CN112487570B - 基于自由变形技术的离心压缩机分流叶片形状优化方法 - Google Patents
基于自由变形技术的离心压缩机分流叶片形状优化方法 Download PDFInfo
- Publication number
- CN112487570B CN112487570B CN202011269465.9A CN202011269465A CN112487570B CN 112487570 B CN112487570 B CN 112487570B CN 202011269465 A CN202011269465 A CN 202011269465A CN 112487570 B CN112487570 B CN 112487570B
- Authority
- CN
- China
- Prior art keywords
- model
- impeller
- centrifugal compressor
- free deformation
- optimization
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013461 design Methods 0.000 claims abstract description 39
- 230000004044 response Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000006835 compression Effects 0.000 claims description 18
- 238000007906 compression Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000003631 expected effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明公开了一种基于自由变形技术的离心压缩机分流叶片形状优化方法，本发明基于自由变形技术的离心压缩机分流叶片形状优化方法可以减少设计变量，对计算网格建立自由变形控制体，这样每次改变模型都无需重新划分计算网格，节省重复划分网格的过程，提升优化设计效率，有效缩短设计周期。其次，本发明使用最小偏差法将多目标优化模型转化为单目标优化模型，使用序列二次规划算法在响应面模型上进行寻优，得到使压缩机性能最佳的设计变量组合。
Description
技术领域
本发明涉及离心压缩机仿真优化领域，具体涉及一种基于自由变形技术的离心压缩机分流叶片形状优化方法。
背景技术
传统的参数化造型优化设计流程大都针对物体的几何特征进行参数化，而基于几何的参数化方法需要大量的设计变量去描述几何外形，这增加了优化设计难度，降低了优化流程的效率；
自由变形技术作为一种间接变形方法，是对几何空间的变化量进行参数化，适用于任何实体造型，无需对复杂的实体造型本身进行参数化。
如公开号为CN105243243A的中国专利文献“基于自由变形技术的车身气动造型优化方法”公开了一种基于自由变形技术的车身气动造型优化方法，包括以下步骤：首先建立简化的汽车车身模型，将该汽车车身模型上需要控制变形的点作为设计变量，并对这些设计变量设定边界控制条件，根据边界控制条件得到一定数量的汽车车身模型样本；利用自由变形方法得到这些方案的车身模型，并求出其相应的Cd值；然后构建近似模型，利用优化算法求解近似模型的最优解，根据最优解的控制点的位置，重新构建车身模型并得到其空气阻力系数Cd值，并与简化的原始模型的Cd值进行对比，如果没有降低返回S2修改边界条件或重新选取设计变量继续执行。
公开号为CN110309531A的中国专利文献“基于车身自由变形的汽车减阻优化方法”公开了一种基于车身自由变形的汽车减阻优化方法，该方法包括基于汽车车身STL文件和自由变形技术设计自由变形程序，建立汽车车身的参数化模型；以汽车的风阻系数为优化目标，考虑自由变形时车身正投影面积变化对风阻系数的影响，建立基于关键控制点进行自由变形的车身外流场仿真模型；基于样本点和响应构建kriging代理模型，利用遗传算法对所建立的kriging代理模型进行全局寻优，得到设计变量的最优组合；利用自由变形程序对原始车身STL文件进行变形处理，得到车身自由变形优化模型。
现有的基于自由变形技术的优化方法具有以下不足：
1.上述发明都是对模型建立自由变形控制体，而不是对计算网格建立自由变形控制体，这样每次改变模型都需要重新划分计算网格，降低了计算流程效率；
2.上述发明里的都只有一个优化目标，即都是单目标优化问题，因此不适用有具有多个评价指标的多目标优化问题。
发明内容
本发明要解决的技术问题：本发明的目的是为了解决现有技术中的不足，提供一种对计算网格建立自由变形控制体，提高计算流程效率的离心压缩机分流叶片形状优化方法。
本发明的技术方案：本发明所述的一种基于自由变形技术的离心压缩机分流叶片形状优化方法，包括如下步骤：
A.建立简化的离心压缩机叶轮三维模型，选取其中的一个主叶片和分流叶片组成单流道模型,并划分单流道计算网格；
B.在分流叶片周围设置自由变形控制体，构造模型网格节点与控制体顶点之间的映射关系；选取需要进行变形的控制体顶点作为活动控制点，其余顶点固定；将同一截平面上的活动控制点划分为一组，选取需要进行变形的控制点沿离心压缩机叶轮三维模型的中心轴线的转动角度作为设计变量，建立分流叶片外形的参数化模型；
C.用优化拉丁方方法抽取不同的设计变量组合组成样本点，计算各个样本点的压缩比和等熵效率；根据样本点的计算结果构建RSM响应面模型，建立控制点与压缩比和等熵效率的映射关系；
D.以压缩比和等熵效率最大化为优化目标，利用优化算法在响应面模型上寻优，得到使压缩机性能最佳的设计变量组合；
E.根据最优控制点的位置对原始叶轮进行自由变形处理，得到优化后的叶轮模型。
进一步的，所述步骤A包括如下步骤
A1.建立简化的离心压缩机叶轮三维模型；
A2.将叶轮三维模型与压缩机流域进行布尔运算得到叶轮全流道模型；
A3.将叶轮全流道模型按周期等分后得到单流道模型；
A4.对单流道模型划分计算网格。
进一步的，在所述A3中，将叶轮全流道模型等分为9个主叶片和9个分流叶片。
进一步的，所述模型网格节点与控制体顶点的位置关系(s,t,u)为：
其中x(s,t,u)为模型上网格节点的坐标值；l、m、n分别是控制体在3个方向的阶数；Pi,j,k是控制体顶点(i,j,k)的坐标值；
为第i个l阶Bernstein多项式，表达式为：/>
设计变量Δx(s,t,u)为：
其中ΔPi,j,k是控制体顶点(i,j,k)的位移量；当控制体顶点移动ΔPi,j,k后，模型上网格节点的坐标x′(s,t,u)为：x′(s,t,u)＝x(s,t,u)+Δx(s,t,u)。
进一步的，还包括RSM响应面精度检测方法，包括在所述步骤C中，在所述RSM响应面模型建立后，任意选取5组在样本点之外的设计变量并进行仿真，将仿真值与响应面值进行对比。
进一步的，所述优化算法包括使用最小偏差法将多目标优化模型转化为单目标优化模型，然后使用序列二次规划算法在响应面模型上进行寻优。
进一步的，在所述步骤E中，对所述优化后的叶轮模型进行仿真，得到其压缩比和等熵效率，与初始所述简化的离心压缩机叶轮三维模型的压缩比和等熵效率进行比较，验证优化是否达到预期效果。
本发明与现有技术相比的有益效果：
1.本发明基于自由变形技术的离心压缩机分流叶片形状优化方法可以减少设计变量，对计算网格建立自由变形控制体，这样每次改变模型都无需重新划分计算网格，节省重复划分网格的过程，提升优化设计效率，有效缩短设计周期。
2.以选取需要进行变形的控制点沿离心压缩机叶轮三维模型的中心轴线的转动角度作为设计变量，较传统沿XYZ坐标轴移动控制点运动的方式，更适合于叶轮；沿XYZ坐标轴移动控制点运动，会导致同组的控制点离轴线半径不同，位移的距离也不同，不方便控制，同样易导致导致叶轮的子午型线改变，即将单流道恢复为全流道后底面不再是一个回转体，现在改为沿中心轴线转动，解决此问题。
3.使用最小偏差法将多目标优化模型转化为单目标优化模型，使用序列二次规划算法在响应面模型上进行寻优，得到使压缩机性能最佳的设计变量组合。
附图说明
图1是本发明中实施例的流程示意图；
图2是在SolidWorks中建立的简化叶轮模型；
图3是叶轮的单流道计算模型；
图4是在分流叶片整体布置的自由变形控制体示意图；
图5是图4中分流叶片附近的活动控制点示意图；
图6是经设计变量对图4分流叶片自由变形处理后，优化后的分流叶片变形示意图。
其中，1-叶轮进气口、2-叶轮、3-叶轮出气口、4-主叶片、41-压力面、42-吸力面、5-分流叶片。
具体实施方式
为了加深本发明的理解，下面我们将结合附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
图1-6示出了本发明一种基于自由变形技术的离心压缩机分流叶片形状优化方法，包括如下步骤：
第一步，建立简化的离心压缩机叶轮三维模型，将叶轮三维模型与压缩机流域进行布尔运算得到叶轮全流道模型；将叶轮全流道模型按周期等分成将叶轮全流道模型等分为9个主叶片和9个分流叶片，选取其中的一个主叶片和分流叶片组成单流道模型,并划分单流道计算网格；
第二步，在分流叶片周围设置自由变形控制体，构造模型网格节点与控制体顶点之间的映射关系；选取需要进行变形的控制体顶点作为活动控制点，其余顶点固定；将同一截平面上的活动控制点划分为一组，选取需要进行变形的控制点的转角作为设计变量，建立分流叶片外形的参数化模型；
由于叶轮是个回转体，如果不沿圆周运动会导致叶轮的子午型线改变，即将单流道恢复为全流道后底面不再是一个回转体，因此，设计变量取转角，控制方便。
其中，分流叶片的周围设置自由变形控制体，包括纵向、横向和高度方向。
其中，模型网格节点与控制体顶点的位置关系(s,t,u)为：
其中x(s,t,u)为模型上网格节点的坐标值；l、m、n分别是控制体在3个方向的阶数；Pi,j,k是控制体顶点(i,j,k)的坐标值；Bl i(s)为第i个l阶Bernstein多项式，其表达式为：
设计变量Δx(s,t,u)为：其中ΔPi,j,k是控制体顶点(i,j,k)的位移量；
当控制体顶点移动ΔPi,j,k后，模型上网格节点的坐标x′(s,t,u)为：x′(s,t,u)＝x(s,t,u)+Δx(s,t,u)。
第三步，用优化拉丁方方法抽取不同的设计变量组合组成样本点，计算各个样本点的压缩比和等熵效率；根据样本点的计算结果构建RSM响应面模型，建立控制点与压缩比和等熵效率的映射关系；任意选取5组在样本点之外的设计变量并进行CFD仿真，将仿真值与响应面值进行对比，用于检测RSM响应面精度。
第四步，以压缩比和等熵效率最大化为优化目标，利用优化算法，使用最小偏差法将多目标优化模型转化为单目标优化模型，然后使用序列二次规划算法在响应面模型上进行寻优在响应面模型上寻优，得到使压缩机性能最佳的设计变量组合；
第五步，根据最优控制点的位置对原始叶轮进行自由变形处理，得到优化后的叶轮模型，对所述优化后的叶轮模型进行仿真，得到其压缩比和等熵效率，与初始所述简化的离心压缩机叶轮三维模型的压缩比和等熵效率进行比较，验证优化是否达到预期效果。
如图4-5所示，自由变形控制体上的控制体顶点由纵向6层，横向4层，高度方向2层的控制点组成，即6×2×4个控制点，其中分流叶片5外围共有6×2×2个控制点组成，包络分流叶片。
如图5所示，选取分流叶片5根部的8个控制点Pi(i＝1,2…8)作为活动控制点，其余控制点位置不发生变化，将同一截平面上的控制点划分为一组，以每组控制点的转角作为设计变量，共划分D1,D2,D3,D4四组设计变量。
如图6所示，四组控制点组的移动方向为沿离心压缩机叶轮三维模型的中心轴线进行转动，其中向主叶片4的吸力面41靠拢方向为设计变量增大方向，远离主叶片4的吸力面41方向为设计变量减小方向。
表1是使用优化拉丁方方法抽取的样本点及计算结果。
表1
根据表1中的数据建立响应面模型，然后在响应面模型上进行寻优得到本发明的一个较佳实施例，表2是优化前后设计变量对比。
| 设计变量 | 原模型/0 | 优化结果/0 |
| D1/mm | 0 | -1.495 |
| D2/mm | 0 | 1.0763 |
| D3/mm | 0 | -4.9038 |
| D4/mm | 0 | 4.9997 |
表2表3是优化结果对比
| 模型 | 压缩比 | 等熵效率/％ |
| 优化前 | 1.9437 | 87.2356 |
| 优化后 | 1.9596 | 87.9724 |
表3
综上可知，优化后离心压缩机的压缩比πc从1.9437增加至1.9596，提升0.81％，
等熵效率ηad从87.2356％增加至87.9522％，提升0.84％，综合性能得到了提升。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (6)
1.一种基于自由变形技术的离心压缩机分流叶片形状优化方法，其特征在于：包括如下步骤：
A.建立简化的离心压缩机叶轮三维模型，选取其中的一个主叶片和分流叶片组成单流道模型,并划分单流道计算网格；
B.在分流叶片周围设置自由变形控制体，构造模型网格节点与控制体顶点之间的映射关系；选取需要进行变形的控制体顶点作为活动控制点，其余顶点固定；将同一截平面上的活动控制点划分为一组，选取需要进行变形的控制点沿离心压缩机叶轮三维模型的中心轴线的转动角度作为设计变量，建立分流叶片外形的参数化模型；
所述模型网格节点与控制体顶点的位置关系为：
其中x(s,t,u)为模型上网格节点的坐标值；l、m、n分别是控制体在3个方向的阶数；Pi,j,k是控制体顶点(i,j,k)的坐标值；为第i个l阶Bernstein多项式，其表达式为：
设计变量Δx(s,t,u)为：
其中ΔPi,j,k是控制体顶点(i,j,k)的位移量；
当控制体顶点移动ΔPi,j,k后，模型上网格节点的坐标x′(s,t,u)为：x′(s,t,u)＝x(s,t,u)+Δx(s,t,u)；
C.用优化拉丁方方法抽取不同的设计变量组合组成样本点，计算各个样本点的压缩比和等熵效率；根据样本点的计算结果构建RSM响应面模型，建立控制点与压缩比和等熵效率的映射关系；
D.以压缩比和等熵效率最大化为优化目标，利用优化算法在响应面模型上寻优，得到使压缩机性能最佳的设计变量组合；
E.根据最优控制点的位置对原始叶轮进行自由变形处理，得到优化后的叶轮模型。
2.根据权利要求1所述的基于自由变形技术的离心压缩机分流叶片形状优化方法，其特征在于：所述步骤A包括如下步骤
A1.建立简化的离心压缩机叶轮三维模型；
A2.将叶轮三维模型与压缩机流域进行布尔运算得到叶轮全流道模型；
A3.将叶轮全流道模型按周期等分后得到单流道模型；
A4.对单流道模型划分计算网格。
3.根据权利要求2所述的基于自由变形技术的离心压缩机分流叶片形状优化方法，其特征在于：在所述A3中，将叶轮全流道模型等分为9个主叶片和9个分流叶片。
4.根据权利要求1所述的基于自由变形技术的离心压缩机分流叶片形状优化方法，其特征在于：还包括RSM响应面精度检测方法，包括在所述步骤C中，在所述RSM响应面模型建立后，任意选取5组在样本点之外的设计变量并进行仿真，将仿真值与响应面值进行对比。
5.根据权利要求1所述的基于自由变形技术的离心压缩机分流叶片形状优化方法，其特征在于：所述优化算法包括使用最小偏差法将多目标优化模型转化为单目标优化模型，然后使用序列二次规划算法在响应面模型上进行寻优。
6.根据权利要求1所述的基于自由变形技术的离心压缩机分流叶片形状优化方法，其特征在于：在所述步骤E中，对所述优化后的叶轮模型进行仿真，得到其压缩比和等熵效率，与初始所述简化的离心压缩机叶轮三维模型的压缩比和等熵效率进行比较，验证优化是否达到预期效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011269465.9A CN112487570B (zh) | 2020-11-13 | 2020-11-13 | 基于自由变形技术的离心压缩机分流叶片形状优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011269465.9A CN112487570B (zh) | 2020-11-13 | 2020-11-13 | 基于自由变形技术的离心压缩机分流叶片形状优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112487570A CN112487570A (zh) | 2021-03-12 |
| CN112487570B true CN112487570B (zh) | 2024-02-13 |
Family
ID=74930450
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011269465.9A Active CN112487570B (zh) | 2020-11-13 | 2020-11-13 | 基于自由变形技术的离心压缩机分流叶片形状优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112487570B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113177281B (zh) * | 2021-05-21 | 2022-05-20 | 清华大学 | 一种用于航空发动机近净成形叶片夹具的设计方法和系统 |
| CN115481511B (zh) * | 2022-09-30 | 2023-08-29 | 北京科技大学 | 基于ffd的离心叶轮多工况局部构型气动优化方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175340A (zh) * | 2018-11-16 | 2019-08-27 | 湘潭大学 | 一种适用于不确定工况的离心压气机叶轮气动稳健优化设计方法 |
| CN110309531A (zh) * | 2019-04-23 | 2019-10-08 | 电子科技大学 | 基于车身自由变形的汽车减阻优化方法 |
-
2020
- 2020-11-13 CN CN202011269465.9A patent/CN112487570B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175340A (zh) * | 2018-11-16 | 2019-08-27 | 湘潭大学 | 一种适用于不确定工况的离心压气机叶轮气动稳健优化设计方法 |
| CN110309531A (zh) * | 2019-04-23 | 2019-10-08 | 电子科技大学 | 基于车身自由变形的汽车减阻优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112487570A (zh) | 2021-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112487570B (zh) | 基于自由变形技术的离心压缩机分流叶片形状优化方法 | |
| CN109598081B (zh) | 基于数据降维及多二维流面的径流式透平气动优化方法 | |
| CN110750855B (zh) | 一种外形定尺寸限制下的蜗壳型线设计方法 | |
| CN111898212B (zh) | 基于BezierGAN和贝叶斯优化的叶轮机械型线设计优化方法 | |
| CN112685968B (zh) | 基于空间负荷定制思想的轴流压气机气动设计方法 | |
| CN116050031B (zh) | 轴流叶轮叶片设计方法、装置、存储介质及电子设备 | |
| CN112966454B (zh) | 一种风电场风机尾流动态耦合模拟方法 | |
| CN116541995B (zh) | 一种多级压气机的全几何空间参数化变形方法及系统 | |
| CN115017843A (zh) | 一种离心压缩机气动性能优化设计方法 | |
| CN115374576B (zh) | 用于压气机叶片与机匣处理一体化扩稳设计方法 | |
| CN115081130B (zh) | 基于动态支持向量回归的叶片与端壁联合气动优化方法 | |
| CN110990955A (zh) | 一种高超声速Bump进气道设计方法及系统 | |
| CN111027148B (zh) | 损失落后角模型自动标定及工业轴流压缩机性能计算方法 | |
| CN112270139A (zh) | 基于母型库的燃料电池离心压缩机气动优化设计方法 | |
| CN109815590B (zh) | 一种基于端区附面层的多级轴流压气机三维叶片造型方法及叶片 | |
| CN113094964B (zh) | 一种生成叶片加工坐标的方法和装置 | |
| Ji et al. | Computer 3D vision-aided full-3D optimization of a centrifugal impeller | |
| CN112685852B (zh) | 一种轴流压气机负荷定制化气动优化方法 | |
| CN101158991A (zh) | 大小叶片压气机的气动设计方法 | |
| CN110245408B (zh) | 一种汽轮机单圆弧压力面叶型设计方法 | |
| CN116244848A (zh) | 一种半开式离心叶轮参数化造型生成方法及网格拓扑方法 | |
| CN108804791B (zh) | 一种适用于埋入式进气道布局的飞行器参数化方法 | |
| CN116595874A (zh) | 叶轮机械性能预测模型参数优化方法及装置、存储介质 | |
| CN110348575A (zh) | 一种基于遗传算法的叶轮逆向工程方法 | |
| CN114970247A (zh) | 一种面向叶盘结构的高保真有限元模型自动建模方法 |
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 |