CN115577453A - 一种变距螺旋桨气动设计方法、装置及系统 - Google Patents

一种变距螺旋桨气动设计方法、装置及系统 Download PDF

Info

Publication number
CN115577453A
CN115577453A CN202211303074.3A CN202211303074A CN115577453A CN 115577453 A CN115577453 A CN 115577453A CN 202211303074 A CN202211303074 A CN 202211303074A CN 115577453 A CN115577453 A CN 115577453A
Authority
CN
China
Prior art keywords
propeller
parameter
value
parameters
design
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
CN202211303074.3A
Other languages
English (en)
Inventor
刘亚枫
张威
曾鹏
聂永斌
谭蒙
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.)
Aerospace Era Feipeng Co ltd
Original Assignee
Aerospace Era Feipeng Co ltd
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 Aerospace Era Feipeng Co ltd filed Critical Aerospace Era Feipeng Co ltd
Priority to CN202211303074.3A priority Critical patent/CN115577453A/zh
Publication of CN115577453A publication Critical patent/CN115577453A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/28Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/08Fluids
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

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

Abstract

本发明公开了一种变距螺旋桨气动设计方法、装置及系统,涉及航空飞行器技术领域。该方法包括对螺旋桨弦长分布、扭转角分布以及前缘平面形状进行参数化得到对应参数并确定初始值,针对桨距确定参数初始值,确定各参数的取值范围;根据各参数的取值范围的不同组合得到拉丁超立方螺旋桨样本,生成对应计算网格并计算这些组合在不同工况下的气动特性;建立代理模型进行多目标优化得到最优参数取值;将最优参数取值再次生成对应计算网格,并计算不同工况下的气动特性,筛选出最优外形。本发明提出的变距螺旋桨设计方法考虑了三维流动效应,且针对爬升、巡航等不同飞行工况进行螺旋桨的多目标优化设计,使得在各飞行阶段螺旋桨始终能够有较高的效率。

Description

一种变距螺旋桨气动设计方法、装置及系统
技术领域
本发明涉及航空飞行器技术领域,具体涉及一种变距螺旋桨气动设计方法、装置及系统。
背景技术
现有主流的螺旋桨气动设计方法包括:
(1)螺旋桨Betz条件
所谓螺旋桨Betz条件,就是指在理想流体情况下螺旋桨具有最小诱导损失的条件,或者说螺旋桨具有最佳环量分布的条件。
(2)螺旋桨片条理论
螺旋桨片条理论主要根据茹科夫斯基的涡流理论和Prandtl的有限翼展理论,将绕过螺旋桨的气流看做由各个单独桨叶所激起的涡流场和相应的诱导速度场组成,通过利用涡流理论和有限翼展理论,建立起桨叶几何特性与气动力之间的关系。
这里,螺旋桨Betz条件没有考虑诱导速度,因此叶素设计安装角并不能准确反映桨叶各剖面实际流动的最佳迎角。大型变距螺旋桨的桨尖马赫数较高,有较大后掠角,因此三维流动效应不可忽略。螺旋桨片条理论在螺旋桨Betz条件的基础上引入了诱导速度的影响,但是没有考虑三维流动,且无法根据多个工况进行多目标设计。
发明内容
针对现有技术存在的问题,本发明提供了一种变距螺旋桨气动设计方法、装置及系统。本发明提出的变距螺旋桨设计方法考虑了三维流动效应,且针对爬升、巡航等不同飞行工况进行螺旋桨的多目标优化设计,使得在各飞行阶段螺旋桨始终能够有较高的效率。
根据本发明技术方案第一方面,提供一种变距螺旋桨气动设计方法,所述方法包括:
S1参数化步骤,采用形状类别函数变换(Class-Shape Transformation,CST)方法对螺旋桨弦长分布、扭转角分布以及前缘平面形状进行参数化得到对应参数,并确定参数初始值,针对桨距pp确定参数初始值,确定各参数在设计优化过程中的取值范围;
S2气动特性计算步骤,按照拉丁超立方(Latin-Hypercube Design,LHD)方法给出上述各参数的取值范围的不同组合,得到拉丁超立方螺旋桨样本,通过Matlab与ICEM脚本联动方式生成对应计算网格,并利用计算流体力学(Computational Fluid Dynamics,CFD)方法计算这些组合在不同工况下的气动特性;
S3参数寻优步骤,建立所述不同工况下的气动特性与各参数之间的关系,即代理模型,对代理模型进行多目标优化,得到各参数在取值范围内的一组最优参数取值;
S4最优外形筛选步骤:将该组最优参数取值再次通过Matlab与ICEM脚本联动方式生成对应计算网格,并利用计算流体力学方法计算该组最优参数取值不同工况下的气动特性,筛选出最优外形。
进一步地,所述S1具体包括:
S11:给出初始的螺旋桨弦长分布、扭转角分布、前缘平面形状及桨距pp;
S12:按照形状类别函数变换方法对螺旋桨弦长分布、扭转角分布及前缘平面形状分别进行参数化得到螺旋桨弦长分布参数ci(i=1,2,3)、扭转角分布参数ti(i=1,2,3)及前缘平面形状参数li(i=1,2,3),并得到各参数的初始值;
S13:取巡航工况下的桨距作为桨距初始值;
S14:确定螺旋桨弦长分布参数ci(i=1,2,3)、扭转角分布参数ti(i=1,2,3)、前缘平面形状参数li(i=1,2,3)及桨距pp在设计优化过程中的取值范围。
进一步地,所述S12具体包括:
螺旋桨弦长分布参数化:将沿半径的弦长分布用三次CST多项式进行描述:
Figure BDA0003905580130000021
其中,chord为桨叶弦长,r为相对半径,ci(i=0,1,2,3)为桨叶弦长CST参数化形成的设计参数;
扭转角分布参数化:将沿半径的扭转角分布用三次CST多项式进行描述:
Figure BDA0003905580130000031
其中,twist为桨叶扭转角,ti(i=0,1,2,3)为桨叶扭转角CST参数化形成的设计参数;
前缘平面形状参数化:将沿半径的前缘形状分布用三次CST多项式进行描述:
Figure BDA0003905580130000032
其中,leading为沿半径的桨叶前缘形状分布,li(i=0,1,2,3)为桨叶前缘形状CST参数化形成的设计参数。
进一步地,所述S14中,所述取值范围取参数初始值的±10%范围。
进一步地,所述S2具体包括:
S21:按照拉丁超立方方法将螺旋桨弦长分布参数ci(i=1,2,3)、扭转角分布参数ti(i=1,2,3)、前缘平面形状参数li(i=1,2,3)及桨距pp的取值范围等分为多个小区间,各个参数取值均匀且随机地散布于所述多个小区间内,对各个参数取值进行随机组合,最终得到超立方螺旋桨样本;
S22:通过Matlab与ICEM脚本联动方式生成对应计算网格,并利用计算流体力学计算软件计算这些组合在不同工况下的气动特性。
进一步地,所述S22中,所述计算流体力学计算软件为CFX计算程序。
进一步地,所述S22中,所述气动特性为螺旋桨效率。
进一步地,所述S3具体包括:
S31:建立所述不同工况下的气动特性与各参数之间的关系,即代理模型;
S32:以所述不同工况下的气动特性最大作为优化目标,以气动特性提升至少5%作为优化约束,以各参数作为优化参数,以各参数的取值范围作为寻优范围,调用Matlab优化函数gamultiobj在代理模型上进行多目标优化;
S33:优化完成后得到各参数在取值范围内的一组最优参数取值。
进一步地,所述S31中,所述代理模型为Kriging模型,其结构为:
设x0为未观测的需要估值的点,即未知工况,x1,x2,…,xN为其周围的观测点,即已知工况,观测值相应为y(x1),y(x2),…,y(xN),即所述已知工况对应的气动特性,未测点的估计值为
Figure BDA0003905580130000041
即所述未知工况对应的气动特性,由相邻观测点的已知观测值加权取和求得,即由所述已知工况对应的气动特性加权取和求得:
Figure BDA0003905580130000042
其中,N一般按照参数的10倍取值;λi为待定加权系数,其必须满足两个条件:
(1)无偏估计:设估值点的真值为y(x0),当为无偏估计时
Figure BDA0003905580130000043
Figure BDA0003905580130000044
(2)估值
Figure BDA0003905580130000045
和真值y(x0)之差的方差最小,即:
Figure BDA0003905580130000046
式中:
Figure BDA0003905580130000047
其中,γ(xi,xj)表示以xi和xj两点间的距离作为间距h时参数的半方差值,γ(xix0)是以xi和x0两点之间的距离作为间距h时参数的半方差值。
进一步地,所述S32中,所述Matlab优化函数gamultiobj的函数定义如下:
[x,fval]=gamultiobj(func,nvars,A,b,Aeq,beq,lb,ub,options)
其中:x为优化得到的最优参数取值,fval为优化得到的目标函数最优值,func为目标函数,nvars为设计参数维度,A、b、Aeq和beq分别为不等式约束和等式约束的系数矩阵,lb和ub定义了各参数初始值的取值范围,options定义了其他优化超参数设置。
进一步地,所述S4中,筛选不同工况下的气动特性均超过5%的螺旋桨外形作为变距螺旋桨气动设计最终外形。
根据本发明的第二方面,提供一种变距螺旋桨气动设计装置,所述装置基于前述任一方面提供的方法进行操作,所述装置包括:
参数化单元,用于采用形状类别函数变换(Class-Shape Transformation,CST)方法对螺旋桨弦长分布、扭转角分布以及前缘平面形状进行参数化确定参数初始值,并针对桨距pp确定参数初始值,确定各参数在设计优化过程中的取值范围;
气动特性计算单元,用于按照拉丁超立方方法给出上述各参数初始值的取值范围的不同组合,得到拉丁超立方螺旋桨样本,通过Matlab与ICEM脚本联动方式生成对应计算网格,并利用计算流体力学方法计算这些组合在不同工况下的气动特性;
参数寻优单元,用于建立所述不同工况下的气动特性与各参数初始值的取值范围之间的关系,即代理模型,对代理模型进行多目标优化,得到各参数在取值范围内的一组最优参数取值;
最优外形筛选单元,用于将该组最优参数取值再次通过Matlab与ICEM脚本联动方式生成对应计算网格,并利用计算流体力学方法计算该组最优参数取值不同工况下的气动特性,筛选出最优外形。
根据本发明的第三方面,提供一种变距螺旋桨气动设计系统,所述系统包括:处理器和用于存储可执行指令的存储器;其中,所述处理器被配置为执行所述可执行指令,以执行如以上任一方面所述的变距螺旋桨气动设计方法。
根据本发明的第四方面,提供一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如以上任一方面所述的变距螺旋桨气动设计方法。
本发明的有益效果:
本发明将翼型优化使用的CST参数化方法引入到螺旋桨弦长分布、扭转角分布及前缘平面形状的参数化建模中,可以提高设计效率,降低设计难度;
本发明采用Matlab与ICEM脚本联动方式生成计算网格,并利用计算流体力学方法计算这些组合下螺旋桨各设计点的气动特性,可以在高效生成计算网格的同时,保证网格质量,确保设计过程顺利进行;
本发明采用Kriging代理模型代替计算流体力学真实仿真过程,输入设计参数即可高效高精度的得到参数对应螺旋桨外形的气动特性,在保证计算精度的同时,可以迅速提高优化设计效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1示出本发明实施例的变距螺旋桨气动设计方法流程图。
图2示出采用根据本发明实施例计算的桨叶弦长分布计算结果示意图。
图3示出采用片条理论计算的桨叶弦长分布计算结果示意图。
图4示出采用根据本发明实施例得到的螺旋桨效率。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。
此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
多个,包括两个或者两个以上。
和/或,应当理解,对于本公开中使用的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
实施例
随着全球范围内贸易竞争逐渐激烈,许多高科技产品成为禁售品,采购进口螺旋桨存在着严重的风险,但同时国内现有民用螺旋桨厂家稀少,且螺旋桨设计技术与国外还有一定差距,导致中大型螺旋桨无人运输机的处境艰难,可能会面临无桨可用的困境。为了解决螺旋桨卡脖子的问题,亟需开展大型活塞发动机或涡桨发动机配套螺旋桨系统的研制,满足中大型无人运输机的动力需求。螺旋桨气动设计技术是螺旋桨设计中最为关键的技术之一,因此十分有必要发明一个适用于大型变距螺旋桨的高效气动设计技术。
本实施例提供一种变距螺旋桨气动设计方法及系统,该方法设计步骤如下:
给出初始的螺旋桨弦长分布、扭转角分布、前缘平面形状及桨距;
按照形状类别函数变换(Class-Shape Transformation,CST)方法对螺旋桨弦长分布、扭转角分布及前缘平面形状进行参数化,并给出参数范围;
按照拉丁超立方分布给出上述参数的不同组合,并通过网格自适应变形技术——自由变形(Free-Form Deformation,FFD)进行网格变形,并利用计算流体力学(Computational Fluid Dynamics,CFD)方法计算这些组合下螺旋桨各设计点的气动特性;
建立螺旋桨各设计点的气动特性及参数之间的关系,即代理模型,对代理模型进行多目标优化;
得到优化参数,利用CFD方法计算验证螺旋桨各设计点处的气动特性,如果满足设计要求则设计结束。
更为具体地,参照图1,该方法包括以下具体步骤:
S1.初始外形:给出初始的螺旋桨弦长分布、扭转角分布、前缘平面形状及桨距。本发明认为螺旋桨截面翼型已经确定,因此不涉及截面翼型的参数变形优化设计。
S2.参数化:按照形状类别函数变换(Class-Shape Transformation,CST)方法对螺旋桨弦长分布、扭转角分布及前缘平面形状进行参数化。经拟合计算可得到用以描述初始螺旋桨弦长分布、扭转角分布及前缘平面形状的CST方法设计参数初始值,CST方法中的设计参数定义详见工作原理部分;考虑不同飞行工况的变距需求,增加桨距作为设计参数,取巡航工况下的桨距作为初始值。在此基础上给出设计参数的参数范围,参数范围一般取设计参数初始值的±10%范围,也可根据实际情况对参数范围进行增减。
螺旋桨的CST参数化方法
本发明技术方案将CST方法应用到三维螺旋桨的建模,将沿半径的弦长分布用CST多项式进行描述。CST方法具有精准的拟合度、全面的覆盖度,且涉及较少的参数。
桨叶弦长参数化:将沿半径的弦长分布用三次CST多项式进行描述:
Figure BDA0003905580130000081
其中chord为桨叶弦长,r为相对半径,ci(i=0,1,2,3)为桨叶弦长CST参数化形成的设计参数。
扭转角参数化:将沿半径的扭转角分布用三次CST多项式进行描述:
Figure BDA0003905580130000082
其中twist为桨叶扭转角,ti(i=0,1,2,3)为桨叶扭转角CST参数化形成的设计参数。
前缘形状参数化:将沿半径的前缘形状分布用三次CST多项式进行描述:
Figure BDA0003905580130000083
其中leading为沿半径的桨叶前缘形状分布,li(i=0,1,2,3)为桨叶前缘形状CST参数化形成的设计参数。
S3.优化前处理:在Matlab中编写自动优化程序。采用拉丁超立方方法对以上设计参数进行试验设计,得到一组不同参数组合下的螺旋桨样本,通过Matlab与ICEM脚本联动方式生成一组对应计算网格,调用CFX计算程序求解对应流场,得到这组螺旋桨样本在爬升、巡航等工况下诸如螺旋桨效率等气动特性。构建爬升、巡航等工况下的螺旋桨效率与各设计参数之间的函数关系,即代理模型,以代替复杂耗时的CFX流场解算过程。以Kriging模型为例,模型构建完毕后,向模型输入任意设计参数取值,即可快速、高精度地预测得到对应螺旋桨外形在爬升、巡航等工况下的效率。
拉丁超立方试验设计方法
拉丁超立方(Latin-Hypercube Design,LHD)方法将各设计参数的取值范围等分为Ns个小区间,各个参数取值均匀且随机地散布于这些小区间内,随后对不同参数的不同取值进行随机组合,最终得到LHD的采样样本。在LHD中,各设计参数具有与最终样本数Ns一致的取值个数,是一种优秀的试验设计采样方法,可以将样本点均匀地散布在设计参数取值范围形成的设计空间中。
Kriging代理模型
Kriging模型又称空间局部插值法,是以变异函数理论和结构分析为基础,在有限区域内对区域化变量进行无偏最优估计的一种方法,是统计学的主要内容之一。
设x0为未观测的需要估值的点,x1,x2,…,xN为其周围的观测点,观测值相应为y(x1),y(x2),…,y(xN),未测点的估计值为
Figure BDA0003905580130000091
它由相邻观测点的已知观测值加权取和求得,
结合本发明技术方案,设x0为未知工况,x1,x2,…,xN为已知工况,观测值y(x1),y(x2),…,y(xN)为已知工况对应的气动特性,未测点的估计值为
Figure BDA0003905580130000092
为未知工况对应的气动特性,由已知工况对应的气动特性加权取和求得:
Figure BDA0003905580130000093
其中,λi为待定加权系数。Kriging插值的关键就是计算权重系数。其必须满足两个条件:
(1)无偏估计。设估值点的真值为y(x0)。由于模型空间变异性的存在,y(x1),y(x2),…,y(xN)以及
Figure BDA0003905580130000101
y(x0)均可视为随机变量。当为无偏估计时
Figure BDA0003905580130000102
Figure BDA0003905580130000103
(2)估值
Figure BDA0003905580130000104
和真值y(x0)之差的方差最小。即:
Figure BDA0003905580130000105
式中:
Figure BDA0003905580130000106
其中,γ(xi,xj)表示以xi和xj两点间的距离作为间距h时参数的半方差值,γ(xix0)是以xi和x0两点之间的距离作为间距h时参数的半方差值。
S4.参数寻优:以多工况下螺旋桨效率最大作为优化目标,以螺旋桨效率提升至少5%作为优化约束,以各设计参数作为优化参数,调用Matlab优化函数gamultiobj,在代理模型上进行多目标优化。优化完成后得到设计参数的一组最优取值及对应螺旋桨外形。
Matlab优化函数gamultiobj
gamultiobj函数定义如下:
[x,fval]=gamultiobj(func,nvars,A,b,Aeq,beq,lb,ub,options)
其中:x为优化得到的最优参数,fval为优化得到的目标函数最优值,func为目标函数,nvars为设计参数维度,A、b、Aeq和beq分别为不等式约束和等式约束的系数矩阵,lb和ub定义了设计参数的取值范围,options定义了其他优化超参数设置。
S5.优化后处理:针对这组螺旋桨,通过S3中方法生成计算网格、求解流场、得到爬升、巡航等工况下的螺旋桨效率。通过初选爬升、巡航等工况下效率提升均超过5%的螺旋桨及在初选螺旋桨中依据实际情况权衡选择不同工况的螺旋桨效率组合,得到最终满足设计要求的螺旋桨外形。
S6.迭代设计:若S5步中可以得到满足设计要求的螺旋桨,则设计结束;否则,提高CST多项式阶次或增大参数范围重复S2-S5步直至满足设计要求。
如图2-图3所示,分别利用片条理论和本发明方法计算出的桨叶弦长分布。由图2和图3对比可见,本发明技术方案计算出的弦长沿半径的分布更加饱满。将解得的两种螺旋桨进行CFD计算,得到螺旋桨效率如图4所示。可见本发明方法设计的螺旋桨在整个范围具有更高的效率。
综上,本发明提出的变距螺旋桨设计方法考虑了三维流动效应,且针对爬升、巡航等不同飞行工况进行螺旋桨的多目标优化设计,使得在各飞行阶段螺旋桨始终能够有较高的效率。具体地,本发明将翼型优化使用的CST参数化方法引入到螺旋桨弦长分布、扭转角分布及前缘平面形状的参数化建模中,且根据螺旋桨的几何变形需要进行网格自适应变形(FFD技术)。事实上,螺旋桨的三维形状较为复杂,基于细节几何特征的参数化将会形成较多的设计参数,造成设计效率的降低、设计难度的增大,本发明将翼型优化使用的CST参数化方法引入到螺旋桨弦长分布、扭转角分布及前缘平面形状的参数化建模中,可以提高设计效率,降低设计难度。同样,由于螺旋桨三维外形的复杂性,基于常规高效的自适应网格变形方法极易出现负网格质量等问题,设计过程难以推进,本发明采用自由变形进行网格变形,并利用计算流体力学方法计算这些组合下螺旋桨各设计点的气动特性,采用Matlab调用精细调制的ICEM脚本,可以在网格生成效率基本不降低的同时,保证网格质量,确保设计过程顺利进行。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。

Claims (14)

1.一种变距螺旋桨气动设计方法,其特征在于,所述方法包括:
S1参数化步骤,对螺旋桨弦长分布、扭转角分布以及前缘平面形状进行参数化得到对应参数,并确定参数初始值,针对桨距确定参数初始值,确定各参数的取值范围;
S2气动特性计算步骤,根据所述各参数的取值范围的不同组合得到拉丁超立方螺旋桨样本,生成对应计算网格并计算这些组合在不同工况下的气动特性;
S3参数寻优步骤,建立体现所述不同工况下的气动特性与各参数之间的关系的代理模型,并对其进行多目标优化,得到最优参数取值;
S4最优外形筛选步骤:将所述最优参数取值再次生成对应计算网格,并计算该组最优参数取值不同工况下的气动特性,筛选出最优外形。
2.根据权利要求1所述的变距螺旋桨气动设计方法,其特征在于,所述S1具体包括:
S11:给出初始的螺旋桨弦长分布、扭转角分布、前缘平面形状及桨距;
S12:按照形状类别函数变换方法对螺旋桨弦长分布、扭转角分布及前缘平面形状分别进行参数化得到螺旋桨弦长分布参数、扭转角分布参数及前缘平面形状参数,并得到各参数的初始值;
S13:取巡航工况下的桨距作为桨距初始值;
S14:确定螺旋桨弦长分布参数、扭转角分布参数、前缘平面形状参数及桨距的取值范围。
3.根据权利要求2所述的变距螺旋桨气动设计方法,其特征在于,所述S12具体包括:
螺旋桨弦长分布参数化:将沿半径的弦长分布用三次CST多项式进行描述:
Figure FDA0003905580120000011
其中,chord为桨叶弦长,r为相对半径,ci(i=0,1,2,3)为桨叶弦长CST参数化形成的设计参数;
扭转角分布参数化:将沿半径的扭转角分布用三次CST多项式进行描述:
Figure FDA0003905580120000021
其中,twist为桨叶扭转角,ti(i=0,1,2,3)为桨叶扭转角CST参数化形成的设计参数;
前缘平面形状参数化:将沿半径的前缘形状分布用三次CST多项式进行描述:
Figure FDA0003905580120000022
其中,leading为沿半径的桨叶前缘形状分布,li(i=0,1,2,3)为桨叶前缘形状CST参数化形成的设计参数。
4.根据权利要求2所述的变距螺旋桨气动设计方法,其特征在于,所述S14中,所述取值范围取参数初始值的±10%范围。
5.根据权利要求1所述的变距螺旋桨气动设计方法,其特征在于,所述S2具体包括:
S21:按照拉丁超立方方法将螺旋桨弦长分布参数、扭转角分布参数、前缘平面形状参数及桨距的取值范围等分为多个小区间,各个参数取值均匀且随机地散布于所述多个小区间内,对各个参数取值进行随机组合,最终得到超立方螺旋桨样本;
S22:通过Matlab与ICEM脚本联动方式生成对应计算网格,并利用计算流体力学计算软件计算这些组合在不同工况下的气动特性。
6.根据权利要求5所述的变距螺旋桨气动设计方法,其特征在于,所述S22中,所述计算流体力学计算软件为CFX计算程序。
7.根据权利要求5所述的变距螺旋桨气动设计方法,其特征在于,所述S22中,所述气动特性为螺旋桨效率。
8.根据权利要求1所述的变距螺旋桨气动设计方法,其特征在于,所述S3具体包括:
S31:建立所述不同工况下的气动特性与各参数之间的关系,即代理模型;
S32:以所述不同工况下的气动特性最大作为优化目标,以气动特性提升至少5%作为优化约束,以各参数作为优化参数,以各参数的取值范围作为寻优范围,调用Matlab优化函数gamultiobj在代理模型上进行多目标优化;
S33:优化完成后得到各参数在取值范围内的一组最优参数取值。
9.根据权利要求8所述的变距螺旋桨气动设计方法,其特征在于,所述S31中,所述代理模型为Kriging模型,其结构为:
设x0为未观测的需要估值的点,即未知工况,x1,x2,…,xN为其周围的观测点,即已知工况,观测值相应为y(x1),y(x2),…,y(xN),即所述已知工况对应的气动特性,未测点的估计值为
Figure FDA0003905580120000031
即所述未知工况对应的气动特性,由相邻观测点的已知观测值加权取和求得,即由所述已知工况对应的气动特性加权取和求得:
Figure FDA0003905580120000032
其中,N按照参数的10倍取值;λi为待定加权系数,其必须满足两个条件:
(1)无偏估计:设估值点的真值为y(x0),当为无偏估计时
Figure FDA0003905580120000033
Figure FDA0003905580120000034
(2)估值
Figure FDA0003905580120000035
和真值y(x0)之差的方差最小,即:
Figure FDA0003905580120000036
式中:
Figure FDA0003905580120000037
其中,γ(xi,xj)表示以xi和xj两点间的距离作为间距h时参数的半方差值,γ(xix0)是以xi和x0两点之间的距离作为间距h时参数的半方差值。
10.根据权利要求8所述的变距螺旋桨气动设计方法,其特征在于,所述S32中,所述Matlab优化函数gamultiobj的函数定义如下:
[x,fval]=gamultiobj(func,nvars,A,b,Aeq,beq,lb,ub,options)
其中:x为优化得到的最优参数取值,fval为优化得到的目标函数最优值,func为目标函数,nvars为设计参数维度,A、b、Aeq和beq分别为不等式约束和等式约束的系数矩阵,lb和ub定义了各参数初始值的取值范围,options定义了其他优化超参数设置。
11.根据权利要求1所述的变距螺旋桨气动设计方法,其特征在于,所述S4中,筛选不同工况下的气动特性均超过5%的螺旋桨外形作为变距螺旋桨气动设计最终外形。
12.一种变距螺旋桨气动设计装置,其特征在于,所述变距螺旋桨气动设计装置基于根据权利要求1至11中任一项所述的方法进行操作,所述装置包括:
参数化单元,用于对螺旋桨弦长分布、扭转角分布以及前缘平面形状进行参数化得到对应参数,并确定参数初始值,针对桨距确定参数初始值,确定各参数的取值范围;
气动特性计算单元,用于根据所述各参数的取值范围的不同组合得到拉丁超立方螺旋桨样本,生成对应计算网格并计算这些组合在不同工况下的气动特性;
参数寻优单元,用于建立体现所述不同工况下的气动特性与各参数之间的关系的代理模型,并对其进行多目标优化,得到最优参数取值;
最优外形筛选单元,用于将所述最优参数取值再次生成对应计算网格,并计算该组最优参数取值不同工况下的气动特性,筛选出最优外形。
13.一种变距螺旋桨气动设计系统,所述系统包括:处理器和用于存储可执行指令的存储器;其中,所述处理器被配置为执行所述可执行指令,以执行根据权利要求1至11中任一项所述的变距螺旋桨气动设计方法。
14.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至11中任一项所述的变距螺旋桨气动设计方法。
CN202211303074.3A 2022-10-24 2022-10-24 一种变距螺旋桨气动设计方法、装置及系统 Pending CN115577453A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211303074.3A CN115577453A (zh) 2022-10-24 2022-10-24 一种变距螺旋桨气动设计方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211303074.3A CN115577453A (zh) 2022-10-24 2022-10-24 一种变距螺旋桨气动设计方法、装置及系统

Publications (1)

Publication Number Publication Date
CN115577453A true CN115577453A (zh) 2023-01-06

Family

ID=84587068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211303074.3A Pending CN115577453A (zh) 2022-10-24 2022-10-24 一种变距螺旋桨气动设计方法、装置及系统

Country Status (1)

Country Link
CN (1) CN115577453A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117131608A (zh) * 2023-10-23 2023-11-28 南京航空航天大学 一种基于最佳环量分布的激励盘方法
CN117763739A (zh) * 2024-01-10 2024-03-26 北方工业大学 一种基于叶素-动量理论的螺旋桨1p气动载荷计算方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117131608A (zh) * 2023-10-23 2023-11-28 南京航空航天大学 一种基于最佳环量分布的激励盘方法
CN117131608B (zh) * 2023-10-23 2024-03-15 南京航空航天大学 一种基于最佳环量分布的激励盘方法
CN117763739A (zh) * 2024-01-10 2024-03-26 北方工业大学 一种基于叶素-动量理论的螺旋桨1p气动载荷计算方法

Similar Documents

Publication Publication Date Title
CN115577453A (zh) 一种变距螺旋桨气动设计方法、装置及系统
US7191161B1 (en) Method for constructing composite response surfaces by combining neural networks with polynominal interpolation or estimation techniques
CN105700549B (zh) 一种基于序列小生境粒子群算法的无人机多航迹规划方法
Benini Three-dimensional multi-objective design optimization of a transonic compressor rotor
CN107391891B (zh) 一种基于模型融合方法的大展弦比机翼优化设计方法
Lee et al. Efficient hybrid-game strategies coupled to evolutionary algorithms for robust multidisciplinary design optimization in aerospace engineering
US10331810B2 (en) Method for determining a model of an output quantity of a technical system
CN113408044B (zh) 一种多旋翼无人机桨叶优化设计方法
Ju et al. Multi-point and multi-objective optimization design method for industrial axial compressor cascades
CN112580228A (zh) 一种涡扇发动机混合结构风扇叶片结构设计优化方法
Vasilopoulos et al. CAD-based aerodynamic optimization of a compressor stator using conventional and adjoint-driven approaches
Lengyel et al. Design of a counter rotating fan-an aircraft engine technology to reduce noise and CO2-emissions
CN116738891A (zh) 一种增强飞行器流场模拟稳定性的lu-sgs改进方法
Sivashanmugam et al. Aero-structural optimization of an axial turbine stage in three-dimensional flow
Hong et al. Reliability-based design optimization of axial compressor using uncertainty model for stall margin
Buyukli et al. High-loaded compressor blisk-type impeller multidisciplinary optimization
Montero Villar et al. Effect of airfoil parametrization on the optimization of counter rotating open rotors
Díaz-Casás et al. Wind turbine design through evolutionary algorithms based on surrogate CFD methods
Salnikov et al. A centrifugal compressor impeller: a multidisciplinary optimization to improve its mass, strength, and gas-dynamic characteristics
EP4095733A1 (en) Gradient free design environment including adaptive design space
CN113626935B (zh) 一种高巡航效率跨音速月形机翼设计方法
CN109033678A (zh) 一种基于虚拟样本生成的飞行器近似优化设计方法
Clark A step towards an intelligent aerodynamic design process
CN112926233A (zh) 一种基于空间插值的多因素敏感性分析方法
Reising Steady and unsteady performance of a transonic compressor stage with non-axisymmetric end walls

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