J/(kg·K)，并规定网格自适应过程不超过3次。若满足阈值条件或者达到自适应计算最大次数，则完成高精度求解。
在本发明的实施例中，网格自适应方法有如下几种：
(1)h方法为加密网格；
(2)p方法为求解精度升阶；
(3)r方法是移动网格节点；
(4)混合方法为上述方法的掺混，如hp，hr，pr等方法；
在本发明的实施例中，采用r方法即移动网格节点，其主要原因是，在涉及到几何轻微变形时，移动网格节点，使得网格更加贴体，同时减少网格生成计算量和时间；
上述的网格自适应方法，都是通过改变网格，加强对流场结构的捕捉，使得最后CFD(Computational Fluid Dynamics计算流体力学)计算准确度提升。
步骤3、利用上一步诸多算例结果构造生成的叶型数据库建立代理模型，并通过步骤2的高精度求解流程得到的精确响应输出值，对代理模型进行校验和修正(即优化训练)，直到满足精度要求，得到修正的代理模型。
值得一提的是，代理模型建立方法包括响应面方法、径向基函数法、Kriging模型或者神经网络。
如图5所示，初始代理模型构造完成后，在叶型数据库内随机选取若干点(5～10个点)作为测试点，输入样本控制点坐标到代理模型函数中，得到优化响应输出，与CFD高精度解进行比较，比较目标函数要求最大误差不超过1％。
更为具体的，收敛条件为：(代理模型响应输出值-精确响应输出值)/精确响应输出值≤1％。
若不满足阈值条件，那么将CFD高精度解加入样本控制点并重新构造代理模型，更为具体的，修正包括将精确流体力学计算结果作为样本控制点加入初始的叶型数据库和/或重新构造代理模型；重复这个过程，直到收敛。
进而得到修正的代理模型，以便能够代替实际真实模型进行近似计算，进而简化计算流程。
步骤4、借助修正的代理模型，通过优化算法寻找目标函数的代理模型响应输出值，并生成最优叶型。
在本发明的实施例中，优化目标函数定义：
对于二维叶型优化来讲，单在设计点攻角下优化的意义不大，应该考虑多点工况，即攻角范围尽可能大，而总压损失尽可能小，并且需要有一定的喘振边界，在工作范围内损失和波动小。
ωD为设计点总压损失系数；
Δβ1为2ωD对应的正负攻角的差值；
Δβstall为压气机的喘振边界，例如可以定义为正攻角的80％范围；
ref下标指原来叶型相关参数；
因此，设计目标可以具体化为：
Figure BDA0002275323580000081
Figure BDA0002275323580000091
Figure BDA0002275323580000092
将上述公式通过加权系数进行总和，得到本发明实施例的优化目标函数：
Figure BDA0002275323580000093
其中，C1、C2、C3分别为权重系数，代表着对设计目标的倾向，在本发明的实施例中，C1、C2、C3可以为相同数值，但并不局限于此，若对其中某项设计目标尤其注重的话，可以选取一个较大的、远大于其他权重的数量形成罚函数。
优化过程中，可以使用许多算法，包括模拟退火、遗传算法、进化算法或者粒子群算法。本发明实施例选用但不局限于粒子群算法优化方法。
具体流程如图6所示，粒子群优化算法模拟了群体运动行为，将解空间中的设计变量视为“粒子”，将所求问题的最优解看成群体的目标，所有粒子通过不断改变运动方向和距离，并以个体极值pbest(第i个粒子迄今为止最优的位置)和群体极值gbest(整个群体最优的位置)作为运动方向引导。
Figure BDA0002275323580000094
Figure BDA0002275323580000095
式中，xi为各因子第i次实验所组成的向量，代表“粒子位置”；vi为第i次实验各因子的“运动速度”；上标k和k+1分别代表当前代和下一代；rand()为服从标准分布的[0，1]之间的随机数；M1，M2分别为运动移动步长，通常均取2。
利用修正的代理模型中各叶型样本控制点构造粒子群体初始向量X，其中每一组向量xi分别代表一种叶型。通过上述公式，改变群体中粒子的速度和位置，作为修正的代理模型的输入，得到响应输出。比较当前群体中的响应值，得到个体极值和群体极值。当群体极值相对变化量小于等于10-4时，认为优化已收敛，得到最优解，或迭代次数超过300次，停止计算，输出当前代最优群体极值向量xbest。
最后，利用当前极值向量xbest中各个控制点坐标，利用样条曲线函数，绘制出优化后的叶片形状。
作为本发明的再一个方面，还提供一种二维叶型优化设计装置，包括：
存储器，存储有能被处理器执行的程序指令；
处理器，调用所述存储器中的程序指令，以执行如上述的二维叶型优化设计方法。
其中，存储器作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下：便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)；处理器通过运行存储在存储器中的软件程序、指令，从而执行各种功能应用以及数据处理，以实现本发明所提供的二维叶型优化设计方法。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
实施例1
如图7所示，对于压气机叶片来说，折转角相对较小，用3～5个控制点(二次至四次样条曲线)去生成压气机主要型线(如吸力面、压力面型线)可以得到较好的效果。在此以NASA公开压气机转子Rotor37为实例，以转子50％叶高处叶型为原始叶型，对其气动性能进行优化，从而获得攻角范围尽可能大，而总压损失尽可能小，并且需要有一定的喘振边界，在工作范围内损失和波动小的优化叶型。
优化目标函数定义为：
Figure BDA0002275323580000101
其中，ωD为设计点总压损失系数；Δβ1为2ωD对应的正负攻角的差值；Δβstall为压气机的喘振边界，例如可以定义为正攻角的80％范围；ref下标指原来叶型相关参数；在此对各项目标均衡考虑C1、C2、C3均选为0.333。
利用B样条曲线对叶片型线进行参数化构造。如图7所示，利用吸力面、压力面、前、尾缘共四段曲线，参数化生成压气机叶型，对于吸力面、压力面型线，各用3个控制点去生成，前缘选取1个控制点(并共用吸力面、压力面第一个控制点)，尾缘选取1个控制点并共用吸力面、压力面最后一个控制点)，约束条件为叶片面积非负，四段型线连续，吸力面、压力面和前缘的曲率保证连续，拟合曲线与原始叶型坐标点的R平方值为0.995，认为拟合曲线与原始叶型数据吻合程度满足需求。
初始叶型控制点确定后，现对其坐标进行实验设计，为了简单起见，下文以x，y直角坐标方向移动为实例。下表2为L27(39)控制点坐标正交实验设计表，实验因子为LEx1，TEx1，SS1x，SS1y，SS2y，SS3y，PS1y，PS2y，PS3y共计9个，实验水平为3，表中的H代表叶片最大厚度，值为控制点坐标较原数据的变化量。
表2为L27(39)控制点坐标正交实验设计表
序号 LE1x SS1x SS1y SS2y SS3y PS1y PS2y PS3y TE1x
1 -0.1H -0.25H -0.25H -0.25H -0.25H -0.25H -0.25H -0.25H -0.1H
2 -0.1H -0.25H -0.25H -0.25H 0 0 0 0 0
3 -0.1H -0.25H -0.25H -0.25H 0.25H 0.25H 0.25H 0.25H 0.1H
4 -0.1H 0 0 0 -0.25H -0.25H -0.25H 0 0
5 -0.1H 0 0 0 0 0 0 0.25H 0.1H
6 -0.1H 0 0 0 0.25H 0.25H 0.25H -0.25H -0.1H
7 -0.1H 0.25H 0.25H 0.25H -0.25H -0.25H -0.25H 0.25H 0.1H
8 -0.1H 0.25H 0.25H 0.25H 0 0 0 -0.25H -0.1H
9 -0.1H 0.25H 0.25H 0.25H 0.25H 0.25H 0.25H 0 0
10 0 -0.25H 0 0.25H -0.25H 0 0.25H -0.25H 0
11 0 -0.25H 0 0.25H 0 0.25H -0.25H 0 0.1H
12 0 -0.25H 0 0.25H 0.25H -0.25H 0 0.25H -0.1H
13 0 0 0.25H -0.25H -0.25H 0 0.25H 0 0.1H
14 0 0 0.25H -0.25H 0 0.25H -0.25H 0.25H -0.1H
15 0 0 0.25H -0.25H 0.25H -0.25H 0 -0.25H 0
16 0 0.25H -0.25H 0 -0.25H 0 0.25H 0.25H -0.1H
17 0 0.25H -0.25H 0 0 0.25H -0.25H -0.25H 0
18 0 0.25H -0.25H 0 0.25H -0.25H 0 0 0.1H
19 0.1H -0.25H 0.25H 0 -0.25H 0.25H 0 -0.25H 0.1H
20 0.1H -0.25H 0.25H 0 0 -0.25H 0.25H 0 -0.1H
21 0.1H -0.25H 0.25H 0 0.25H 0 0 0.25H 0
22 0.1H 0 -0.25H 0.25H -0.25H 0.25H 0 0 -0.1H
23 0.1H 0 -0.25H 0.25H 0 -0.25H 0.25H 0.25H 0
24 0.1H 0 -0.25H 0.25H 0.25H 0 -0.25H -0.25H 0.1H
25 0.1H 0.25H 0 -0.25H -0.25H 0.25H 0 0.25H 0
26 0.1H 0.25H 0 -0.25H 0 -0.25H 0.25H -0.25H 0.1H
27 0.1H 0.25H 0 -0.25H 0.25H 0 -0.25H 0 -0.1H
在本实例中，利用商业网格绘制软件ICEM进行网格自适应及商业流体力学计算软件ANSYS Fluent进行二维叶型粘性流场计算及后处理。
对上表的每一组叶型几何在ICEM中进行绘制，并生成非结构化三角形网格并在边界层区域进行加密。
二维流场计算边界条件为进口总压101325Pa，总温288.12K，二维叶栅设为17188.2RPM转速的旋转部件，出口给定流量从0.52kg/s～0.62kg/s变化，得到稳态收敛解后进行激波和涡量嗅探，对不满足探测阈值条件为小于等于0.1J/(kg·K)和涡量探测器小于等于10J/(kg·K)网格节点进行加密，若网格自适应次数达到3次则自动停止计算，输出目标函数精确解。图8是其中5号算例在设计流量下初始网格和相对马赫数云图，图9是5号算例的三次网格自适应后的网格和相对马赫数云图。如图8和9所示，可见叶片压力面前缘处的激波形态二者有较大差异，初始网格结构为通道λ激波结构，而三次自适应后激波为脱体激波，更为精细的捕捉到了激波场的结构形态。
利用初始27个样本构造Kriging代理模型，并在设计空间内随机产生5个实验样本，与CFD精确解进行比较，代理模型响应输出与CFD高精度求解响应输出二者误差小于1％，则认为代理模型可以较为精确的得到实验响应值，停止修正。经过4轮加点修正后共47个实验点，得到了较为准确的代理模型，添加的实验点如下表3，表中数据省略了叶片最大厚度乘数H：
表3为修正后代理模型的实验点数据表
Figure BDA0002275323580000121
Figure BDA0002275323580000131
利用当前47个实验点数据，每个实验点构成向量xi，形成粒子群体X。通过180次迭代计算群体位置和速度后，最优响应值差值已小于10-4，输出并绘制最优结果的叶型，得到如图10所示的最优叶型。
还需要说明的是，本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。本发明的各个实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的相关设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于自适应网格求解二维叶型流场的方法，其特征在于，包括如下步骤：
对二维叶型绘制初始网格，并进行二维叶型流场粘性计算，得到与所述初始网格的每个节点相对应的流场数据，从而形成初始流场；
对所述初始流场进行嗅探，利用特征量探测器标记不符合阈值条件的网格节点并进行网格自适应，直到所有网格节点满足阈值条件，完成二维叶型流场的精确计算，得到目标函数的精确响应输出值。
2.根据权利要求1所述的基于自适应网格求解二维叶型流场的方法，其特征在于，所述二维叶型流场粘性计算为稳态雷诺平均计算。
3.根据权利要求1所述的基于自适应网格求解二维叶型流场的方法，其特征在于：所述网格自适应采用h方法、p方法、r方法、hp方法、hr方法或者pr方法。
4.根据权利要求3所述的基于自适应网格求解二维叶型流场的方法，其特征在于，所述特征量探测器包括激波探测器和/或涡量探测器；
其中，所述激波探测器如下式(1)：
Figure FDA0002275323570000011
式(1)中，
Figure FDA0002275323570000012
代表压力的梯度，| |代表模，threshold代表过滤阈值；
其中，所述涡量探测器如下式(2)～(3)：
Figure FDA0002275323570000013
|Δs|st＝|Δs|max×threshold； (3)
式(2)～(3)中，下标∞代表来流条件，s代表静熵J/(kg·K)，R代表气体常数，γ代表绝热系数，p代表气体压力，ρ代表气体密度，对于理想气体来说，R为287.15J/(kg·K)和γ为1.414。
5.根据权利要求1所述的基于自适应网格求解二维叶型流场的方法，其特征在于，所述阈值条件包括激波探测阈值条件、涡量探测阈值条件和/或网格自适应次数阈值条件；
其中，所述激波探测阈值条件为小于等于0.1J/(kg·K)；
其中，所述涡量探测阈值条件为小于等于10J/(kg·K)；
其中，网格自适应次数阈值条件为小于等于3次。
6.一种二维叶型优化设计方法，其特征在于，包括如下步骤：
将给定叶型利用样条曲线函数进行参数化，生成多个控制点；
对每个控制点进行实验设计，得到若干样本控制点，通过样条曲线函数生成若干样本叶型，将所述样本叶型作为初始的精确流体力学计算算例；
对所述计算算例采用如权利要求1至5任一项所述的基于自适应网格求解二维叶型流场的方法进行计算，通过所述精确响应输出值构建初始的叶型数据库；
根据所述初始的叶型数据库建立代理模型，并利用所述精确响应输出值对代理模型进行优化训练，得到修正的代理模型；
根据修正的代理模型通过优化算法寻找目标函数的代理模型响应输出值，生成最优叶型。
7.根据权利要求6所述的二维叶型优化设计方法，其特征在于，对控制点坐标的位移量进行实验设计，从而控制得到若干样本控制点，得到初始样本空间。
8.根据权利要求6所述的二维叶型优化设计方法，其特征在于，
根据所述初始的叶型数据库建立代理模型步骤中，所述代理模型建立方法包括响应面方法、径向基函数法、Kriging模型或者神经网络；
利用所述精确相应输出值对代理模型进行优化训练的具体步骤为：
以所述初始的叶型数据库的样本控制点作为输入，对利用代理模型得到的代理模型响应输出值与对应二维叶型流场的精确计算得到的精确响应输出值进行比较，判断代理模型响应输出值是否满足收敛条件，若否则对代理模型进行修正，重复，直到满足收敛条件为止；
其中，所述修正包括将所述精确流体力学计算结果作为样本控制点加入初始的叶型数据库和/或重新构造代理模型；
其中，收敛条件为：(代理模型响应输出值-精确响应输出值)/精确响应输出值≤1％；
根据修正的代理模型通过优化算法寻找目标函数的最优响应输出值步骤中，所述优化算法包括模拟退火、遗传算法、进化算法或者粒子群算法。
9.根据权利要求6所述的二维叶型优化设计方法，其特征在于，所述目标函数如下式：
Figure FDA0002275323570000031
其中，ωD为设计工况点总压损失系数；Δβ1为2倍ωD对应的正负攻角的差值；Δβstall为压气机的喘振边界；ref下标指给定叶型相关参数；C1，C2，C3分别为权重系数。
10.一种二维叶型优化设计装置，其特征在于，包括：
存储器，存储有能被处理器执行的程序指令；
处理器，调用所述存储器中的程序指令，以执行如权利要求6至9任一项所述的二维叶型优化设计方法。
CN201911126300.3A 2019-11-15 2019-11-15 基于自适应网格的二维叶型优化设计方法及装置 Active CN110851929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911126300.3A CN110851929B (zh) 2019-11-15 2019-11-15 基于自适应网格的二维叶型优化设计方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911126300.3A CN110851929B (zh) 2019-11-15 2019-11-15 基于自适应网格的二维叶型优化设计方法及装置

Publications (2)

Publication Number Publication Date
CN110851929A true CN110851929A (zh) 2020-02-28
CN110851929B CN110851929B (zh) 2022-12-27

Family

ID=69600560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911126300.3A Active CN110851929B (zh) 2019-11-15 2019-11-15 基于自适应网格的二维叶型优化设计方法及装置

Country Status (1)

Country Link
CN (1) CN110851929B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112632728A (zh) * 2020-12-30 2021-04-09 西安交通大学 基于深度学习的透平机械叶型设计及性能预测方法
CN112665820A (zh) * 2021-03-15 2021-04-16 中国空气动力研究与发展中心计算空气动力研究所 基于变量差及相对位移的r型网格自适应移动方法及设备
CN112685968A (zh) * 2020-12-22 2021-04-20 中国船舶重工集团公司第七0三研究所 基于空间负荷定制思想的轴流压气机气动设计方法
CN112733403A (zh) * 2020-12-30 2021-04-30 四川京航天程科技发展有限公司 对流动方程中粘性项进行限制的方法
CN113051840A (zh) * 2020-12-24 2021-06-29 中国航空工业集团公司金城南京机电液压工程研究中心 一种改变压气机叶尖几何的网格生成方法
CN113221475A (zh) * 2021-04-02 2021-08-06 南京航空航天大学 一种用于高精度流场分析的网格自适应方法
CN114048558A (zh) * 2021-10-26 2022-02-15 西北工业大学 一种具有非均匀轮廓误差的压气机叶型造型方法
CN114117318A (zh) * 2021-12-01 2022-03-01 中国科学院工程热物理研究所 基于最小二乘法的气动探针一维自适应网格节点测量方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117585A (zh) * 2015-07-30 2015-12-02 江苏大学 一种两相流泵的自适应网格动态加权误差评估方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117585A (zh) * 2015-07-30 2015-12-02 江苏大学 一种两相流泵的自适应网格动态加权误差评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KRÖMER FLORIAN等: "Investigation of Aeroacoustic Properties of Low-Pressure Axial Fans with Different Blade Stacking", 《AIAA JOURNAL》 *
盛春华: "自适应计算网格的生成和优化方法", 《南京航空学院学报》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685968A (zh) * 2020-12-22 2021-04-20 中国船舶重工集团公司第七0三研究所 基于空间负荷定制思想的轴流压气机气动设计方法
CN113051840A (zh) * 2020-12-24 2021-06-29 中国航空工业集团公司金城南京机电液压工程研究中心 一种改变压气机叶尖几何的网格生成方法
CN113051840B (zh) * 2020-12-24 2024-03-29 中国航空工业集团公司金城南京机电液压工程研究中心 一种改变压气机叶尖几何的网格生成方法
CN112632728B (zh) * 2020-12-30 2022-10-25 西安交通大学 基于深度学习的透平机械叶型设计及性能预测方法
CN112733403A (zh) * 2020-12-30 2021-04-30 四川京航天程科技发展有限公司 对流动方程中粘性项进行限制的方法
CN112632728A (zh) * 2020-12-30 2021-04-09 西安交通大学 基于深度学习的透平机械叶型设计及性能预测方法
CN112733403B (zh) * 2020-12-30 2023-04-07 四川京航天程科技发展有限公司 对流动方程中粘性项进行限制的方法
CN112665820B (zh) * 2021-03-15 2021-06-04 中国空气动力研究与发展中心计算空气动力研究所 基于变量差及相对位移的r型网格自适应移动方法及设备
CN112665820A (zh) * 2021-03-15 2021-04-16 中国空气动力研究与发展中心计算空气动力研究所 基于变量差及相对位移的r型网格自适应移动方法及设备
CN113221475A (zh) * 2021-04-02 2021-08-06 南京航空航天大学 一种用于高精度流场分析的网格自适应方法
CN114048558A (zh) * 2021-10-26 2022-02-15 西北工业大学 一种具有非均匀轮廓误差的压气机叶型造型方法
CN114048558B (zh) * 2021-10-26 2023-03-31 西北工业大学 一种具有非均匀轮廓误差的压气机叶型造型方法
CN114117318A (zh) * 2021-12-01 2022-03-01 中国科学院工程热物理研究所 基于最小二乘法的气动探针一维自适应网格节点测量方法
CN114117318B (zh) * 2021-12-01 2024-04-19 中国科学院工程热物理研究所 基于最小二乘法的气动探针一维自适应网格节点测量方法

Also Published As

Publication number Publication date
CN110851929B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN110851929B (zh) 基于自适应网格的二维叶型优化设计方法及装置
Secco et al. Efficient mesh generation and deformation for aerodynamic shape optimization
Ferns et al. Methods for computing state similarity in Markov decision processes
Xie et al. A hybrid pressure–density-based mach uniform algorithm for 2D Euler equations on unstructured grids by using multi-moment finite volume method
Schoder et al. Aeroacoustic source term computation based on radial basis functions
CN112417773B (zh) 多级轴流膨胀机的多学科优化设计方法、装置及设备
CN114372318A (zh) 设计参数确定方法、装置、电子设备及可读存储介质
Kou et al. Reduced-order modeling for nonlinear aeroelasticity with varying Mach numbers
Martínez et al. Influence of momentum interpolation methods on the accuracy and convergence of pressure–velocity coupling algorithms in OpenFOAM®
Poirier et al. Efficient reduced-radial basis function-based mesh deformation within an adjoint-based aerodynamic optimization framework
Madadi et al. Aerodynamic design of S-shaped diffusers using ball–spine inverse design method
CN116384005A (zh) 一种变形叶片气动性能的确定方法及装置和电子设备
Xu et al. Robust Newton–Krylov adjoint solver for the sensitivity analysis of turbomachinery aerodynamics
Pini Turbomachinery design optimization using adjoint method and accurate equations of state
CN114117961A (zh) 一种基于计算流体动力学的涡轮机械优化方法及系统
Luers et al. Adjoint-based volumetric shape optimization of turbine blades
Ellbrant et al. CFD optimization of a transonic compressor using multiobjective GA and metamodels
Strofylas et al. An agglomeration strategy for accelerating RBF-based mesh deformation
Xiong et al. A novel stencil selection method for the gradient reconstruction on unstructured grid based on OpenFOAM
Hu et al. Spatial parallel disturbance region update method with OpenMP for steady compressible flows
Guo et al. Research on meta-model based global design optimization and data mining methods
Rozenberg et al. Fluid structure interaction problems in turbomachinery using rbf interpolation and greedy algorithm
Meng et al. A nurbs-enhanced finite volume method for steady euler equations with goal-oriented h-adaptivity
Li et al. Design optimization of a 3d parameterized vane cascade with non-axisymmetric endwall based on a modified EGO algorithm and data mining techniques
Luo et al. An iterative inverse design method of turbomachinery blades by using proper orthogonal decomposition

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