CN113886967B - 多巡航工况的大型飞机机翼气动弹性优化方法 - Google Patents
多巡航工况的大型飞机机翼气动弹性优化方法 Download PDFInfo
- Publication number
- CN113886967B CN113886967B CN202111171940.3A CN202111171940A CN113886967B CN 113886967 B CN113886967 B CN 113886967B CN 202111171940 A CN202111171940 A CN 202111171940A CN 113886967 B CN113886967 B CN 113886967B
- Authority
- CN
- China
- Prior art keywords
- wing
- optimization
- design
- representing
- cruise
- 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
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
- 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]
- G06F30/20—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
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/28—Fuselage, exterior or interior
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种考虑多巡航工况的大型飞机机翼气动弹性优化分析方法,为了使大型飞机在不同的巡航工况都具有较好的性能,提出了一种多工况气动弹性综合机翼优化框架,考虑了不同的巡航工况,对复合材料机翼开展气动弹性优化的研究,以最小机翼结构质量为目标,在气动弹性、应力与应变、强度等条件的约束下,通过遗传算法对机翼型架外形的蒙皮、腹板、凸缘等复合材料部件的铺层厚度展开设计,并根据优化结果进行了机翼型架外形设计,采用高精度CFD与CSD耦合方法分析和校验了优化结果的升阻特性。
Description
技术领域
本发明属于飞机结构优化设计技术领域,更特别地说,是指一种考虑多巡航工况的大型飞机机翼气动弹性优化分析方法。
背景技术
大型飞机在实际飞行过程中,飞机的飞行状态是不断变化的,燃油消耗使得飞行器质量不断减轻,载荷变化使得飞机气动外形产生变化,为保证巡航速度和高度不变,推力和迎角也需不断变化。目前常见的机翼结构设计方法得到的型架外形,没有考虑整个巡航过程中不同巡航工况的气动载荷差异,在实际飞行过程中其真实外形不能很好的贴近设计巡航外形。此外,考虑大型飞机真实飞行任务中的飞行剖面,对大型飞机设计十分重要。详细分析全飞行剖面多个飞行状态能更准确地对其整体性能进行优化设计,可以使大型飞机在一定的马赫数与升力系数范围内都具有较好的性能。
作者王远达于2019年1月第1版出版的《飞机结构与系统》,在“第二节机翼受力与结构特点”中公开了机翼基本组成及承受的外载荷,如图1所示。星载计算机也称星务计算机,负责星上数据与程序的存储、处理以及各分系统的协调管理。
传统的单点设计通常选取一个典型飞行状态进行设计,然而现代大型飞机是多学科耦合的复杂系统,通常在其他非设计状态也可能有一些特殊的需求,单点优化无法同时满足这些需求,将该单点优化结果应用于其他工况,其导致其性能下降。因此可以利用多点优化的理念将其统一进行处理,找到妥协于众多工况的一种方法,对飞行剖面的多状态点进行细致分析是实现精确设计的主要途径。
目前针对飞行器多点优化设计的研究工作大都集中在机翼翼型或平面外形等气动优化,少有面向多巡航工况气动弹性剪裁的研究。单工况结构优化无法有效考虑整个巡航过程的响应,无法在维持气动效率的同时有效降低结构重量,易造成迭代反复、效率低下等问题。
发明内容
本发明提出了一种多工况气动弹性综合优化框架的方法,考虑了不同的巡航工况,对大型飞机复合材料机翼开展气动弹性优化的研究,以最小机翼结构质量为目标,采用遗传算法,在气动弹性、应力与应变、强度等条件的约束下,通过遗传算法对机翼型架外形的蒙皮、腹板、凸缘等复合材料部件的复合材料铺层厚度展开设计,并根据优化结果进行了型架外形设计,采用通过高精度CFD与CSD 耦合方法对优化结果的升阻特性进行了分析和校验。本发明方法在不低于设计巡航外形气动性能的条件下,综合多巡航工况的气动弹性优化能有效减轻结构质量,从而减少整体燃油消耗。综合考虑多巡航工况的优化结果性能更高,且优化结果的整体性能随着优化巡航工况数目的增加而增加。
本发明的一种多巡航工况的大型飞机机翼气动弹性优化方法,其特征在于有下列步骤:
第一步,多巡航工况结构参数优化;
通过多巡航工况结构参数优化模块,读入初始气动数据、结构数据,选定飞机若干巡航工况,准备相应的优化计算文件,分别对每个个体的不同工况进行静气动弹性响应与操纵效率分析以及颤振分析,利用线性加权遗传算法计算各个工况的适应度,以对群体进行评估,经过迭代之后得到优化机翼结构模型;
第二步,机翼型架外形设计;
机翼型架外形设计是将第一步所得优化后的机翼结构模型和设计巡航外形作为初始数据读入,基于同时考虑扭转角和弯曲变形的双变量迭代修正的型架外形设计方法,进行机翼型架外形设计,设计出与之对应的机翼型架外形;
第三步,采用CFD与CSD耦合的静气动弹性计算;
通过CFD与CSD耦合静气动弹性计算模块,将多巡航工况结构优化模块所得优化后的结构模型和型架设计模块所得设计型架外形作为初始数据读入,进行 CFD与CSD耦合分析,得到静气动弹性平衡后升阻力系数;至此完成考虑多巡航工况的大型飞机气动弹性优化分析方法。
本发明的多巡航工况气动弹性优化框架可以有效实现考虑多巡航工况的气动弹性优化、型架外形设计以及CFD与CSD气动弹性耦合分析,使大型飞机上的机翼在不同的巡航工况都具有较好的性能,从而在整体上获得更好的性能。经本发明方法优化后的机翼具有如下创新点:
1)综合考虑多巡航工况结构优化设计能得到的比单巡航工况更高的适应度,且随着参与优化巡航工况数目增加而增加。
2)综合多巡航工况气动弹性优化设计能有效减轻结构质量,且通过型架外形优化能将多巡航工况优化后机翼的气动性能维持在与设计巡航外形相当的水平,优化后飞行油耗减少,且油耗减少量随着优化时考虑巡航工况数量增加而增加。
3)考虑了所有六个巡航工况的优化结果减少了7.88%机翼结构质量,降低了4.64%燃油消耗,有效提升了飞机经济性能。
附图说明
图1是飞机机翼的分布图。
图2是本发明考虑多巡航工况的大型飞机机翼气动弹性优化方法的流程图。 CFD与CSD耦合静气动弹性计算部分的流程图。
图3是本发明机翼型架外形的模型结构图。
图4是同时考虑到扭转角和弯曲变形修正的本发明机翼型架外形设计的流程图。
图5是大型飞机后掠机翼结构的有限元模型图。
图6A是大型飞机后掠机翼偶极子格网法的气动外形图。
图6B是大型飞机后掠机翼CFD方法的气动外形图。
图7A是经本发明方法处理的各优化条件下各工况适应度图。
图7B是经本发明方法处理的各优化条件下所有工况平均适应度图。
图8是经本发明方法处理的各优化条件下各巡航工况翼尖位移图。
图9是经本发明方法处理的优化后结构质量图。
图10A经本发明方法处理的各优化条件下各工况升阻比图。
图10B经本发明方法处理的各优化条件下平均升阻比图。
具体实施方式
下面将结合附图和实施例对本发明做进一步的详细说明。
本发明的一种考虑多巡航工况的大型飞机机翼气动弹性优化方法,包括有下列步骤:
第一步,多巡航工况结构参数优化;
参见图2所示,在本发明中,通过多巡航工况结构参数优化模块,读入初始气动数据、结构数据,选定飞机若干巡航工况,准备相应的优化计算文件,分别对每个个体的不同工况进行静气动弹性响应与操纵效率分析以及颤振分析,利用线性加权遗传算法计算各个工况的适应度,以对群体进行评估,经过迭代之后得到优化机翼结构模型。
步骤101,多巡航工况参数初始化;
在本发明中,利用计算机及软件(NASTRAN以及MGAERO软件)读入初始数据,包括有:飞机的初始气动模型和结构模型,选定飞机若干巡航工况,准备优化计算文件。
气动分析基于偶极子格网法,结构分析则基于线性结构有限元方法,巡航工况可以结合飞行实际情况进行选择。
根据蒙皮壁板的一般设计原则和大型飞机机翼的受力特点,假设设计模型的结构部件对应单元面积(如梁缘条)或厚度(如蒙皮)沿展向是逐渐变化的,但在相邻两个翼肋之间区域保持为定值,三维有限元模型设计变量可以选取蒙皮厚度、梁腹板厚度、梁缘条面积等。如图3所示,假设机翼模型共有i+1个翼肋,i 为翼肋的标识号,从翼尖到翼根,蒙皮厚度分别记为X1,X2,…,Xi-1,Xi共计i个设计变量;由于机翼上的蒙皮分上蒙皮与下蒙皮,同理可得,上蒙皮厚度分别记为共计i个设计变量,下蒙皮厚度分别记为/>共计 i个设计变量。后梁下缘条面积从翼尖到翼根分别记为A1,A2,…,Ai-1,Ai共计i个设计变量,同理可以对其他缘条面积或腹板厚度进行设计。
在步骤101中涉及的所有设计变量组成一个个体,记为IND。
步骤102,利用遗传算法随机生成初代群体;
在本发明中,利用遗传算法对步骤101中的所有个体进行处理,生成初代群体CSD,且CSD={IND1,IND2,…,INDQ}。
IND1表示第一个个体。
IND2表示第二个个体。
INDQ表示最后一个个体。下角标Q表示个体总数。
在本发明中,遗传算法参考了1999年出版的《遗传算法原理及应用》,第4 -8页内容,作者周明,孙树栋。
步骤103,判断是否选择多巡航工况优化;
将初代群体CSD={IND1,IND2,…,INDQ}信息写入结构优化文件中,判断是否选择多巡航工况优化。
步骤104,利用遗传算法随机生成初代群体;
在本发明中,如果步骤103选择“是”,则分别对每个个体的不同工况进行静气动弹性响应与操纵效率分析以及颤振分析,根据各个个体的目标函数、设计变量和约束条件的满足情况,利用线性加权遗传算法计算各个工况的适应度,以对群体进行评估。
在本发明中,如果步骤103选择“否”,则对每个个体的单个工况进行静气动弹性响应与操纵效率分析以及颤振分析,根据各个个体的目标函数、设计变量和约束条件的满足情况,利用遗传算法计算其适应度,对群体进行评估。
优化理论可以用如下方程简要概括:
当满足条件式(1)和条件(2)时,使得目标函数F(v)取得最小值。即:
gj(v)≤0(j=1,…,nc) (1)
(vk)lower≤vk≤(vk)upper(k=1,…,nd) (2)
式中:gj(v)为约束指标相关函数,下角标j表示约束序号,v为设计变量, nc为约束的总个数。vk表示第k个设计变量,(vk)lower为设计变量下界,(vk)upper为设计变量上界,下角标k表示设计变量序号,nd为设计变量的总个数。
在本发明中,目标函数F(v)在气动弹性设计问题中,一般为质量,即求满足条件的设计变量vk的集合,使得结构的总质量最小;约束条件一般为颤振速度、副翼效率、结构变形、应力等静气弹和动气弹约束指标,通过式(1)进行约束;每个设计变量的上下限则通过式(2)进行约束。
为了实现综合考虑多巡航工况的机翼结构优化设计,本发明基于遗传算法,将各个巡航工况约束函数及其对应适应度函数进行线性加权,可以根据每个巡航工况的重要程度赋予不同的权重,本发明中所有巡航工况的权重系数相等。
单巡航工况下个体的适应度函数可用如下公式表示:
FSC(v)=a·Fo(v)+Fr(v) (3)
式中:FSC(v)表示单巡航工况个体适应度;a表示权重系数;Fo(v)表示目标函数的适应度;Fr(v)表示约束条件的适应度。
对个体在各个巡航工况下优化之后的适应度进行线性加权,得到多巡航工况情况下的平均适应度FMC(v)。
其中FMC(v)表示多巡航工况情况下的平均适应度函数,N表示参与优化的巡航工况总数,m表示参与优化的巡航工况的标识号,cm表示个体在第m个巡航工况下的适应度权重,且满足关系式(5),FSC,m(v)表示个体在第m个巡航工况下的适应度。
步骤105,是否达到指定的最大迭代次数;
当前迭代次数记为p,位于所述p之前的迭代次数记为p-1(简称为上一次迭代),位于所述p之后的迭代次数记为p+1(简称为下一次迭代),最大迭代次数记为pmax。
判断算法是否达到指定的最大迭代次数pmax,若没有达到(p<pmax),则通过选择、交叉、变异等操作生成下一代群体,并返回步骤103继续计算;若达到指定迭代次数(p=pmax),则输出结果文件,得到优化后的机翼结构模型。
第二步,机翼型架外形设计;
参见图2、图4所示,机翼型架外形设计是将第一步所得优化后的机翼结构模型和设计巡航外形作为初始数据读入,基于同时考虑扭转角和弯曲变形的双变量迭代修正的型架外形设计方法,进行机翼型架外形设计,设计出与之对应的机翼型架外形。
步骤201,读取参数;
将第一步所得优化后的结构模型和设计巡航外形作为初始数据读入。
步骤202,基于扭转角和弯曲变形的机翼型架外形设计;
在本发明中,基于同时考虑扭转角和弯曲变形的双变量迭代修正的型架外形设计方法,进行型架外形设计,保证型架外形在设计巡航状态飞行时,气动性能能够尽可能恢复到巡航设计状态。
机翼型架外形设计方法,其设计流程见图4所示。在图4中型架外形设计的主要思路是:通过反推法得到型架设计的初始外形,并在每一次迭代后的型架外形修正中同时考虑展向扭转角分布和弯曲变形的修正,从而确保型架外形设计的准确性。展向扭转角和弯曲变形修正方法为:
其中,上角标p表示迭代次数,下角标r表示机翼顺气流剖面序号。
w1为扭转角迭代松弛因子,且0<w1≤1。
θ0为巡航外形各展向剖面的扭转角。
w2为弯曲变形迭代松弛因子,0<w2≤1。
z0为巡航外形各展向剖面后缘点垂向坐标。
经过迭代,直到满足公式(9)的收敛条件,得到机翼设计型架外形:
在得到需要修正的扭转角和弯曲变形量后,可通过坐标变换来完成型架外形的修正,得到数据点平移后的的位置。
第三步,采用CFD与CSD耦合的静气动弹性计算;
在本发明中,通过CFD与CSD耦合静气动弹性计算模块,将多巡航工况结构优化模块所得优化后的结构模型和型架设计模块所得设计型架外形作为初始数据读入,进行CFD与CSD耦合分析,得到静气动弹性平衡后升阻力系数。至此完成考虑多巡航工况的大型飞机气动弹性优化分析方法。
步骤301,初始数据读入;
将步骤202所得优化后的机翼结构模型和机翼型架设计外形作为初始数据读入;
步骤302,设置机翼初始气动外形和边界条件;
设置机翼初始气动外形和边界条件,计算得到机翼表面网格中心点的压力分布,根据翼面气动网格单元外法向矢量、面积及动压转换为气动载荷,即初始时的气动模型。
在本发明中,所述机翼初始气动外形采用MGAERO软件构建,在使用 MGAERO时需要建立一个PIN文件,该文件主要分为三部分,第一部分用来存放计算的基本参数,包括参考半展长、全局缩放尺度因子、参考面积等数据。第二部分为用来存放几何模型外形数据,这部分数据主要为各截面位置及截面上各个数据点的坐标。在构造几何外形数据时,飞机被划分为机身、机翼、外挂物、外挂物等部分。
在本发明中,所述边界条件为求解文件(即MGAERO软件中的SIN文件)。 SIN文件主要包括两部分,第一部分主要包括求解器运算控制参数和飞行状态参数,飞行状态参数用来指定飞行条件,包括攻角、马赫数、侧滑角等。SIN文件中的第二部分主要用来定义各层网格的迭代运算。
步骤303,计算弹性机翼变形量;
将步骤302设置的气动载荷分解到结构结点上并由静气动弹性响应分析方程计算变形,得到弹性机翼变形。
静气动弹性响应分析方程一般是a-set位移向量集下量建立的,表示为:
式中:Kaa表示刚度矩阵;表示动压;Qaa表示在a-set下由结构弹性变形引起的气动力增量的广义力;ua表示在a-set下的位移向量;Maa表示质量矩阵;/>表示位移向量对时间的二次求导;Qax表示在a-set下由舵面偏转和飞行器的刚体运动下广义力;ux表示在x-set下的位移向量;Pa表示外加载荷向量;/>表示由结构弹性变形引起的气动力增量;表示由舵面偏转和飞行器的刚体运动所引起的气动力。
步骤304,迭代生成气动模型;
采用步骤303得到的变形后机翼型架外形来更新步骤302中的初始时的气动模型再次进行气动力计算,得出当前迭代次数p对应的气动载荷,即更新后的气动模型;
步骤305,判断相对位移变化是否达到收敛精度;
经多次迭代,然后通过公式(10)判断相对位移变化是否达到收敛精度。
ε3为第三判断收敛参数,本发明中取值为ε3=0.01。
在本发明中,若满足,则停止计算,此时的机翼外形即弹性变形后达到平衡状态的外形;若不满足,则返回步骤304继续迭代生成气动模型。
步骤306,判断机翼优化后燃油消耗变化;
计算静气动弹性平衡后升阻力系数,根据升阻比以及结构重量变化对燃油消耗的影响——升阻比提高1%,能使油耗减少1%,而结构重量减少1%,油耗减少约为0.7%~0.75%(本发明中取0.725%),判断优化后燃油消耗变化。
实施例1
机翼模型描述
以大型飞机机翼为对象,该双梁式结构的机翼半展长约为16.5m,这种结构的特点是梁缘条比较强,蒙皮比较厚。该模型有25个翼肋,后梁在自翼根起第7 个翼肋处转折,上下蒙皮有11根桁条。机翼上下蒙皮和前后梁腹板使用板单元;前后梁凸缘和上下桁条使用杆单元。材料为复合材料。大型飞机后掠机翼结构有限元模型如图5所示,偶极子格网法的气动外形如图6A以及CFD方法的气动外形如图6B所示。
约束条件
在实施例1中,优化的目标函数设定为机翼的结构质量最小。
优化设计中包含三个约束条件,分别为静气动弹性响应、结构强度与应变与颤振约束,具体约束条件如下所示:
2)滚转机动:副翼效率η≥65%。
3)颤振速度:在海平面高度,根部固支的情况下,机翼颤振速度高于320 m/s。
4)强度应变约束:同时使用Tsai-Wu失效准则与设计许用应变约束。
优化中强度约束与应变约束条件具体数值如表1所示。
表1优化中的强度约束与应变约束条件
约束指标 | 约束范围 |
长桁应力约束(Mpa) | [-324,446] |
梁突缘应力约束(Mpa) | [-324,446] |
纵向拉压许用应变约束(με) | [-4000,5500] |
纵横向剪切许用应变约束(με) | [-7600,7600] |
失效约束(Tsai-Wu失效准则) | [-1,1] |
优化策略及设计变量
根据蒙皮壁板的一般设计原则和大型飞机机翼的受力特点,优化策略设置如下:
1)梁腹板采用四层对称层合板,第一层、第二层、第三层、第四层的铺放角度分别为+45°、-45°、-45°、+45°,铺层厚度比例固定为1:1。
机翼上下蒙皮壁板采用[45/-45/90/0]层合板,其中0°、+45°、-45°、90°铺层厚度比例固定为5:2:2:1。
2)将上下蒙皮、前后梁上下凸缘、前后腹板沿展向皆分为6个区域,每个分区有8个设计变量。铺层厚度和凸缘面积在机翼后缘转折点以外向翼尖方向递减,转折点以内向翼根方向递减。
选定展向与弦向各区域蒙皮厚度,梁凸缘面积作为设计对象,共计48个设计变量进行气动弹性优化。
性能分析
总共考虑六个不同巡航工况,在同一次巡航任务中,巡航高度11000m、巡航马赫数0.785均保持不变,动压9760.1Pa。飞机重量随着燃油消耗变小,各巡航工况半模质量如表2所示,从巡航工况1至巡航工况6,飞机质量逐渐减小。为了便于说明,将不同优化条件下所考虑巡航工况列表3所示。
表2各巡航工况半模质量分布
巡航工况编号 | 半模质量/kg |
1 | 42258 |
2 | 41258 |
3 | 40258 |
4 | 39258 |
5 | 36258 |
6 | 33258 |
表3各优化条件所考虑巡航工况
适应度
适应度经过正则化处理,本实施例中包括1个目标函数提供的适应度以及 41个约束函数提供的适应度。适应度的权重系数之和取值为59。对6个单巡航工况优化条件“单1至单6”以及3个多巡航工况优化条件分别进行优化计算,将优化后的结果再分别带入6个巡航工况下,得出各优化条件下各工况适应度如图7A所示,各优化条件下平均适应度如图7B所示,可以看出,单工况优化条件下,随着飞机重量减小,平均适应度逐渐降低,而所有多工况优化条件下的平均适应度都比适应度最高的单工况高,而且随着工况数的增加而增加。从图7A可以看出,单工况优化条件平均适应度之所以逐渐降低,是因为随着飞机重量的减少,偏离优化条件的巡航工况适应度迅速降低,从而影响了整体适应度。而多工况情况因为综合考虑了多个巡航工况的情况,因为各个巡航工况的适应度都保持在较高的值,从而整体适应度更高。
翼尖位移
翼尖位移变形作为本实施例中优化时的一个重要约束条件,也是研究机翼气动弹性问题的一个重要参数。考察各个优化条件下各巡航工况的翼尖变形,如图 8所有的优化条件下,对于巡航“单1”至“单6”,随着飞机质量逐渐减小,翼尖位移也逐渐减小。单工况优化条件(“单1”至“单6”)下,其优化时对应巡航工况的翼尖位移最接近约束位移,对于质量大于优化条件的巡航工况,翼尖位移大于约束位移,而且这种现象随着飞机质量减小越加明显。由于使用罚函数对约束条件进行处理,翼尖位移超过约束位移后会受到“惩罚”,这也是单工况优化条件随着飞机质量减小适应度降低的主要原因;多工况优化条件下,质量最大的巡航工况“单1”的翼尖位移接近于约束位移,其余巡航工况翼尖位移都低于约束位移。
优化后机翼结构质量
各优化条件下优化后结构质量分布如9所示,其中“初始”表示优化前原始机翼的结构质量。由图9可知,优化后机翼结构质量明显减轻。其中适应度最高的几个优化条件“单1”、“多1”至“多3”,随着优化时考虑工况增加,优化后结构质量的减重增加。而其余单工况优化条件(“单2”至“单6”),虽然其结构质量减重更多,由于其某些工况下翼尖变形超过约束条件较多,适应度较低,因此其优化结果并不优于多工况下的优化。
优化后升阻比
基于CFD(Computational Fluid Dynamics,计算流体动力学)与CSD(computational solid mechanics,计算固体动力学)松耦合静气动弹性分析方法和机翼型架外形优化方法,计算得到各个优化条件优化后机翼结构在各个巡航工况下静气弹平衡后的升阻比如图10A所示,加权平均升阻比如图10B所示,其中“初始”表示优化前原始机翼的设计巡航外形下的升阻比。可见相对原始的巡航外形,巡航单工况优化条件下,优化后机翼升阻比都有所下降。随着飞机质量减小,其平均升阻比减小,且越到后面升阻比下降越剧烈;而综合多工况优化条件下,随着所考虑的优化巡航工况增加,平均升阻比也有下降趋势,但是这种趋势较为缓慢,仍然维持在较高水平。
优化后耗油率变化
当升阻比提高1%,能使油耗减少1%,而机翼结构重量减少1%,油耗减少约为0.7%~0.75%(本实施例中取0.725%)。列出原始条件“初始”、单工况优化情况“单1”,以及多工况优化情况“多1”至“多3”升阻比变化和结构重量变化及其相应油耗变化如表4所示。由表4可见经优化后飞机燃油消耗减少,而且优化条件中考虑巡航工况越多,最终燃油消耗减少越多。可见综合考虑多巡航工况优化对于减少燃油消耗,提高飞机经济性能有非常优异的效果。
表4优化后油耗变化
本发明是一种考虑多巡航工况的大型飞机机翼气动弹性优化分析方法,在大型飞机机翼的优化设计通常是针对单一的巡航工况开展的,而实际情况中的巡航条件是不断发生变化的,因此由这种优化方法设计得到飞机的性能会受到较大的影响。为了使大型飞机在不同的巡航工况都具有较好的性能,提出了一种多工况气动弹性综合优化框架,考虑了不同的巡航工况,对大型飞机复合材料机翼开展气动弹性优化的研究,以最小机翼结构质量为目标,在气动弹性、应力与应变、强度等条件的约束下,通过遗传算法对机翼型架外形的蒙皮、腹板、凸缘等复合材料部件的铺层厚度展开设计,并根据优化结果进行了型架外形设计,采用高精度CFD与CSD耦合方法分析和校验了优化结果的升阻特性。研究表明,在不低于设计巡航外形气动性能的条件下,综合多巡航工况的气动弹性优化能有效减轻结构质量,从而减少整体燃油消耗。进一步对比分析了多巡航工况优化与单巡航工况优化,研究了巡航工况数目与优化结果之间的关系,结果表明,综合考虑多巡航工况的优化结果性能更高,且优化结果的整体性能随着优化巡航工况数目的增加而增加。
Claims (2)
1.一种多巡航工况的大型飞机机翼气动弹性优化方法,其特征在于有下列步骤:
第一步,多巡航工况结构参数优化;
通过多巡航工况结构参数优化模块,读入初始气动数据、结构数据,选定飞机若干巡航工况,准备相应的优化计算文件,分别对每个个体的不同工况进行静气动弹性响应与操纵效率分析以及颤振分析,利用线性加权遗传算法计算各个工况的适应度,以对群体进行评估,经过迭代之后得到优化机翼结构模型;
第二步,机翼型架外形设计;
机翼型架外形设计是将第一步所得的优化机翼结构模型和设计巡航外形作为初始数据读入,基于同时考虑扭转角和弯曲变形的双变量迭代修正的型架外形设计方法,进行机翼型架外形设计,设计出与之对应的机翼型架设计外形;
第三步,采用CFD与CSD耦合的静气动弹性计算;
通过CFD与CSD耦合静气动弹性计算模块,将多巡航工况结构优化模块所得的优化机翼结构模型和型架设计模块所得的机翼型架设计外形作为初始数据读入,进行CFD与CSD耦合分析,得到静气动弹性平衡后升阻力系数;至此完成考虑多巡航工况的大型飞机气动弹性优化分析方法;
第一步包括步骤101-步骤105:
步骤101,多巡航工况参数初始化;
在步骤101中涉及的所有设计变量组成一个个体,记为IND;
步骤102,利用遗传算法随机生成初代群体;
利用遗传算法对步骤101中的所有个体进行处理,生成初代群体CSD,且CSD={IND1,IND2,…,INDQ};
IND1表示第一个个体;
IND2表示第二个个体;
INDQ表示最后一个个体;下角标Q表示个体总数;
步骤103,判断是否选择多巡航工况优化;
将初代群体CSD={IND1,IND2,…,INDQ}信息写入结构优化文件中,判断是否选择多巡航工况优化;
步骤104,利用遗传算法随机生成初代群体;
如果步骤103选择“是”,则分别对每个个体的不同工况进行静气动弹性响应与操纵效率分析以及颤振分析,根据各个个体的目标函数、设计变量和约束条件的满足情况,利用线性加权遗传算法计算各个工况的适应度,以对群体进行评估;
如果步骤103选择“否”,则对每个个体的单个工况进行静气动弹性响应与操纵效率分析以及颤振分析,根据各个个体的目标函数、设计变量和约束条件的满足情况,利用遗传算法计算其适应度,对群体进行评估;
当满足条件式(1)和条件(2)时,使得目标函数F(v)取得最小值;即:
gj(v)≤0(j=1,…,nc) (1)
(vk)lower≤vk≤(vk)upper(k=1,…,nd) (2)
式中:gj(v)为约束指标相关函数,下角标j表示约束序号,v为设计变量,nc为约束的总个数;vk表示第k个设计变量,(vk)lower为设计变量下界,(vk)upper为设计变量上界,下角标k表示设计变量序号,nd为设计变量的总个数;
目标函数F(v)在气动弹性设计问题中为质量,即求满足条件的设计变量vk的集合,使得结构的总质量最小;约束条件为静气弹和动气弹约束指标,包括颤振速度、副翼效率、结构变形、应力,通过式(1)进行约束;每个设计变量的上下限则通过式(2)进行约束;
单巡航工况下个体的适应度函数可用如下公式表示:
FSC(v)=a·Fo(v)+Fr(v) (3)
式中:FSC(v)表示单巡航工况个体适应度;a表示权重系数;Fo(v)表示目标函数的适应度;Fr(v)表示约束条件的适应度;
对个体在各个巡航工况下优化之后的适应度进行线性加权,得到多巡航工况情况下的平均适应度FMC(v);
其中FMC(v)表示多巡航工况情况下的平均适应度函数,N表示参与优化的巡航工况总数,m表示参与优化的巡航工况的标识号,cm表示个体在第m个巡航工况下的适应度权重,且满足关系式(5),FSC,m(v)表示个体在第m个巡航工况下的适应度;
步骤105,是否达到指定的最大迭代次数;
判断是否达到指定的最大迭代次数pmax,若没有达到,即p<pmax,则通过选择、交叉、变异操作生成下一代群体,并返回步骤103继续计算;若达到指定迭代次数,即p=pmax,则输出结果文件,得到优化机翼结构模型;
第二步包括步骤201-步骤202:
步骤201,读取参数;
将第一步所得的优化机翼结构模型和设计巡航外形作为初始数据读入;
步骤202,基于扭转角和弯曲变形的机翼型架外形设计;
机翼型架外形设计方法,是通过反推法得到型架设计的初始外形,并在每一次迭代后的型架外形修正中同时考虑展向扭转角分布和弯曲变形的修正,从而确保型架外形设计的准确性;展向扭转角和弯曲变形修正方法为:
其中,上角标p表示迭代次数,下角标r表示机翼顺气流剖面序号;
w1为扭转角迭代松弛因子,且0<w1≤1;
θ0为巡航外形各展向剖面的扭转角;
w2为弯曲变形迭代松弛因子,0<w2≤1;
z0为巡航外形各展向剖面后缘点垂向坐标;
经过迭代,直到满足公式(8)的收敛条件,得到机翼型架设计外形:
在得到需要修正的扭转角和弯曲变形量后,可通过坐标变换来完成型架外形的修正,得到数据点平移后的的位置;
第三步包括步骤301-步骤306:
步骤301,初始数据读入;
将步骤202所得优化后的机翼结构模型和机翼型架设计外形作为初始数据读入;
步骤302,设置机翼初始气动外形和边界条件;
设置机翼初始气动外形和边界条件,计算得到机翼表面网格中心点的压力分布,根据翼面气动网格单元外法向矢量、面积及动压转换为气动载荷,即初始时的气动模型;
所述机翼初始气动外形采用MGAERO软件构建,在使用MGAERO时建立一个PIN文件;
所述边界条件为SIN文件;
步骤303,计算弹性机翼变形量;
将步骤302设置的气动载荷分解到结构节点上并由静气动弹性响应分析方程计算变形,得到弹性机翼变形;
静气动弹性响应分析方程是a-set位移向量集下量建立的,表示为:
式中:Kaa表示刚度矩阵;表示动压;Qaa表示在a-set下由结构弹性变形引起的气动力增量的广义力;ua表示在a-set下的位移向量;Maa表示质量矩阵;/>表示位移向量对时间的二次求导;Qax表示在a-set下由舵面偏转和飞行器的刚体运动下广义力;ux表示在x-set下的位移向量;Pa表示外加载荷向量;/>表示由结构弹性变形引起的气动力增量;/>表示由舵面偏转和飞行器的刚体运动所引起的气动力;
步骤304,迭代生成气动模型;
采用步骤303得到的变形后机翼型架外形来更新步骤302中的初始时的气动模型再次进行气动力计算,得出当前迭代次数p对应的气动载荷,即更新后的气动模型;
经多次迭代,然后通过公式(10)判断相对位移变化是否达到收敛精度;
ε3为第三判断收敛参数,取值为ε3=0.01;
若满足,则停止计算,此时的机翼外形即弹性变形后达到平衡状态的外形;若不满足,则返回步骤304继续迭代生成气动模型;
步骤306,判断机翼优化后燃油消耗变化;
计算静气动弹性平衡后升阻力系数,根据升阻比以及结构重量变化对燃油消耗的影响,判断优化后燃油消耗变化。
2.根据权利要求1所述的多巡航工况的大型飞机机翼气动弹性优化方法,其特征在于:当升阻比提高1%,油耗减少1%,而机翼结构重量减少1%,油耗减少0.725%。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020110741602 | 2020-10-09 | ||
CN202011074160 | 2020-10-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113886967A CN113886967A (zh) | 2022-01-04 |
CN113886967B true CN113886967B (zh) | 2023-07-07 |
Family
ID=79005517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111171940.3A Active CN113886967B (zh) | 2020-10-09 | 2021-10-08 | 多巡航工况的大型飞机机翼气动弹性优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113886967B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722508B (zh) * | 2022-05-23 | 2022-08-23 | 北京理工大学 | 一种面向柔性充气翼结构的气动剪裁优化设计方法 |
CN115146376A (zh) * | 2022-06-23 | 2022-10-04 | 西北工业大学 | 联结翼布局飞机气动载荷分配与结构变形协调设计方法 |
CN114861334B (zh) * | 2022-07-06 | 2022-09-02 | 航空航天工业沈阳六0一科技装备制造有限公司 | 外挂物对升降副翼影响的低成本气动模型构建方法 |
CN114970404B (zh) * | 2022-07-28 | 2022-10-28 | 江铃汽车股份有限公司 | 基于缸内燃烧cfd分析的发动机油耗计算及优化方法 |
US20240070340A1 (en) * | 2022-08-29 | 2024-02-29 | The Boeing Company | Applying stiffness characteristics to a composite wing box finite element model |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221444A (zh) * | 2011-04-07 | 2011-10-19 | 西北工业大学 | 一种调整机翼风洞吹风模型翼面的装置及调整方法 |
CN102682173A (zh) * | 2012-05-13 | 2012-09-19 | 北京理工大学 | 基于自适应径向基函数代理模型的飞行器优化设计方法 |
CN103678763A (zh) * | 2013-10-14 | 2014-03-26 | 北京航空航天大学 | 复合材料机翼气动弹性剪裁方法及其遗传/敏度混合优化方法 |
CN106529093A (zh) * | 2016-12-15 | 2017-03-22 | 北京航空航天大学 | 一种针对大展弦比机翼的气动/结构/静气弹耦合优化方法 |
-
2021
- 2021-10-08 CN CN202111171940.3A patent/CN113886967B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221444A (zh) * | 2011-04-07 | 2011-10-19 | 西北工业大学 | 一种调整机翼风洞吹风模型翼面的装置及调整方法 |
CN102682173A (zh) * | 2012-05-13 | 2012-09-19 | 北京理工大学 | 基于自适应径向基函数代理模型的飞行器优化设计方法 |
CN103678763A (zh) * | 2013-10-14 | 2014-03-26 | 北京航空航天大学 | 复合材料机翼气动弹性剪裁方法及其遗传/敏度混合优化方法 |
CN106529093A (zh) * | 2016-12-15 | 2017-03-22 | 北京航空航天大学 | 一种针对大展弦比机翼的气动/结构/静气弹耦合优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113886967A (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113886967B (zh) | 多巡航工况的大型飞机机翼气动弹性优化方法 | |
Bae et al. | Aerodynamic and static aeroelastic characteristics of a variable-span morphing wing | |
Brooks et al. | High-fidelity multipoint aerostructural optimization of a high aspect ratio tow-steered composite wing | |
CN111597632B (zh) | 一种基于刚性多连杆机构驱动的变形翼结构设计方法 | |
Palacios et al. | Static nonlinear aeroelasticity of flexible slender wings in compressible flow | |
Gray et al. | Geometrically nonlinear high-fidelity aerostructural optimization for highly flexible wings | |
CN112580241B (zh) | 一种基于结构降阶模型的非线性气动弹性动响应分析方法 | |
TSUSHIMA et al. | Recent researches on morphing aircraft technologies in Japan and other countries | |
Kenway et al. | High-fidelity aerostructural otimization considering buffet onset | |
Zingg et al. | Adaptive airfoils for drag reduction at transonic speeds | |
CN112765731B (zh) | 一种考虑局部屈曲的曲线纤维复材结构气动弹性优化方法 | |
Ricci et al. | Design of a leading edge morphing based on compliant structures for a twin-prop regional aircraft | |
Abdullah et al. | Application of smart materials for adaptive airfoil shape control | |
Pham et al. | Modeling and design exploration of a morphing wing enabled by a twisting tensegrity mechanism | |
Meddaikar et al. | Optimization, manufacturing and testing of a composite wing with maximized tip deflection | |
Xia et al. | Design and optimisation of composite corrugated skin for a span morphing wing | |
Alyanak et al. | A design study employing aeroelastic tailoring and an active aeroelastic wing design approach on a tailless lambda wing configuration | |
Wan et al. | Design studies of aeroelastic tailoring of forward-swept composite aircraft using hybrid genetic algorithm | |
Molinari et al. | Aero-structural optimization of 3-D adaptive wings with embedded smart actuators | |
Murugan et al. | Morping helicopter rotor blade with curvilinear fiber composites | |
Chedrik | Two-level design optimization of aircraft structures under stress, buckling and aeroelasticity constraints | |
Fujii et al. | Fundamental study on adaptive wing structure for control of wing load distribution | |
Cramer et al. | Design and testing of a lattice-based cellular component active twist wing | |
Brooks et al. | UCRM: an aerostructural model for the study of flexible transonic aircraft wings | |
Friswell | Hierarchical models of morphing aircraft |
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 |