CN114943192A - 基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法 - Google Patents

基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法 Download PDF

Info

Publication number
CN114943192A
CN114943192A CN202210390664.8A CN202210390664A CN114943192A CN 114943192 A CN114943192 A CN 114943192A CN 202210390664 A CN202210390664 A CN 202210390664A CN 114943192 A CN114943192 A CN 114943192A
Authority
CN
China
Prior art keywords
pod
flow field
calculating
airfoil
reduced
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
CN202210390664.8A
Other languages
English (en)
Inventor
张伟伟
曹文博
高传强
刘溢浪
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.)
Xixian New Area Tianshu Aviation Technology Co.,Ltd.
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202210390664.8A priority Critical patent/CN114943192A/zh
Publication of CN114943192A publication Critical patent/CN114943192A/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]
    • G06F30/20—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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

Abstract

本发明公开了一种基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法，首先构建翼型几何模型，划分网格，将网格导入CFD求解器进行流场计算；在CFD求解过程中保存流场快照；再计算流场快照的POD模态，对大于5阶的高阶模态进行截断，构造关于剩余POD模态的降阶模型；然后使用梯度优化最小化降阶模型的残差，得到使得降阶模型残差最小的一组POD模态系数，将POD模态系数反投影回物理空间得到一个新的流场；重复迭代直至流场收敛，得到翼型流动的不稳定定常解。本发明具有高效、鲁棒、且不依赖于参数的特点，除了翼型还可以用于计算各类不稳定流动的定常解。

Description

基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法
技术领域
本发明属于流体力学技术领域，具体涉及一种翼型不稳定流动定常解计算方法。
背景技术
不稳定定常解对于流体系统的稳定性分析和流动控制至关重要，它可以被用于线性稳定性中的模态和非模态分析，也可以作为流动控制的设计目标。当翼型流体系统存在全局不稳定模态时，不能通过时间推进方法计算出Navier-Stokes方程的定常解，通常借助牛顿迭代法(1.Knoll D.A.Jacobian-free Newton-Krylov methods:a survey ofapproaches and applications[J].J.Comput.Phys,2004,193:357-397.)和选择性频率阻尼方法(1.
Figure BDA0003595354810000011
Espen,Brandt L.,Henningson D.S.,et al.Steady solutions ofthe Navier-Stokes equations by selective frequency damping[J].Physics ofFluids,2006,18(6):357-397.)计算不稳定定常解。然而牛顿迭代方法的初值敏感性和对于大型系统的计算代价严重的限制了其应用范围。选择性频率阻尼方法是更为流行的一种计算不稳定定常解的方法，但该方法对于参数过分依赖，不合适的参数可能导致不收敛或者实际中不可行的计算代价，并且当系统中存在多个不稳定模式时，该方法几乎不能获取不稳定定常解(Casacuberta J,Groot K J,Tol H J,et al.Effectivity and efficiencyof selective frequency damping for the computation of unstable steady-statesolutions[J].Journal of Computational Physics,2018,375:481-497.)。因此，目前仍旧缺乏一种高效、鲁棒且不依赖于参数的翼型计算不稳定定常解的方法。
发明内容
为了克服现有技术的不足，本发明提供了一种基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法，首先构建翼型几何模型，划分网格，将网格导入CFD求解器进行流场计算；在CFD求解过程中保存流场快照；再计算流场快照的POD模态，对大于5阶的高阶模态进行截断，构造关于剩余POD模态的降阶模型；然后使用梯度优化最小化降阶模型的残差，得到使得降阶模型残差最小的一组POD模态系数，将POD模态系数反投影回物理空间得到一个新的流场；重复迭代直至流场收敛，得到翼型流动的不稳定定常解。本发明具有高效、鲁棒、且不依赖于参数的特点，除了翼型还可以用于计算各类不稳定流动的定常解。
本发明解决其技术问题所采用的技术方案包括如下步骤：
步骤1：构建翼型几何模型，划分网格，将网格导入CFD求解器进行流场计算；
步骤2：在CFD求解过程中保存流场快照；对于基于有限差分的CFD求解器，流场快照包括求解变量的值和NS方程离散的各阶导数；对于有限体积的CFD求解器，流场快照包含格心值、面心左值和右值、面心值和面心导数值；
步骤3：计算流场快照的POD模态，对大于5阶的高阶模态进行截断，构造关于剩余POD模态的降阶模型；
步骤4：使用梯度优化最小化降阶模型的残差，得到使得降阶模型残差最小的一组POD模态系数，将POD模态系数反投影回物理空间得到一个新的流场；
步骤5：将步骤4得到的新流场作为伪时间迭代步的初场，重复步骤2-步骤4直至流场收敛，即得到翼型流动的不稳定定常解。
优选地，所述步骤4中计算流场快照的POD模态的方法如下：
对格心值Um组成的快照矩阵X进行POD分析得到其POD模态Φm，并得到快照与模态之间的转换矩阵T，其中矩阵T满足Φm＝XmT，通过矩阵T计算面心值Ump、面心导数
Figure BDA0003595354810000021
面心左值
Figure BDA0003595354810000022
面心右值
Figure BDA0003595354810000023
的POD模态：
Figure BDA0003595354810000024
优选地，所述构造关于剩余POD模态系数的降阶模型R(ξ)的方法如下：
Figure BDA0003595354810000025
Figure BDA0003595354810000026
其中，m表示网格编号，N表示网格总数，Vm表示网格m网格体积，ξ表示模态系数，为优化变量；nmp表示网格m的第p个面的面法线方向，ΔSmp表示面积，
Figure BDA0003595354810000027
分别是面心无粘通量和粘性通量，变量上面加一横表示对应变量的快照均值。
本发明的有益效果如下：
本发明具有高效、鲁棒、且不依赖于参数的特点，除了翼型还可以用于计算各类不稳定流动的定常解。
附图说明
图1为本发明方法流程示意图。
图2为本发明实施例S809翼型计算网格。
图3为本发明实施例S809翼型初始方法与本发明的残差收敛历程对比。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明是一种结合了时间推进方法、降阶模型以及梯度优化的CFD求解技术，可以获得工程中各类典型不稳定流动的定常解，是工程中各类流动稳定性分析的基础。该方法收集CFD求解器伪推进过程中的流场快照构造降阶模型，而后使用梯度优化最小化降阶模型的残差，最后将优化后的流场重新代入CFD求解器计算。这种方法同时兼具时间推进方法的高效性、鲁棒性和梯度优化方法的收敛性，并且只增加了很少的额外计算量。
如图1所示，一种基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法，包括如下步骤：
步骤1：对于三维机翼，构建翼型几何模型，划分网格，将网格导入CFD求解器进行流场计算；
步骤2：在CFD求解过程中保存流场快照；对于基于有限差分的CFD求解器，流场快照包括求解变量的值和NS方程离散的各阶导数；对于有限体积的CFD求解器，流场快照包含格心值、面心左值和右值(用于计算无粘通量)、面心值和面心导数值(用于计算粘性通量)；
步骤3：计算流场快照的POD模态，对大于5阶的高阶模态进行截断，构造关于剩余POD模态系数的降阶模型；
步骤4：使用梯度优化最小化降阶模型的残差，得到使得降阶模型残差最小的一组POD模态系数，将POD模态系数反投影回物理空间得到一个新的流场；
步骤5：将步骤4得到的新流场作为伪时间迭代步的初场，重复步骤2-步骤4直至流场收敛，即得到翼型流动的不稳定定常解。
而后即可将该流场应用于各种工程模型的稳定性分析或流动控制等应用。
具体实施例：
实施算例描述：采用S809翼型湍流算例，计算网格如图2所示，物面网格总数为200，网格单元总数为76356，求解定常流场，选取计算状态为来流马赫数Ma＝0.2，攻角α＝15.2°，雷诺数Re＝2e6。采用基于有限体积法的求解器，时间推进格式采用隐式高斯-赛德尔，无粘通量采用Roe格式，粘性通量采用中心格式。
(1)在伪时间推进过程中，每隔10个迭代步存储一次流场快照(包含格心值Um，面心值Ump，面心导数
Figure BDA0003595354810000041
面心左值
Figure BDA0003595354810000042
面心右值
Figure BDA0003595354810000043
)，等间隔取5个流场快照，即每隔50步调用一次降阶模型。
(2)对格心值组成的快照矩阵X进行POD分析得到其POD模态Φm，并得到快照与模态之间的转换矩阵T，其中矩阵T满足Φm＝XmT。通过矩阵T计算面心值、面心导数、面心左值和面心右值的POD模态。
Figure BDA0003595354810000044
(3)使用POD模态构造降阶模型：
Figure BDA0003595354810000045
Figure BDA0003595354810000046
其中，
Figure BDA0003595354810000047
分别是面心无粘通量和粘性通量，可以采用不同的通量格式求解，但必须与CFD求解器保持一致。使用梯度优化最小化降阶模型的残差。其中，降阶模型在python中实现，导数使用pytorch中的自动微分计算，梯度优化使用AdamW优化器。
(4)将优化得到的残差更低的流场代入CFD求解器中作为初值，重复(1)-(4)步直至收敛。
图3为流场残值收敛历程与原始迭代方法的对比结果，明显看出，原始迭代方法不能算至收敛，而本发明方法可以很快的计算收敛，得到该流动的不稳定定常解。

Claims (2)

1.一种基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法，其特征在于，包括如下步骤：
步骤1：构建翼型几何模型，划分网格，将网格导入CFD求解器进行流场计算；
步骤2：在CFD求解过程中保存流场快照；对于基于有限差分的CFD求解器，流场快照包括求解变量的值和NS方程离散的各阶导数；对于有限体积的CFD求解器，流场快照包含格心值、面心左值和右值、面心值和面心导数值；
步骤3：计算流场快照的POD模态，对大于5阶的高阶模态进行截断，构造关于剩余POD模态的降阶模型；
步骤4：使用梯度优化最小化降阶模型的残差，得到使得降阶模型残差最小的一组POD模态系数，将POD模态系数反投影回物理空间得到一个新的流场；
步骤5：将步骤4得到的新流场作为伪时间迭代步的初场，重复步骤2-步骤4直至流场收敛，即得到翼型流动的不稳定定常解。
2.根据权利要求1所述的一种基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法，其特征在于，所述步骤4中计算流场快照的POD模态的方法如下：
对格心值Um组成的快照矩阵X进行POD分析得到其POD模态Φm，并得到快照与模态之间的转换矩阵T，其中矩阵T满足Φm＝XmT，通过矩阵T计算面心值Ump、面心导数
Figure FDA0003595354800000011
面心左值
Figure FDA0003595354800000012
面心右值
Figure FDA0003595354800000013
的POD模态：
Figure FDA0003595354800000014
优选地，所述构造关于剩余POD模态系数的降阶模型R(ξ)的方法如下：
Figure FDA0003595354800000015
Figure FDA0003595354800000016
其中，m表示网格编号，N表示网格总数，Vm表示网格m网格体积，ξ表示模态系数，为优化变量；nmp表示网格m的第p个面的面法线方向，ΔSmp表示面积，
Figure FDA0003595354800000017
分别是面心无粘通量和粘性通量，变量上面加一横表示对应变量的快照均值。
CN202210390664.8A 2022-04-14 2022-04-14 基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法 Pending CN114943192A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210390664.8A CN114943192A (zh) 2022-04-14 2022-04-14 基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210390664.8A CN114943192A (zh) 2022-04-14 2022-04-14 基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法

Publications (1)

Publication Number Publication Date
CN114943192A true CN114943192A (zh) 2022-08-26

Family

ID=82907276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210390664.8A Pending CN114943192A (zh) 2022-04-14 2022-04-14 基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法

Country Status (1)

Country Link
CN (1) CN114943192A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115828797A (zh) * 2023-02-15 2023-03-21 中国船舶集团有限公司第七一九研究所 一种基于降阶模型的潜艇水动力载荷快速预报方法
CN116070552A (zh) * 2023-03-15 2023-05-05 中国空气动力研究与发展中心计算空气动力研究所 无粘通量的计算方法、装置、终端设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115828797A (zh) * 2023-02-15 2023-03-21 中国船舶集团有限公司第七一九研究所 一种基于降阶模型的潜艇水动力载荷快速预报方法
CN116070552A (zh) * 2023-03-15 2023-05-05 中国空气动力研究与发展中心计算空气动力研究所 无粘通量的计算方法、装置、终端设备及存储介质
CN116070552B (zh) * 2023-03-15 2023-06-27 中国空气动力研究与发展中心计算空气动力研究所 无粘通量的计算方法、装置、终端设备及存储介质

Similar Documents

Publication Publication Date Title
He et al. Robust aerodynamic shape optimization—from a circle to an airfoil
CN114943192A (zh) 基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法
Nielsen et al. Using an adjoint approach to eliminate mesh sensitivities in computational design
Leung et al. Aerodynamic shape optimization of wings using a parallel newton-krylov approach
CN111079228B (zh) 一种基于流场预测的气动外形优化方法
CN105718634B (zh) 一种基于非概率区间分析模型的翼型鲁棒优化设计方法
Biancolini et al. Static aeroelastic analysis of an aircraft wind-tunnel model by means of modal RBF mesh updating
JP2014502742A (ja) ソリッドモデリングを利用した任意の形状の収納容器の液面の計算
US5926399A (en) Method of predicting change in shape of a solid structure
CN110162895B (zh) 一种两阶段的高能效船型优化设计方法
CN109948202B (zh) 基于线化矩阵混合求解模式的高阶cfd隐式时间推进方法
CN108595788A (zh) 一种基于模态多重网格的流场加速收敛方法
Rendall et al. Improved radial basis function fluid–structure coupling via efficient localized implementation
Charest et al. A high-order central ENO finite-volume scheme for three-dimensional low-speed viscous flows on unstructured mesh
CN116306044A (zh) 全湍流构型的不确定性分析方法及其梯度优化设计方法
Lin et al. Characteristic‐based flux limiters of an essentially third‐order flux‐splitting method for hyperbolic conservation laws
Hojjat et al. Fluid-structure interaction in the context of shape optimization and computational wind engineering
CN115293069B (zh) 一种用于飞行器外流场仿真控制参数智能优化的系统
Barrett et al. Airfoil shape design and optimization using multifidelity analysis and embedded inverse design
Bieterman et al. An adaptive grid method for analysis of 3D aircraft configurations
Padovan et al. Multi objective robust design optimization of airfoils in transonic field (MORDO)
Venditti et al. A grid adaptive methodology for functional outputs of compressible flow simulations
CN110909511B (zh) 一种无曲面体积分的无粘低速绕流数值模拟方法
CN115081100A (zh) 短舱设计模型的训练方法、短舱的制造方法及系统
CN117473873B (zh) 基于DeepM&Mnet神经网络的核热耦合实现方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230104

Address after: 710086 F15, 3-D Science and Innovation Building, Phase I, Start Zone, Fengdong New City Energy Jinmao District, Xixian New District, Xi'an, Shaanxi

Applicant after: Xixian New Area Tianshu Aviation Technology Co.,Ltd.

Address before: 710072 No. 127 Youyi West Road, Shaanxi, Xi'an

Applicant before: Northwestern Polytechnical University