CN112347578A - 一种风机翼型优化设计方法 - Google Patents

一种风机翼型优化设计方法 Download PDF

Info

Publication number
CN112347578A
CN112347578A CN202011219050.0A CN202011219050A CN112347578A CN 112347578 A CN112347578 A CN 112347578A CN 202011219050 A CN202011219050 A CN 202011219050A CN 112347578 A CN112347578 A CN 112347578A
Authority
CN
China
Prior art keywords
coefficient
aerodynamic performance
airfoil
geometric parameters
design method
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.)
Pending
Application number
CN202011219050.0A
Other languages
English (en)
Inventor
胡永光
胡志远
陈永康
魏武哲
封成岗
谢忠洲
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.)
Jiangsu University
Original Assignee
Jiangsu 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 Jiangsu University filed Critical Jiangsu University
Priority to CN202011219050.0A priority Critical patent/CN112347578A/zh
Publication of CN112347578A publication Critical patent/CN112347578A/zh
Pending legal-status Critical Current

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
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Algebra (AREA)
  • Fluid Mechanics (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)

Abstract

本发明提供了一种风机翼型优化设计方法，属于风机领域。本发明通过灰色关联分析得到翼型的几何参数与翼型的气动性能评价指标(升力系数和阻力系数)的灰色关联度，当灰色关联度满足条件时，确定d个影响显著几何参数；建立影响显著的几何参数与升力系数、阻力系数的关系模型，再根据关系模型，以升力系数最大、阻力系数最小为目标，得到d个几何参数的最优数值，利用最优数值设计风机翼型。本发明优化设计方法简单有效。

Description

一种风机翼型优化设计方法
技术领域
本发明属于风机领域，具体涉及一种风机翼型优化设计方法。
背景技术
翼型设计则是风机设计研究中的关键一步，翼型的几何参数对其气动性能特性具有很大影响，很多学者展开过相关研究。中国专利(CN107644136A)公开了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，优化尾缘厚度为2.13％弦长，提升了升力系数和升阻比；中国专利(CN107145677A)公开了一种改进的几何参数翼型设计方法，将表征翼型轮廓的弯度、厚度分开表达，并最终由厚度表达式和弯度表达式叠加而构建翼型函数；查阅资料可知，现有技术通过翼型设计软件对NACA5412翼型进行优化设计，发现在保持其他参数不变的情况下，翼型最大厚度位置的前移可以提高升力系数、增大升阻比，改善翼型的气动性能。不管哪种翼型设计方法在对翼型几何参数与翼型气动特性的紧密关联程度方面，尚缺乏深入的研究。
发明内容
针对现有技术中存在不足，本发明提供了一种风机翼型优化设计方法，为翼型优化提供一种简单有效的设计方法。
本发明是通过以下技术手段实现上述技术目的的。
一种风机翼型优化设计方法，包括如下步骤：
步骤(1)，选择基础风机翼型，确定对翼型气动性能影响显著的几何参数；
步骤(2)，求出对翼型气动性能影响显著的几何参数与翼型的气动性能评价指标的灰色关联度；
步骤(3)，当灰色关联度γ＞0.75，确定d个影响翼型气动性能显著的几何参数x1、x2…xd；
步骤(4)，建立所述d个几何参数与升力系数、阻力系数的关系模型，以升力系数最大、阻力系数最小为目标，得到几何参数x1、x2…xd的最优数值，利用所述几何参数的最优数值设计风机翼型。
进一步的技术方案，所述对翼型气动性能影响显著的几何参数包括最大厚度及其位置、最大曲面及其位置、前缘半径、前缘半径混合弦长、后缘厚度和后缘厚度混合弦长。
进一步的技术方案，所述翼型的气动性能评价指标为升力系数、阻力系数。
进一步的技术方案，所述翼型气动性能影响显著的几何参数与翼型的气动性能评价指标的灰色关联度，采用的公式为：
Figure BDA0002761435800000021
其中，γi为灰色关联度，ξi(k)为几何参数数列与气动性能评价指标数列的灰色关联系数。
更进一步的技术方案，所述灰色关联系数
Figure BDA0002761435800000022
式中，Δ(min)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值的最小值，Δ(max)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值的最大值，Δi(k)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值，ρ为分辨系数。
进一步的技术方案，所述d个几何参数与升力系数、阻力系数的关系模型为：
Figure BDA0002761435800000023
Figure BDA0002761435800000024
其中t1、t2…td、r1、r2…rd为二次项系数，l1、l2…ld、p1、p2…pd为一次项系数，b1、b2为常数项。
进一步的技术方案，所述确定对翼型气动性能影响显著的几何参数是在攻角α＝6°、雷诺系数Re＝250000的条件下进行的。
本发明的有益效果为：本发明通过灰色关联分析得到翼型的几何参数与翼型的气动性能评价指标升力系数、阻力系数的灰色关联度，当灰色关联度γ＞0.75确定d个影响显著几何参数，建立影响显著的几何参数与升力系数、阻力系数的关系模型，再根据关系模型，以升力系数最大、阻力系数最小为目标，得到d个几何参数的最优数值，利用最优数值设计风机翼型。本发明深入考虑翼型几何参数与翼型气动特性的紧密关联程度，简化了翼型设计的复杂性，为翼型优化提供一种简单有效的设计方法。
附图说明
图1为本发明所述风机翼型优化设计方法流程图；
图2为本发明所述优化设计方法优化后的翼型形状示意图；
图3为本发明优化前后翼型升力系数比较图；
图4为本发明优化前后翼型阻力系数比较图；
图5为本发明优化后翼型压力系数分布图；
图6为本发明优化前翼型压力系数分布图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
如图1所示，一种风机翼型优化设计方法，具体包括如下步骤：
步骤(1)，选择一个基础风机翼型，设定攻角α＝6°、雷诺系数Re＝250000，确定对翼型气动性能影响显著的几何参数：最大厚度及其位置、最大曲面及其位置、前缘半径、前缘半径混合弦长、后缘厚度和后缘厚度混合弦长；翼型的气动性能评价指标为升力系数、阻力系数，升力系数越大且阻力系数越小，翼型的气动性能越好；
步骤(2)，求出对翼型气动性能影响显著的几何参数与翼型的气动性能评价指标的灰色关联度，采用的公式为：
Figure BDA0002761435800000031
其中，γi为灰色关联度，ξi(k)为几何参数数列与气动性能评价指标数列的灰色关联系数，且：
Figure BDA0002761435800000032
式中，Δ(min)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值的最小值，Δ(max)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值的最大值；Δi(k)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值；ρ为分辨系数，ρ＝0.5；
步骤(3)，当灰色关联度γ＞0.75，确定d个影响翼型气动性能显著的几何参数x1、x2…xd；
步骤(4)，利用SPASS软件，建立上述d个几何参数与升力系数、阻力系数的关系模型为：
Figure BDA0002761435800000041
Figure BDA0002761435800000042
其中t1、t2…td、r1、r2…rd为二次项系数，l1、l2…ld、p1、p2…pd为一次项系数，b1、b2为常数项；
步骤(5)，在MATLAB中，通过粒子群算法，以升力系数f(x)最大、阻力系数g(x)最小为目标，得到几何参数x1、x2…xd的最优数值，利用几何参数x1、x2…xd的最优数值设计风机翼型。
实施例
本实施例以基础翼型MH114为例，根据步骤(2)、(3)，确定4个影响翼型气动性能最显著的几何参数为：最大厚度位置、最大曲面位置、前缘半径和后缘厚度混合弦长，对上述4个几何参数赋值，如表1所示：
表1 几何参数数据
Figure BDA0002761435800000043
Figure BDA0002761435800000051
Figure BDA0002761435800000061
利用SPASS软件，建立4个几何参数与升力系数、阻力系数的关系模型，具体为：
Figure BDA0002761435800000062
Figure BDA0002761435800000063
其中：x1表示的最大厚度位置数值，x2表示的最大曲面位置数值，x3表示前缘半径为原MH114翼型前缘半径的百分比值，x4表示的后缘厚度混合在弦长的数值。
在MATLAB中，通过粒子群算法，以升力系数f(x)最大、阻力系数g(x)最小为目标，得到4个几何参数的最优数值为：最大厚度位置位于弦长的30.8％、最大曲面位置位于弦长的50％、前缘半径为原MH114翼型前缘半径的110％，后缘厚度混合弦长是翼型弦长的30％；根据上述几何参数的最优数值设计出来的翼型(图2)与原MH114翼型进行几何特性及气动性能的比较：
图3为优化前后在连续攻角α＝0°-10°翼型升力系数比较，设计的翼型升力系数优于原MH114翼型，且曲线连续平滑；图4为优化前后在连续攻角α＝0°-10°翼型阻力系数比较，设计的翼型阻力系数优于原MH114翼型；图5、6分别为设计前后翼型压力系数分布，分析可知，优化设计的翼型上翼面(吸力面)压力值变小，而下翼面(压力面)压力值增大，使得上下翼面的压力差增大，从而使得升力系数增大。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (7)

1.一种风机翼型优化设计方法，其特征在于，包括如下步骤：
步骤(1)，选择基础风机翼型，确定对翼型气动性能影响显著的几何参数；
步骤(2)，求出对翼型气动性能影响显著的几何参数与翼型的气动性能评价指标的灰色关联度；
步骤(3)，当灰色关联度γ＞0.75，确定d个影响翼型气动性能显著的几何参数x1、x2…xd；
步骤(4)，建立所述d个几何参数与升力系数、阻力系数的关系模型，以升力系数最大、阻力系数最小为目标，得到几何参数x1、x2…xd的最优数值，利用所述几何参数的最优数值设计风机翼型。
2.根据权利要求1所述的风机翼型优化设计方法，其特征在于，所述对翼型气动性能影响显著的几何参数包括最大厚度及其位置、最大曲面及其位置、前缘半径、前缘半径混合弦长、后缘厚度和后缘厚度混合弦长。
3.根据权利要求1所述的风机翼型优化设计方法，其特征在于，所述翼型的气动性能评价指标为升力系数、阻力系数。
4.根据权利要求1所述的风机翼型优化设计方法，其特征在于，所述翼型气动性能影响显著的几何参数与翼型的气动性能评价指标的灰色关联度，采用的公式为：
Figure FDA0002761435790000011
其中，γi为灰色关联度，ξi(k)为几何参数数列与气动性能评价指标数列的灰色关联系数。
5.根据权利要求4所述的风机翼型优化设计方法，其特征在于，所述灰色关联系数
Figure FDA0002761435790000012
式中，Δ(min)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值的最小值，Δ(max)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值的最大值；Δi(k)为几何参数数列无量纲化后与气动性能评价指标数列的绝对差值；ρ为分辨系数。
6.根据权利要求1所述的风机翼型优化设计方法，其特征在于，所述d个几何参数与升力系数、阻力系数的关系模型为：
Figure FDA0002761435790000013
Figure FDA0002761435790000021
其中t1、t2…td、r1、r2…rd为二次项系数，l1、l2…ld、p1、p2…pd为一次项系数，b1、b2为常数项。
7.根据权利要求1所述的风机翼型优化设计方法，其特征在于，所述确定对翼型气动性能影响显著的几何参数是在攻角α＝6°、雷诺系数Re＝250000的条件下进行的。
CN202011219050.0A 2020-11-04 2020-11-04 一种风机翼型优化设计方法 Pending CN112347578A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011219050.0A CN112347578A (zh) 2020-11-04 2020-11-04 一种风机翼型优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011219050.0A CN112347578A (zh) 2020-11-04 2020-11-04 一种风机翼型优化设计方法

Publications (1)

Publication Number Publication Date
CN112347578A true CN112347578A (zh) 2021-02-09

Family

ID=74428316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011219050.0A Pending CN112347578A (zh) 2020-11-04 2020-11-04 一种风机翼型优化设计方法

Country Status (1)

Country Link
CN (1) CN112347578A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104612892A (zh) * 2014-12-30 2015-05-13 中国科学院工程热物理研究所 一种风力机翼型的多学科优化设计方法
CN104778327A (zh) * 2015-04-23 2015-07-15 复旦大学 基于人工神经网络的飞机翼型优化设计方法
CN105787212A (zh) * 2016-03-29 2016-07-20 湖北工业大学 一种抗气动弹性变形的风力机翼型设计方法
CN109460566A (zh) * 2018-09-20 2019-03-12 中国科学院工程热物理研究所 一种风力机叶片内侧厚翼型的气动稳健优化设计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104612892A (zh) * 2014-12-30 2015-05-13 中国科学院工程热物理研究所 一种风力机翼型的多学科优化设计方法
CN104778327A (zh) * 2015-04-23 2015-07-15 复旦大学 基于人工神经网络的飞机翼型优化设计方法
CN105787212A (zh) * 2016-03-29 2016-07-20 湖北工业大学 一种抗气动弹性变形的风力机翼型设计方法
CN109460566A (zh) * 2018-09-20 2019-03-12 中国科学院工程热物理研究所 一种风力机叶片内侧厚翼型的气动稳健优化设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘卓等: ""与翼型的气动性能"", 《航空工程进展》, vol. 7, no. 1, pages 100 - 111 *
孙占久等: ""飞翼布局无人机气动/隐身综合性能分析"", 《飞行力学》, vol. 36, no. 3, pages 15 - 27 *

Similar Documents

Publication Publication Date Title
CN109460566B (zh) 一种风力机叶片内侧厚翼型的气动稳健优化设计方法
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
CN107145677B (zh) 一种改进的几何参数翼型设计方法
CN109229364B (zh) 应用于高速直升机旋翼反流区的类椭圆翼型
CN105404743B (zh) B样条与曲率光滑连续性结合的风力机翼型设计方法
CN111737821B (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
CN112329170B (zh) 一种潮流能水轮机叶片翼型优化设计方法
CN111717381A (zh) 用于高速直升机旋翼桨根的非对称双钝头翼型及设计方法
CN103488847A (zh) 一种基于神经网络集成的气动外形优化方法
CN111125910A (zh) 一种风洞试验气动配平损失评估方法
CN112883503A (zh) 基于ptfe膜对风机叶片气动特性影响的数值模拟方法
CN115320827A (zh) 一种高亚音速低雷诺数流动的高升阻比翼型
CN110598231B (zh) 一种仿生翼型叶片的设计方法
CN112347578A (zh) 一种风机翼型优化设计方法
CN109783912B (zh) 一种升力型垂直轴风力发电机叶片翼型优化设计方法
CN114021265A (zh) 一种基于对数螺旋线的飞机用翼型
CN112307567A (zh) 基于横流压力梯度分布的自然层流机翼剖面外形设计方法
CN116822417A (zh) 一种风力机叶片表面风压分析方法
CN100400375C (zh) 钝尾缘翼型
CN111597741A (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
CN106777495B (zh) 通过局部参数化修型控制旋翼翼型俯仰力矩的方法
CN106014853B (zh) 一种大型风力机叶片的厚翼型族
CN111810353A (zh) 前弯后翘翼弦叶片
CN115593612B (zh) 一种自配平抗失速高性能翼型
CN113891991B (zh) 转子叶片和风能设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210209