CN117034470A - 基于高性能数值计算的飞行器外形快速反设计方法 - Google Patents

基于高性能数值计算的飞行器外形快速反设计方法 Download PDF

Info

Publication number
CN117034470A
CN117034470A CN202311159732.0A CN202311159732A CN117034470A CN 117034470 A CN117034470 A CN 117034470A CN 202311159732 A CN202311159732 A CN 202311159732A CN 117034470 A CN117034470 A CN 117034470A
Authority
CN
China
Prior art keywords
flow field
digital model
calculation
reverse
aerodynamic
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.)
Granted
Application number
CN202311159732.0A
Other languages
English (en)
Other versions
CN117034470B (zh
Inventor
赖剑奇
王梽人
赵本东
胡星志
江雄
卢风顺
柳龙贵
牛会鹏
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.)
Beijing Hydrodynamic Science Research Center
Original Assignee
Beijing Hydrodynamic Science Research Center
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 Beijing Hydrodynamic Science Research Center filed Critical Beijing Hydrodynamic Science Research Center
Priority to CN202311159732.0A priority Critical patent/CN117034470B/zh
Publication of CN117034470A publication Critical patent/CN117034470A/zh
Application granted granted Critical
Publication of CN117034470B publication Critical patent/CN117034470B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G06F30/20—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
    • 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
    • G06F2119/20—Design reuse, reusability analysis or reusability optimisation
    • 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)
  • 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)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明公开了一种基于高性能数值计算的飞行器外形快速反设计方法，包括：S1、在确定反设计对象的外形后，基于收集的参数信息进行数字模型逆向重建；S2、基于重建的数字模型进行CFD流场解算；S3、基于S2的流场解算结果对数字模型的气动外形进行确认；S4、对确认后的数字模型进行功能反设计以及数字模型评估验证。本发明公开了一种基于高性能数值计算的飞行器外形快速反设计方法，在CFD流场解算引入了基于图形处理器单元GPU的高性能数值计算求解器，相对于现有技术而言，通过采用基于GPU的高性能数值计算方法，可以极大的提高飞行器流场解算时间，从而快速获得飞行器反设计外形。

Description

基于高性能数值计算的飞行器外形快速反设计方法
技术领域
本发明涉及飞行器气动设计领域。更具体地说，本发明涉及一种基于高性能数值计算的飞行器外形快速反设计方法。
背景技术
传统上采用数值方法进行飞行器外形反设计，首先对情报资料进行收集和初步分析确定目标的气动布局和外形尺寸，实现对数字模型的重建；然后采用基于中央处理器单元(Central Processing Unit,CPU)的数值计算求解器求解积分形式的可压缩三维流动N-S方程，从而得到飞行器的气动特性参数，并对CFD流场解算结果进行验证，最后通过迭代计算，获得更加全面、准确的反设计外形。对于飞行器的全机模拟，一般要求单个计算状态的计算网格在千万量级甚至上亿的水平，并且需要通过多次的迭代才能获得较为准确的反设计外形，使得飞行器外形反设计时间较长，难以满足科学研究和工程实际的需求。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
为了实现本发明的这些目的和其它优点，提供了一种基于高性能数值计算的飞行器外形快速反设计方法，包括：
S1、在确定反设计对象的外形后，基于收集的参数信息进行数字模型逆向重建；
S2、基于重建的数字模型进行CFD流场解算；
S3、基于S2的流场解算结果对数字模型的气动外形进行确认；
S4、对确认后的数字模型进行功能反设计以及数字模型评估验证；
在S2中，所述CFD流场解算的方法为：
基于图形处理器单元GPU的高性能数值计算求解器，对积分形式的可压缩三维流动N-S方程进行求解，进而得到数字模型的气动特性参数。
优选的是，在S1中，所述参数信息包括：反设计对象的总体参数、气动性能参数、运动性能参数、红外性能参数、微波性能参数、主要构成产品的几何参数、总体功能介绍、各种部件外形结构、表面材质。
优选的是，在S1中，所述数字模型逆向重建的方法包括：三维实物逆向建模和图像模型反演建模；
其中，所述三维实物逆向建模包括：基于3D扫描仪的实物逆向以及基于3D数据采集平台的软件逆向；
所述图像模型反演建模包括，基于图像的三维重构、局部修正，以及三维实体模型与图片比较确认。
优选的是，所述GPU为基于Ampere架构NVIDIA Tesla A100，所述高性能数值计算求解器是基于CPU/GPU异构并行的可压缩流动求解器；
所述高性能数值计算求解器的求解流程包括前处理、迭代计算和后处理；
其中，所述前处理主要包括网格文件读入和流场参数可视化；后处理主要包括将流场结果写入到文件，对流场结果进行处理得到气动载荷、气动数据和气动热，并进行流场显示；前处理和后处理均在CPU上完成；迭代计算包含一系列内核函数的执行，在GPU上完成；
其中，所述基于CPU/GPU异构并行可压缩流动求解器，CPU负责流场的初始化和后处理，主机与设备之间的数据传输，内核程序的启动、完成与同步等管理性事物，而GPU内核负责处理与网格相关的数值计算；
其中，所述与网格相关的数值计算包括时间步长计算、边界条件处理、原始变量梯度计算、无黏通量计算、黏性通量计算、残值计算和原始变量更新。
优选的是，所述可压缩三维流动N-S方程为：
上式中，W为守恒变量矢量，Fc为无黏通量矢量，Fv为黏性通量矢量；W、Fc、Fv的表达式分别为：
Θx＝uτxx+vτxy+wτxz-qx
Θy＝uτyx+vτyy+wτyz-qy
Θz＝uτzx+vτzy+wτzz-qz
上式中，ρ为密度，(u,v,w)为直角坐标系下三个速度分量，p为静压，(nx,ny,nz)为控制体表面外法线单位向量，V为垂直于控制体表面的速度，E为单位质量流体的总能，H为单位质量流体的总焓，τji为黏性应力，qi为热流通量；
所述气动特性参数包括：气动力系数和气动力矩系数，其中，气动力系数包括升力系数(CL)、阻力系数(CD)、侧力系数(CC)，气动力矩系数包括滚转力矩系数(Cl)、偏航力矩系数(Cn)、俯仰力矩系数(Cm)。
优选的是，在S3中，所述气动外形进行确认是基于CFD流场解算结果进行验证实现；
其中，CFD流场解算的验证是基于网格无关性分析和数值方法验证，以判定CFD流场解算结果的合理性，进而确定计算网格和数值的格式；
在对CFD流场解算结果合理性进行判断时，引入已知参数指标进行综合判断，所述已知参数指标包括反设计对象的总体性能、气动理论、工程经验、历史实验数据。
优选的是，在S4中，所述数字模型评估验证是基于各不确定度因素所产生的误差，通过下式对数字模型给出的置信度评估结果：
上式中，ui表示各量值特性指引入的不确定度分量。
本发明至少包括以下有益效果：本发明相对于现有技术而言，增加了数字模型重建、目标功能反设计、数字模型验证评估环节，同时结合已有资料、飞行器总体性能、气动理论、弹道特性、工程经验等方面进行综合分析和细致建模，能快速获得精确的飞行器几何外形数据。
同时，本发明在CFD流场解算引入了基于图形处理器单元GPU的高性能数值计算求解器，相对于现有技术而言，通过采用基于GPU的高性能数值计算方法，可以极大的提高飞行器流场解算时间，从而快速获得飞行器反设计外形。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1是根据本发明一个实施例的一种基于高性能数值计算的飞行器外形快速反设计方法流程框图；
图2是根据本发明一个实施例的基于GPU的高性能数值计算求解器构建图；
图3是根据本发明一个实施例的基于GPU的高性能数值计算加速比随网格规模的变化；
图4是根据本发明一个实施例的目标气动外形确认流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
本发明提供了一种基于高性能数值计算的飞行器外形快速反设计方法，包括：
步骤一，确定外形反设计对象，在步骤一中，所述外形反设计对象包括战斗机、无人机、导弹等各类飞行器；
步骤二，情报数据收集。从公开的实物模型、外网公布的武器装备手册、国内相关单位资料和网络图片等渠道获得飞行器情报数据，在步骤二中，情报数据包括总体参数、气动性能参数、运动性能参数、红外性能参数、微波性能参数、主要构成产品的几何参数、总体功能介绍、各种部件外形结构、表面材质；
步骤三，数字模型重建。采用三维实物逆向建模和图像模型反演建模对飞行器数字模型进行重建，在步骤三中，所述实物逆向建模为基于3D扫描仪的实物逆向和基于3D数据采集平台的软件逆向。首先采用HandySCAN 3D扫描仪和Vxelements软件完成数据初步采集，采用平滑滤波、均值滤波、中值滤波等滤波方法去除噪声点数据，使用点云的后处理导向功能，完成点云整体对齐、三角网格计算、光顺点云、点云过滤；其次，采用数字曲面编辑器对点云数据进行处理，初步得到曲面形状；最后，对曲面进行整体的光顺、合并及误差分析；
在步骤三中，所述图像模型反演建模包括基于图像的三维重构、局部修正、三维实体模型与图片比较确认，采用透视图像法计算求解出目标的具体三维几何尺寸；
步骤四，CFD流场解算。采用基于GPU的高性能数值计算求解器求解积分形式的可压缩三维流动纳维-斯托克斯(Navier-Stokes，N-S)方程，快速得到飞行器的气动特性参数，在步骤四中，所述GPU为基于Ampere架构NVIDIATesla A100；
在步骤四中，所述积分形式的可压缩三维流动N-S方程为：
式中：W为守恒变量矢量；Fc为无黏通量矢量；Fv为黏性通量矢量。表达式分别为：
Θx＝uτxx+vτxy+wτxz-qx
Θy＝uτyx+vτyy+wτyz-qy
Θz＝uτzx+vτzy+wτzz-qz
ρ为密度，(u,v,w)为直角坐标系下三个速度分量，p为静压，(nx,ny,nz)为控制体表面外法线单位向量，V为垂直于控制体表面的速度，E为单位质量流体的总能，H为单位质量流体的总焓，τji为黏性应力，qi为热流通量。
所述基于GPU的高性能数值计算求解器为基于CPU/GPU异构并行的高性能并行可压缩流动求解器；
基于CPU/GPU异构并行的大规模并行可压缩流动求解器设计：CPU负责流场的初始化和后处理，主机与设备之间的数据传输，内核程序的启动、完成与同步等管理性事物，而GPU内核程序负责处理与网格相关的数值计算。在GPU内核程序执行的大部分时间内CPU处于闲置状态。本文不考虑CPU与GPU协同计算的情形，网格相关的数值计算全部由GPU来完成；
所述气动特性参数包括：气动力系数和气动力矩系数，其中，气动力系数包括升力系数(CL)、阻力系数(CD)、侧力系数(CC)，气动力矩系数包括滚转力矩系数(Cl)、偏航力矩系数(Cn)、俯仰力矩系数(Cm)。
步骤五，目标气动外形确认。对CFD流场解算结果进行验证，进一步综合分析数值结果和相关研究成果，获得更加全面、准确的气动外形反设计结果，在步骤五中，所述CFD流场解算验证为网格无关性分析和数值方法验证，判定计算结果的合理性，确定计算网格和数值计算格式，尽量减小流场CFD求解的误差，保证对于指定外形的目标，可以获得准确度较高的流场计算结果；
所述相关研究成果包括飞行器总体性能、气动理论、工程经验、历史实验数据；计算目标的气动参数和气动特性，分析飞行器的总体性能，并与收集的情报资料进行对比，确保获得与飞行器实际总体性能一致的气动参数和气动特性；
步骤六，功能反设计，所述功能反设计包括几何模型中的各类功能模块建设、应用材料反设计、发动机热源分布建设；
步骤七，数字模型评估验证，所述数字模型评估验证为综合分析情报数据、建模方法、模型尺寸确认等产生的误差，对三维数字模型给出置信度评估结果。各不确定度贡献因素合成标准不确定度为：
式中ui的表示各量值特性指引入的不确定度分量。
本发明至少包括以下有益效果：本发明通过建立基于高性能数值计算的飞行器外形快速反设计方法，突破了传统方法在流场解算、目标气动外形确认、数字模型评估等方面的不足，较好的解决了飞行器外形反设计效率不高和模型精度无法评估的问题，具有较强的通用性。
实施例：
参照图1，根据本发明一个实施例的一种基于高性能数值计算的飞行器外形快速反设计方法流程所示，本发明的分析方法包括以下步骤。
S1：确定反设计对象：根据研究需求确定反设计对象。
S2：情报数据收集：情报数据包括总体参数、气动性能参数、运动性能参数、红外性能参数、微波性能参数、主要构成产品的几何参数、总体功能介绍、各种部件外形结构、表面材质。
S3：数字模型重建：根据情报资料，给出飞行器的初步外形。
S4：CFD流场解算：建立基于GPU的高性能数值计算求解器求解积分形式的可压缩三维流动N-S方程，快速得到飞行器的气动特性参数。
可压缩三维流动N-S方程为：
式中：W为守恒变量矢量；Fc为无黏通量矢量；Fv为黏性通量矢量。表达式分别为：
Θx＝uτxx+vτxy+wτxz-qx
Θy＝uτyx+vτyy+wτyz-qy
Θz＝uτzx+vτzy+wτzz-qz
ρ为密度，(u,v,w)为直角坐标系下三个速度分量，p为静压，(nx,ny,nz)为控制体表面外法线单位向量，V为垂直于控制体表面的速度，E为单位质量流体的总能，H为单位质量流体的总焓，τji为黏性应力，qi为热流通量。
参照图2，建立基于GPU的高性能数值计算求解器求解上述积分形式的可压缩三维流动N-S方程。
基于GPU的高性能数值计算求解器计算流程可分为前处理、迭代计算和后处理三部分。前处理主要包括：网格文件读入和流场参数初始化。后处理主要包括将流场结果写入到文件，对流场结果进行处理得到气动载荷、气动数据和气动热，并进行流场显示。前处理和后处理均在CPU上完成。迭代计算包含一系列内核函数的执行，在GPU上完成。实线部分为在CPU/GPU异构并行系统上实现并行计算的一般过程，虚线部分为CFD内核函数在GPU上执行过程。基于CPU/GPU异构并行可压缩流动求解器，CPU负责流场的初始化和后处理，主机与设备之间的数据传输，内核程序的启动、完成与同步等管理性事物，而GPU内核负责处理与网格相关的数值计算；传统的数值计算求解器的求解流程全部在CPU上完成，基于CPU/GPU异构并行的可压缩流动求解器可以大大提高计算效率；
进一步地来说，内核函数(也称为与网格相关的数值计算)包括时间步长计算、边界条件处理、原始变量梯度计算、无黏通量计算、黏性通量计算、残值计算和原始变量更新，其中原始变量梯度计算和通量计算需要花费较多的时间。在启动GPU开始数值计算后，调用cudaMemcpyHostToDevice函数将计算参数从CPU传递至GPU进行迭代计算；内核迭代结束以后，调用cudaMemcpyDeviceToHost函数将原始变量更新值从GPU传递至CPU进行后处理。一个完整的GPU代码包含七个部分：获取设备、分配显存、数据传输(Host to Device)、内核函数(kernel)执行、数据传输(Device to Host)、释放显存空间和重置设备。
参照图3，基于GPU的高性能数值计算加速比随网格规模的增大而增大，可以极大的提高流场解算速度。加速比定义为单颗CPU计算时间与GPU并行计算所花费时间的比值。
SP＝tCPU/tGPU
式中，SP为加速比，tCPU和tGPU分别为单颗CPU计算时间和GPU并行计算时间。
S5：目标气动外形确认：结合装备总体性能和弹道特性分析进行对比研究，获得与实际导弹总体性能和弹道特性比较一致的气动特性参数。同时根据气动理论、工程经验、历史数据进行综合分析，获得更加精练、准确的信息。
参照图4，对于CFD流场解算结果，需要进行网格无关性分析和数值方法验证，判定计算结果的合理性，确定计算网格和数值计算格式。从网格建模和CFD数值方法两方面进行优选和验证，开展结果合理性判定，尽量减小流场CFD求解的误差，保证对于指定外形的目标，可以获得准确度较高的流场计算结果。
进一步计算目标的气动参数和气动特性，分析目标的总体性能和弹道特性，并与S2中收集的情报资料进行对比，确保获得与实际导弹总体性能和弹道特性比较一致的气动参数和气动特性。
若计算结果与情报分结果保持一致，可以对目标气动外形进行确认。若二者存在差异，需要进行如下步骤：①依据气动理论、工程经验、研究成果对情报数据进行综合分析，去粗取精，去伪存真，力求获得更精练、更准确的情报信息；②结合工程经验对目标的实际总体性能参数和弹道特性参数进行工程修正，并与计算结果进行对比；③采用三维逆向建模和基于图像的模型反演方法对数字模型进行重建，重新进行网格建模和CFD流场解算。
S6：功能反设计：对几何模型中的各类功能模块、应用材料、发动机热源分布进行反设计。
S7：数字模型评语：综合分析情报数据、建模方法、模型尺寸确认等产生的误差，对三维数字模型给出置信度评估结果。各不确定度贡献因素合成标准不确定度为：
式中ui的表示各量值特性指引入的不确定度分量。
以上方案只是一种较佳实例的说明，但并不局限于此。在实施本发明时，可以根据使用者需求进行适当的替换和/或修改。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.一种基于高性能数值计算的飞行器外形快速反设计方法，其特征在于，包括：
S1、在确定反设计对象的外形后，基于收集的参数信息进行数字模型逆向重建；
S2、基于重建的数字模型进行CFD流场解算；
S3、基于S2的流场解算结果对数字模型的气动外形进行确认；
S4、对确认后的数字模型进行功能反设计以及数字模型评估验证；
在S2中，所述CFD流场解算的方法为：
基于图形处理器单元GPU的高性能数值计算求解器，对积分形式的可压缩三维流动N-S方程进行求解，进而得到数字模型的气动特性参数。
2.如权利要求1所述的基于高性能数值计算的飞行器外形快速反设计方法，其特征在于，在S1中，所述参数信息包括：反设计对象的总体参数、气动性能参数、运动性能参数、红外性能参数、微波性能参数、主要构成产品的几何参数、总体功能介绍、各种部件外形结构、表面材质。
3.如权利要求1所述的基于高性能数值计算的飞行器外形快速反设计方法，其特征在于，在S1中，所述数字模型逆向重建的方法包括：三维实物逆向建模和图像模型反演建模；
其中，所述三维实物逆向建模包括：基于3D扫描仪的实物逆向以及基于3D数据采集平台的软件逆向；
所述图像模型反演建模包括，基于图像的三维重构、局部修正，以及三维实体模型与图片比较确认。
4.如权利要求1所述的基于高性能数值计算的飞行器外形快速反设计方法，其特征在于，所述GPU为基于Ampere架构NVIDIA Tesla A100，所述高性能数值计算求解器是基于CPU/GPU异构并行的可压缩流动求解器；
所述高性能数值计算求解器的求解流程包括前处理、迭代计算和后处理；
其中，所述前处理主要包括网格文件读入和流场参数可视化；后处理主要包括将流场结果写入到文件，对流场结果进行处理得到气动载荷、气动数据和气动热，并进行流场显示；前处理和后处理均在CPU上完成；迭代计算包含一系列内核函数的执行，在GPU上完成；
其中，所述基于CPU/GPU异构并行可压缩流动求解器，CPU负责流场的初始化和后处理，主机与设备之间的数据传输，内核程序的启动、完成与同步等管理性事物，而GPU内核负责处理与网格相关的数值计算；
其中，所述与网格相关的数值计算包括时间步长计算、边界条件处理、原始变量梯度计算、无黏通量计算、黏性通量计算、残值计算和原始变量更新。
5.如权利要求1所述的基于高性能数值计算的飞行器外形快速反设计方法，其特征在于，所述可压缩三维流动N-S方程为：
上式中，W为守恒变量矢量，Fc为无黏通量矢量，Fv为黏性通量矢量；
W、Fc、Fv的表达式分别为：
Θx＝uτxx+vτxy+wτxz-qx
Θy＝uτyx+vτyy+wτyz-qy
Θz＝uτzx+vτzy+wτzz-qz
上式中，ρ为密度，(u,v,w)为直角坐标系下三个速度分量，p为静压，(nx,ny,nz)为控制体表面外法线单位向量，V为垂直于控制体表面的速度，E为单位质量流体的总能，H为单位质量流体的总焓，τji为黏性应力，qi为热流通量；
所述气动特性参数包括：气动力系数和气动力矩系数，其中，气动力系数包括升力系数(CL)、阻力系数(CD)、侧力系数(CC)，气动力矩系数包括滚转力矩系数(Cl)、偏航力矩系数(Cn)、俯仰力矩系数(Cm)。
6.如权利要求1所述的基于高性能数值计算的飞行器外形快速反设计方法，其特征在于，在S3中，所述气动外形进行确认是基于CFD流场解算结果进行验证实现；
其中，CFD流场解算的验证是基于网格无关性分析和数值方法验证，以判定CFD流场解算结果的合理性，进而确定计算网格和数值的格式；
在对CFD流场解算结果合理性进行判断时，引入已知参数指标进行综合判断，所述已知参数指标包括反设计对象的总体性能、气动理论、工程经验、历史实验数据。
7.如权利要求1所述的基于高性能数值计算的飞行器外形快速反设计方法，其特征在于，在S4中，所述数字模型评估验证是基于各不确定度因素所产生的误差，通过下式对数字模型给出的置信度评估结果：
上式中，ui表示各量值特性指引入的不确定度分量。
CN202311159732.0A 2023-09-08 2023-09-08 基于高性能数值计算的飞行器外形快速反设计方法 Active CN117034470B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311159732.0A CN117034470B (zh) 2023-09-08 2023-09-08 基于高性能数值计算的飞行器外形快速反设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311159732.0A CN117034470B (zh) 2023-09-08 2023-09-08 基于高性能数值计算的飞行器外形快速反设计方法

Publications (2)

Publication Number Publication Date
CN117034470A true CN117034470A (zh) 2023-11-10
CN117034470B CN117034470B (zh) 2024-03-29

Family

ID=88639291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311159732.0A Active CN117034470B (zh) 2023-09-08 2023-09-08 基于高性能数值计算的飞行器外形快速反设计方法

Country Status (1)

Country Link
CN (1) CN117034470B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090157364A1 (en) * 2007-12-18 2009-06-18 Airbus Espana, S.L.. Method and system for a quick calculation of aerodynamic forces on an aircraft
US20120065950A1 (en) * 2010-09-09 2012-03-15 Ming Lu Numerical method for simulating subsonic flows based on euler equations in lagrangian formulation
US20150186333A1 (en) * 2012-09-18 2015-07-02 Ming Lu Numerical method for solving an inverse problem in subsonic flows
WO2017084106A1 (zh) * 2015-11-20 2017-05-26 田川 一种数值模拟飞行器流场的系统及方法
CN109709978A (zh) * 2018-11-26 2019-05-03 北京空天技术研究所 一种高超声速飞行器制导控制一体化设计方法
CN111079228A (zh) * 2019-12-19 2020-04-28 中国人民解放军国防科技大学 一种基于流场预测的气动外形优化方法
US20200410147A1 (en) * 2019-06-28 2020-12-31 Viettel Group Aerodynamic derivatives calculation method for flight vehicle
CN114611437A (zh) * 2022-05-09 2022-06-10 上海华模科技有限公司 基于cfd技术的飞行器气动模型数据库的建立方法及装置
CN115293069A (zh) * 2022-09-26 2022-11-04 北京云庐科技有限公司 一种用于飞行器外流场仿真控制参数智能优化的系统
CN115828418A (zh) * 2022-11-18 2023-03-21 中国运载火箭技术研究院 一种基于二维弯曲特征线理论的强干扰区型面设计方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090157364A1 (en) * 2007-12-18 2009-06-18 Airbus Espana, S.L.. Method and system for a quick calculation of aerodynamic forces on an aircraft
US20120065950A1 (en) * 2010-09-09 2012-03-15 Ming Lu Numerical method for simulating subsonic flows based on euler equations in lagrangian formulation
US20150186333A1 (en) * 2012-09-18 2015-07-02 Ming Lu Numerical method for solving an inverse problem in subsonic flows
WO2017084106A1 (zh) * 2015-11-20 2017-05-26 田川 一种数值模拟飞行器流场的系统及方法
CN109709978A (zh) * 2018-11-26 2019-05-03 北京空天技术研究所 一种高超声速飞行器制导控制一体化设计方法
US20200410147A1 (en) * 2019-06-28 2020-12-31 Viettel Group Aerodynamic derivatives calculation method for flight vehicle
CN111079228A (zh) * 2019-12-19 2020-04-28 中国人民解放军国防科技大学 一种基于流场预测的气动外形优化方法
CN114611437A (zh) * 2022-05-09 2022-06-10 上海华模科技有限公司 基于cfd技术的飞行器气动模型数据库的建立方法及装置
CN115293069A (zh) * 2022-09-26 2022-11-04 北京云庐科技有限公司 一种用于飞行器外流场仿真控制参数智能优化的系统
CN115828418A (zh) * 2022-11-18 2023-03-21 中国运载火箭技术研究院 一种基于二维弯曲特征线理论的强干扰区型面设计方法

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
XIA, YD (XIA, YIDONG) ; LOU, JL (LOU, JIALIN) ; LUO, H (LUO, HONG) ; EDWARDS, J (EDWARDS, JACK) ; MUELLER, F (MUELLER, FRANK): "OpenACC acceleration of an unstructured CFD solver based on a reconstructed discontinuous Galerkin method for compressible flows", INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN FLUIDS, vol. 78, no. 3, 30 May 2015 (2015-05-30), pages 123 - 139 *
侯志强;刘济民;宋贵宝;: "CFD和MDO技术在乘波飞行器设计中的应用综述", 航空计算技术, no. 04 *
刘浩;徐敏;叶茂;: "基于特征正交分解的跨声速流场重构和翼型反设计方法研究", 空气动力学学报, no. 04 *
孟庆杰;彭亮;邓海华;: "基于RANS的suboff尾迹特征数值预报", 舰船科学技术, no. 19 *
李;杨永;顾祥玉;: "CFD在概念-初步设计阶段三维气动外形优化中的应用", 航空工程进展, no. 04, 28 November 2014 (2014-11-28) *
熊俊涛;乔志德;杨旭东;刘金辉;: "基于控制理论方法的跨声速弹性机翼反设计方法研究", 西北工业大学学报, no. 01 *
王年华;常兴华;马戎;张来平;: "HyperFLOW软件非结构网格亚跨声速湍流模拟的验证与确认", 力学学报, no. 03 *
聂雪媛;刘中玉;黄程德;杨国伟;: "CFD/CSD方法分析动力效应对民机气动特性影响", 航空动力学报, no. 07 *
贺旭照;赵慧勇;乐嘉陵;: "吸气式高超声速飞行器气动力气动热的数值模拟方法及应用", 计算物理, no. 05 *
赖剑奇: "基于GPU的超声速复杂流动并行计算研究", 中国博士学位论文全文数据库（电子期刊）, pages 1 - 108 *
赖剑奇;李桦;张冉;常青;: "多GPU并行可压缩流求解器及其性能分析", 航空学报, no. 09 *

Also Published As

Publication number Publication date
CN117034470B (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
US8239180B2 (en) Numerical structural analysis system based on the load-transfer-path method
Georgiou et al. Learning fluid flows
Lan et al. Medial IPC: accelerated incremental potential contact with medial elastics
Zhang et al. A GPU-accelerated implicit meshless method for compressible flows
CN112414668B (zh) 一种风洞试验数据静气弹修正方法、装置、设备及介质
Leskinen et al. Distributed evolutionary optimization using nash games and GPUs–applications to CFD design problems
CN109657408A (zh) 一种再生核粒子算法实现结构线性静力学仿真方法
CN108717722A (zh) 基于深度学习和sph框架的流体动画生成方法及装置
CN111079326B (zh) 二维各向异性网格单元度量张量场光滑化方法
CN110334450B (zh) 一种多块结构网格生成中物面投影错误的修复方法
Deng et al. A hybrid aerodynamic optimization algorithm based on differential evolution and RBF response surface
Deng et al. Prediction of transonic flow over supercritical airfoils using geometric-encoding and deep-learning strategies
CN109063401B (zh) 采用等效静态位移实现结构接触力优化的方法
CN117034470B (zh) 基于高性能数值计算的飞行器外形快速反设计方法
CN104699901A (zh) 基于差量采样解的GappyPOD翼型反设计方法
Schuff et al. Advanced CFD-CSD coupling: Generalized, high performant, radial basis function based volume mesh deformation algorithm for structured, unstructured and overlapping meshes
CN110083946A (zh) 一种基于无约束优化模型的多状态模型修正的方法
Xu et al. A mesh quality discrimination method based on convolutional neural network
CN114925627A (zh) 一种基于图形处理器的直升机流场数值模拟系统及方法
Yang et al. Optimization design of ship engine room structures based on sectionalized dynamic relaxation collaborative optimization method
Shen et al. Application of Multi-Fidelity Transfer Learning with Autoencoders for Efficient Construction of Surrogate Models
Ankit High-performance computing for impact-induced fracture analysis exploiting octree mesh patterns
Ghiasi et al. Combining thermodynamics-based model of the centrifugal compressors and active machine learning for enhanced industrial design optimization
Mihaylova et al. On the improvement of concept modeling of joints within simplified finite element models with application to structural dynamics
CN117435308B (zh) 一种基于并行计算算法的Modelica模型仿真方法及系统

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