CN112001033B - 基于联合cst算法的仿生蟹翼型优化设计方法 - Google Patents

基于联合cst算法的仿生蟹翼型优化设计方法 Download PDF

Info

Publication number
CN112001033B
CN112001033B CN202010914963.8A CN202010914963A CN112001033B CN 112001033 B CN112001033 B CN 112001033B CN 202010914963 A CN202010914963 A CN 202010914963A CN 112001033 B CN112001033 B CN 112001033B
Authority
CN
China
Prior art keywords
algorithm
cst
airfoil
profile
new
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
Application number
CN202010914963.8A
Other languages
English (en)
Other versions
CN112001033A (zh
Inventor
李凌宇
孙延超
秦洪德
陈欣岩
杜雨桐
王海鹏
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202010914963.8A priority Critical patent/CN112001033B/zh
Publication of CN112001033A publication Critical patent/CN112001033A/zh
Application granted granted Critical
Publication of CN112001033B publication Critical patent/CN112001033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

基于联合CST算法的仿生蟹翼型优化设计方法，它属于仿生蟹翼型优化技术领域。本发明解决了由于传统CST算法自身所存在的一些缺点，导致利用传统CST算法优化后的仿生蟹翼型的水动力性能有待提升的问题。本发明首先基于NACA0012和改进的直接CST算法进行基础翼型描述，再采用改进的扰动CST算法对基础翼型进行修正获得优化后的翼型，通过实验对比证明，同样条件下，采用改进的直接CST算法和改进的扰动CST算法可以有效提高仿生蟹翼型的水动力性能。本发明可以应用于仿生蟹翼型优化。

Description

基于联合CST算法的仿生蟹翼型优化设计方法
技术领域
本发明属于仿生蟹翼型优化技术领域，具体涉及一种基于联合CST算法的仿生蟹翼型优化设计方法。
背景技术
仿生蟹具备可以在浅滩爬行的多足形态和水下滑翔机形态。水下滑翔机形态下的性能主要来自于翼型提供的升力和阻力，因此，可以通过对翼型外形进行优化来提升水下滑翔机形态下的性能。
水下滑翔机是一种常见的水下观测型机器人，具备工作时间长，工作范围广，节约能源等特点。其通常具备高升阻比性能的翼型和平滑的主体舱室，针对水下滑翔机的性能优化，往往通过修改其翼型的性能，或是改善主体舱室的外形。在满足足够的基础外形要求下，对其翼型进行修改是常见的优化思路。
现有对仿生蟹翼型进行优化时所经常采用的是传统CST算法，传统CST算法又分为两类，一类是采用直接参数化翼型进行改进的直接CST算法，另一类则是在一个基础翼型的基础上进行叠加式改进的扰动CST算法。通过建立滑翔机的基础翼型曲线，并针对曲线进行参数化，采用直接CST算法和扰动CST优化算法进行优化，得到新的翼型曲线。虽然采用传统CST算法可以对仿生蟹翼型进行一定程度的优化，但是由于传统CST算法自身所存在的一些缺点，导致利用传统CST算法优化后的仿生蟹翼型的水动力性能有待进一步提升。
发明内容
本发明的目的是为了提升仿生蟹翼型的水动力性能，而提出了一种基于联合CST算法的仿生蟹翼型优化设计方法。
本发明为解决上述技术问题采取的技术方案是：一种基于联合CST算法的仿生蟹翼型优化设计方法，该方法包括以下步骤：
步骤一、采用改进的直接CST算法进行参数化的基础翼型建模；
步骤二、采用改进的扰动CST算法对步骤一建立的基础翼型进行修改，获得修改后的翼型；
步骤三、选取主体舱室外形，基于修改后的翼型绘制仿生蟹滑翔姿态外形，利用FINEMarine软件计算修改后翼型的水动力性能；
进一步地，所述改进的直接CST算法具体为：
yu-new(x)＝Cnew(x)·Su(x)+x·yTEu
yl-new(x)＝Cnew(x)·Sl(x)+x·yTEl
其中，yu-new(x)代表采用改进的直接CST算法建立翼型的上表面描述函数，yl-new(x)代表采用改进的直接CST算法建立翼型的下表面描述函数，Cnew(x)代表改进的直接CST算法的类函数，Su(x)代表采用改进的直接CST算法建立翼型的上表面型函数，Sl(x)代表采用改进的直接CST算法建立翼型的下表面型函数，x代表翼型上的弦向位置，yTEu代表采用改进的直接CST算法建立翼型的上表面后缘的坐标，yTEl代表采用改进的直接CST算法建立翼型的下表面后缘的坐标；
Cnew(x)、Su(x)和Sl(x)的表达式分别为：
Cnew(x)＝xN1·(1-x)N2·ex
Figure BDA0002664695960000021
Figure BDA0002664695960000022
其中，e代表自然对数的底数，N1和N2是常数，
Figure BDA0002664695960000023
代表上表面型函数的第i个辅助参数，
Figure BDA0002664695960000024
代表下表面型函数的第i个辅助参数，i＝0,1,…,N，N+1代表辅助参数的个数；
中间变量Si(x)的表达式为：
Figure BDA0002664695960000025
进一步地，所述步骤一中，进行参数化的基础翼型建模所采用的是caeses软件；
进一步地，所述步骤一中，基础翼型为NACA0012；
进一步地，所述改进的扰动CST算法具体为：
Figure BDA0002664695960000026
其中：y0(x)是基础翼型的参数化表达式，yd-new(x)代表采用改进的扰动CST算法得到的翼型描述函数，Ai代表yd-new(x)的第i个辅助参数，a为可调参数；
更进一步地，所述步骤三中选取的主体舱室外形为扁平外形。
本发明的有益效果是：本发明提出了一种基于联合CST算法的仿生蟹翼型优化设计方法，本发明首先基于NACA0012和改进的直接CST算法进行基础翼型描述，再采用改进的扰动CST算法对基础翼型进行修正获得优化后的翼型，通过实验对比证明，同样条件下，采用改进的直接CST算法和改进的扰动CST算法可以有效提高仿生蟹翼型的水动力性能。
附图说明
图1是传统的直接CST算法的函数图像；
图2是改进的直接CST算法的函数图像；
图3是传统的扰动CST算法的函数图像；
图4是改进的扰动CST算法的函数图像；
图5是原NACA0012翼型与利用改进的直接CST算法建立的基础翼型的对比图；
图6是滑翔机基础水动力外形的三维图像；
图7是采用改进的扰动CST算法和传统的扰动CST算法得到的翼型与初始翼型的对比图像；
图8是初始翼型的最佳攻角下的最佳升阻比性能图像；
图9是采用传统的扰动CST算法得到翼型的最佳攻角下的最佳升阻比性能图像；
图10是采用改进的扰动CST算法得到翼型的最佳攻角下的最佳升阻比性能图像；
图11是采用改进的扰动CST算法和传统的扰动CST算法得到的翼型与初始翼型的升阻比曲线对比图。
具体实施方式
具体实施方式一：本实施方式所述的一种基于联合CST算法的仿生蟹翼型优化设计方法，该方法具体通过以下步骤实现：
步骤一、采用改进的直接CST算法进行参数化的基础翼型建模；
步骤二、采用改进的扰动CST算法对步骤一建立的基础翼型进行修改，获得修改后的翼型；
步骤三、选取主体舱室外形，基于修改后的翼型绘制仿生蟹滑翔姿态外形，利用FINEMarine软件计算修改后翼型的水动力性能。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述改进的直接CST算法具体为：
yu-new(x)＝Cnew(x)·Su(x)+x·yTEu
yl-new(x)＝Cnew(x)·Sl(x)+x·yTEl
其中，yu-new(x)代表采用改进的直接CST算法建立翼型的上表面描述函数，yl-new(x)代表采用改进的直接CST算法建立翼型的下表面描述函数，Cnew(x)代表改进的直接CST算法的类函数，Su(x)代表采用改进的直接CST算法建立翼型的上表面型函数，Sl(x)代表采用改进的直接CST算法建立翼型的下表面型函数，x代表翼型上的弦向位置，yTEu代表采用改进的直接CST算法建立翼型的上表面后缘的坐标，yTEl代表采用改进的直接CST算法建立翼型的下表面后缘的坐标；
Cnew(x)、Su(x)和Sl(x)的表达式分别为：
Cnew(x)＝xN1·(1-x)N2·ex
Figure BDA0002664695960000041
Figure BDA0002664695960000042
其中，e代表自然对数的底数，N1和N2是常数，
Figure BDA0002664695960000043
代表上表面型函数的第i个辅助参数，
Figure BDA0002664695960000044
代表下表面型函数的第i个辅助参数，i＝0,1,…,N，N+1代表辅助参数的个数；
中间变量Si(x)的表达式为：
Figure BDA0002664695960000045
通过增加新的控制项ex，使其前缘厚度减少，进而减少阻力。
传统的直接CST算法的定义如下：
yu(x)＝C(x)·Su(x)+x·yTEu
yl(x)＝C(x)·Sl(x)+x·yTEl
其中C(x)和S(x)的表达式为：
C(x)＝xN1·(1-x)N2
Figure BDA0002664695960000051
Figure BDA0002664695960000052
Figure BDA0002664695960000053
传统的直接CST算法的函数图像如图1所示，可以看出传统的直接CST算法在整个区间都非0，传统的CST算法对整体翼型的影响基本集中于参数A中，这种形式的传统CST算法具备一个较大的问题就是改动A的话会对整体影响较大，难以修正细节部分，也很难使整体具备满足仿生蟹所需的低速高升阻比性能。而如果提高控制阶数，会导致传统的直接CST算法对整体的影响更大。
因此，本实施方式对传统的直接CST算法中的最大厚度点进行改进，使其后移。改进的直接CST算法的函数图像如图2所示。
具体实施方式三：本实施方式与具体实施方式一不同的是：所述步骤一中，进行参数化的基础翼型建模所采用的是caeses软件。
具体实施方式四：本实施方式与具体实施方式一不同的是：所述步骤一中，基础翼型为NACA0012。
具体实施方式五：本实施方式与具体实施方式二不同的是：所述改进的扰动CST算法具体为：
Figure BDA0002664695960000054
其中：y0(x)是基础翼型的参数化表达式，yd-new(x)代表采用改进的扰动CST算法得到的翼型描述函数，Ai代表yd-new(x)的第i个辅助参数，a为可调参数，可用于整体调节。通过增加x(1-x)项，使其整体光滑。
采用本实施方式的改进的扰动CST算法对步骤一建立的基础翼型进行修改时，y0(x)为步骤一建立的基础翼型的参数化表达式，yd-new(x)为采用改进的扰动CST算法对步骤一建立的基础翼型进行修改所得到的翼型描述函数。
传统的扰动CST算法
传统的扰动CST算法可以在已有翼型的基础上小范围内进行修改，具备相比较于传统的直接CST算法更快更精确的改进速度，传统的扰动CST算法如下：
Figure BDA0002664695960000061
传统的扰动CST算法的函数图像如图3所示，从图3可以看出，扰动部分的前缘过大，导致修正后的翼型容易仍然具备一定阻力。因此，针对传统的扰动CST算法的缺点，本实施方式增加相应的最大厚度点后移函数和光滑函数，改进的扰动CST算法的函数图像如图4所示。
本发明基于改进的直接CST算法进行翼型表达，并改进扰动部分，结合改进的直接CST算法和改进的扰动CST算法使其具备直接的改进模式。
具体实施方式六：本实施方式与具体实施方式一不同的是：所述步骤三中选取的主体舱室外形为扁平外形。
实验部分
首先针对改进的直接CST算法中的参数A进行选取，采用模拟常用翼型NACA0012进行参数的选择。选取合适的参数后，即可结合改进的直接CST算法进行建立参数化的基础翼型。进而结合采用改进的扰动CST算法进行翼型的修改，选择合适的参数，获得改进后的翼型，进而测算两种方式获得的翼型性能进行对比即可得到结论。
首先基于NACA0012翼型进行改进的直接CST算法的参数选择，通过对比选取合适的参数如下：A1＝1.8，A1＝0.95，A1＝0.8，A1＝0.4，A1＝1.4。
那么进而得到利用改进的直接CST算法建立的基础翼型和原NACA0012翼型的对比图，如图5所示。进而采用基于主体舱室规定的扁平滑翔机外形，得到如图6所示的滑翔机基础水动力外形的三维图像。
因为本发明目的在于验证同样情况下改进的扰动CST算法的有效性，使其改进程度相近，进而采用改进的扰动CST算法对基础翼型进行修改，选取合适的参数如下：
选取N1＝0.5，N2＝1，a＝0.0008，b＝0.003。
那么得到的两种翼型与初始翼型(采用改进的直接CST算法建立的翼型)的二维图形对比如图7所示。
从图7中可以看出，相比于传统的扰动CST算法得到的翼型。改进的扰动CST算法得到的翼型可以降低翼型的前缘厚度，略微调整最大厚度点，使其阻力减少，符合改进策略。在此基础上，进而将三种不同的三维翼型模型带入到FINEMarine水动力性能软件进行计算网格的绘制和水动力性能的计算，得到性能结果。
计算水动力性能时，选用工况为0.5m/s水下航速工况，得到三种翼型的升阻比性能。
如图8至图10所示，为初始翼型和两种改进翼型的最佳攻角下的最佳升阻比性能图像。
通过对比图8至图10可以得到，相比于传统的扰动CST算法，改进的扰动CST算法得到的改进翼型可以获得更低的阻力，大大增加了整体性能，提高了最佳升阻比，符合改进策略。为增强对比性，进而可通过改变不同的滑翔机攻角获得多组水动力性能曲线，得到的数据如表1所示：
表1
Figure BDA0002664695960000071
基于表1的数据可以绘制出三种翼型的升阻比曲线，如图11所示。
通过实验得到，在相同的改动范围内，改进的直接CST算法可以一定程度上优化初始翼型，改进的扰动CST算法可以大大降低仿生蟹滑翔姿态下所受到的阻力，提高整体的升阻比性能。这样的修改符合本发明所需的性能要求，也验证了改进的直接CST算法和改进的扰动CST算法具备更好的优越性。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (5)

1.基于联合CST算法的仿生蟹翼型优化设计方法，其特征在于，该方法包括以下步骤：
步骤一、采用改进的直接CST算法进行参数化的基础翼型建模；
所述改进的直接CST算法具体为：
yu-new(x)＝Cnew(x)·Su(x)+x·yTEu
yl-new(x)＝Cnew(x)·Sl(x)+x·yTEl
其中，yu-new(x)代表采用改进的直接CST算法建立翼型的上表面描述函数，yl-new(x)代表采用改进的直接CST算法建立翼型的下表面描述函数，Cnew(x)代表改进的直接CST算法的类函数，Su(x)代表采用改进的直接CST算法建立翼型的上表面型函数，Sl(x)代表采用改进的直接CST算法建立翼型的下表面型函数，x代表翼型上的弦向位置，yTEu代表采用改进的直接CST算法建立翼型的上表面后缘的坐标，yTEl代表采用改进的直接CST算法建立翼型的下表面后缘的坐标；
Cnew(x)、Su(x)和Sl(x)的表达式分别为：
Cnew(x)＝xN1·(1-x)N2·ex
Figure FDA0003725408410000011
Figure FDA0003725408410000012
其中，e代表自然对数的底数，N1和N2是常数，
Figure FDA0003725408410000013
代表上表面型函数的第i个辅助参数，
Figure FDA0003725408410000014
代表下表面型函数的第i个辅助参数，i＝0,1,…,N，N+1代表辅助参数的个数；
中间变量Si(x)的表达式为：
Figure FDA0003725408410000015
步骤二、采用改进的扰动CST算法对步骤一建立的基础翼型进行修改，获得修改后的翼型；
步骤三、选取主体舱室外形，基于修改后的翼型绘制仿生蟹滑翔姿态外形，利用FINEMarine软件计算修改后翼型的水动力性能。
2.根据权利要求1所述的基于联合CST算法的仿生蟹翼型优化设计方法，其特征在于，所述步骤一中，进行参数化的基础翼型建模所采用的是caeses软件。
3.根据权利要求1所述的基于联合CST算法的仿生蟹翼型优化设计方法，其特征在于，所述步骤一中，基础翼型为NACA0012。
4.根据权利要求1所述的基于联合CST算法的仿生蟹翼型优化设计方法，其特征在于，所述改进的扰动CST算法具体为：
Figure FDA0003725408410000021
其中：y0(x)是基础翼型的参数化表达式，yd-new(x)代表采用改进的扰动CST算法得到的翼型描述函数，Ai代表yd-new(x)的第i个辅助参数，a为可调参数。
5.根据权利要求1所述的基于联合CST算法的仿生蟹翼型优化设计方法，其特征在于，所述步骤三中选取的主体舱室外形为扁平外形。
CN202010914963.8A 2020-09-03 2020-09-03 基于联合cst算法的仿生蟹翼型优化设计方法 Active CN112001033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010914963.8A CN112001033B (zh) 2020-09-03 2020-09-03 基于联合cst算法的仿生蟹翼型优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010914963.8A CN112001033B (zh) 2020-09-03 2020-09-03 基于联合cst算法的仿生蟹翼型优化设计方法

Publications (2)

Publication Number Publication Date
CN112001033A CN112001033A (zh) 2020-11-27
CN112001033B true CN112001033B (zh) 2022-08-26

Family

ID=73466162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010914963.8A Active CN112001033B (zh) 2020-09-03 2020-09-03 基于联合cst算法的仿生蟹翼型优化设计方法

Country Status (1)

Country Link
CN (1) CN112001033B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105201728A (zh) * 2015-09-28 2015-12-30 中国海洋大学 一种水平轴潮流能水轮机组合翼型叶片的设计方法
CN106845019A (zh) * 2017-02-27 2017-06-13 中国空气动力研究与发展中心低速空气动力研究所 一种自适应机翼翼型设计方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574221A (zh) * 2014-10-11 2016-05-11 中国航空工业集团公司西安飞机设计研究所 一种改进cst翼型参数化方法
CN107145677B (zh) * 2017-05-22 2020-09-04 北京航空航天大学 一种改进的几何参数翼型设计方法
US11126758B2 (en) * 2018-03-22 2021-09-21 Facebook, Inc. Automatic airfoil and wing design based on dynamic modeling of structural and aerodynamic performance
CN109484623B (zh) * 2018-11-07 2019-07-12 西北工业大学 宽速域大升力线斜率对称翼型设计方法及翼型
CN111597741B (zh) * 2020-04-17 2024-02-13 哈尔滨工程大学 一种基于改进Hicks-henne算法的仿生蟹滑翔姿态下翼型优化设计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105201728A (zh) * 2015-09-28 2015-12-30 中国海洋大学 一种水平轴潮流能水轮机组合翼型叶片的设计方法
CN106845019A (zh) * 2017-02-27 2017-06-13 中国空气动力研究与发展中心低速空气动力研究所 一种自适应机翼翼型设计方法

Also Published As

Publication number Publication date
CN112001033A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN102682172B (zh) 基于参数分类的超临界机翼极多参数优化设计方法
CN103136422A (zh) 翼型集成与b样条结合的中等厚度翼型设计方法
CN107644136A (zh) 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
CN112329170B (zh) 一种潮流能水轮机叶片翼型优化设计方法
CN113569360B (zh) 一种风力机叶片抗颤振翼型簇设计方法
CN111400834A (zh) 风力发电机组叶片翼型气动优化设计方法、模型及装置
CN111737821A (zh) 一种兼顾自然层流特性和超临界特性的翼型及其设计方法
CN108038259A (zh) 基于曲率生成气动部件外形的方法
CN111597741B (zh) 一种基于改进Hicks-henne算法的仿生蟹滑翔姿态下翼型优化设计方法
CN113792400A (zh) 基于dffd网格变形技术的椭圆对称翼型多目标优化方法
CN109989876B (zh) 叶片及包括其的风力发电机组
CN112001033B (zh) 基于联合cst算法的仿生蟹翼型优化设计方法
CN114154434A (zh) 一种无尾飞翼布局的多约束精细化气动优化设计方法
CN103043224B (zh) 生成后缘襟翼舵面翼型前缘曲线的双圆法
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
CN112632703B (zh) 满足结构约束的机翼翼型前后缘变形外形参数化方法
CN110457830B (zh) 一种三维全机数值模拟的自动配平方法
CN110110444B (zh) 一种面向大型商船耦合型翼帆优化方法及系统
CN109677630B (zh) 基准流场激波形状可控的强几何约束下的乘波体设计方法
CN116720268A (zh) 一种周期性描述的叶片叶型全局光顺重建方法
CN115593612B (zh) 一种自配平抗失速高性能翼型
CN110472333B (zh) 一种二维翼型数值模拟的自动配平方法
CN114861336A (zh) 一种全参数化螺旋桨模型构建方法
CN114169070A (zh) 一种飞行器的翼型生成方法
CN106777495B (zh) 通过局部参数化修型控制旋翼翼型俯仰力矩的方法

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