CN117252129A - 参数化的编队飞行气动干扰快速预测方法 - Google Patents

参数化的编队飞行气动干扰快速预测方法 Download PDF

Info

Publication number
CN117252129A
CN117252129A CN202311535428.1A CN202311535428A CN117252129A CN 117252129 A CN117252129 A CN 117252129A CN 202311535428 A CN202311535428 A CN 202311535428A CN 117252129 A CN117252129 A CN 117252129A
Authority
CN
China
Prior art keywords
grid
formation
aircraft
machine
parameters
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
CN202311535428.1A
Other languages
English (en)
Other versions
CN117252129B (zh
Inventor
王晓冰
陶洋
夏洪亚
刘光远
马上
陆连山
贾晓东
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.)
High Speed Aerodynamics Research Institute of China Aerodynamics Research and Development Center
Original Assignee
High Speed Aerodynamics Research Institute of China Aerodynamics Research and Development 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 High Speed Aerodynamics Research Institute of China Aerodynamics Research and Development Center filed Critical High Speed Aerodynamics Research Institute of China Aerodynamics Research and Development Center
Priority to CN202311535428.1A priority Critical patent/CN117252129B/zh
Publication of CN117252129A publication Critical patent/CN117252129A/zh
Application granted granted Critical
Publication of CN117252129B publication Critical patent/CN117252129B/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]
    • G06F30/20—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
    • 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
    • G06F30/23—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
    • 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
    • G06F2119/14—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)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种参数化的编队飞行气动干扰快速预测方法，涉及编队飞行气动干扰评估领域，在更新前机和后机质心空间坐标的过程中引入编队队形参数，在生成后机体网格GV2、编队区域网格GV1，以及计算自适应网格尺度LA的过程中，引入调整网格自适应加密参数，实现对编队飞行气动干扰快速预测过程的优化处理；其中，所述编队队形参数包括后机相对前机的位置矢量Lfmt；所述网格自适应加密参数包括最大网格尺度Lmax、最小网格尺度Lmin、加密控制因子k。本发明提供一种参数化的编队飞行气动干扰快速预测方法，为快速获取后机在前机尾涡流场干扰下的升阻特性、三通道稳定性，完成编队飞行气动增益评估和稳定性分析奠定了技术基础。

Description

参数化的编队飞行气动干扰快速预测方法
技术领域
本发明涉及编队飞行气动干扰评估领域。更具体地说，本发明涉及一种参数化的编队飞行气动干扰快速预测方法。
背景技术
《自然》杂志在2001年发表了对唐鹅长途迁徙编队飞行的研究结果，研究发现采用编队飞行的方式能够节省11%~14%的能量，同时编队飞行的唐鹅能够比单独飞行的唐鹅飞行更远的距离。受此启发，研究者开始了飞行器编队飞行气动特性的研究，并引入了涡流冲浪（Surfing Aircraft Vortices for Energy，SAVE）概念。该概念特指两架或两架以上飞机进行类似于候鸟的紧密编队飞行，飞行过程中后机“骑行”在前机涡流上，从而达到显著的增升和减阻效果。
通常来说，实现编队飞行技术的工程化应用，需要首先解决两方面问题：一是队形参数优化，即弄清以何种形式编队能够获得最佳的气动增益；二是控制策略设计，即设计一套编队飞行控制策略，使飞机依靠自动驾驶仪能避开可能存在的不利涡流干扰，从而降低安全风险。针对上述问题开展研究，首先需要获取编队飞行气动干扰数据库作为前置输入。
编队飞行过程中，前机周围空气受到强烈扰动，受到干扰后的气流在机翼、机身等部件下游形成复杂的尾流场，这是影响后机气动特性的主要原因。采用传统的计算流体力学（Computational Fluid Dynamics，CFD）方法开展编队飞行气动干扰研究，首先需要依据不同的飞机相对位置和姿态角对前、后机几何外形进行手动旋转、平移，生成体网格过程中还需要对两机之间的空间区域进行网格加密，以确保尾涡模拟精度，不仅需要投入大量的人工成本来完成几何建模和网格生成，而且对于中、远距编队来说，网格规模可能达到亿级，这种超大体量网格也对硬件资源提出了极高的要求。
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，提供了一种参数化的编队飞行气动干扰快速预测方法，在更新前机和后机质心空间坐标的过程中引入编队队形参数，在生成后机体网格GV2、编队区域网格GV1，以及计算自适应网格尺度L A的过程中，引入调整网格自适应加密参数，实现对编队飞行气动干扰快速预测过程的优化处理；
其中，所述编队队形参数包括后机相对前机的位置矢量L fmt；
所述网格自适应加密参数包括最大网格尺度L max、最小网格尺度L min、加密控制因子k。
优选的是，更新前机和后机质心空间坐标的过程为：
步骤一，对编队飞行中前机、后机的几何外形数模GG1、GG、参数指标进行读取；
步骤二，生成与GG1、GG对应的表面网格GS1、GS2，选取包含GS2的空间区域，将L min作为主控网格尺度，生成后机体网格GV2，且后机体网格包括后机物面边界、后机体网格外边界；
步骤三，根据前机和后机的飞行姿态角、编队队形参数，对格GS1和GV2进行旋转和平移变换，并更新前机和后机质心的空间坐标。
优选的是，对编队飞行气动干扰快速预测过程的优化处理过程为：
步骤四，选取包含GS1和GV2的空间区域，将L max作为主控网格尺度，生成编队区域网格GV1，且GV1包括前机物面边界、后机体网格外边界、编队区域网格外边界；
步骤五，选取包含GV1的空间区域，生成背景网格GV0，GV0包括编队区域体网格外边界、远场边界；
步骤六，针对GV0、GV1、GV2，通过对流动控制方程中的湍流进行模化、数值求解，以迭代一定步数使流场初步收敛后，计算GV1沿流向方向的涡量场ω x，以及前机和后机的气动力、力矩；
步骤七，基于步骤六中得到的ω x，通过以下公式计算自适应网格尺度L A，以依据L A对GV1进行重构，生成自适应加密后的编队区域网格，完成对网格单元总量的统计；
步骤八，重复步骤六至步骤七，直至流场完全收敛，提取后机气动力、力矩，将其作为当前编队位置下的后机气动特性。
优选的是，在步骤一中，所述参数指标包括飞机参数、编队队形参数、网格自适应加密参数、来流参数；
其中，所述飞机参数包括：前机、后机的质心坐标X mc1、X mc2，平均气动弦长c A1、c A2，翼展b 1、b 2，机翼面积S 1、S 2，飞行姿态角θ 1、θ 2、ψ 1、ψ 2、γ 1、γ 2；
所述来流参数包括：马赫数M、飞行高度H。
优选的是，将前GG1置空，重复步骤一至步骤八以得到自由来流条件下的后机气动特性；
将后机气动特性作为基准量从编队状态的后机气动特性中进行扣除，以得到编队飞行状态下前机对后机的气动干扰。
优选的是，在模拟“人”字形三机编队飞行状态时，引入前机纵向对称面作为对称边界，以使生成的背景网格GV0和编队区域网格GV1只包含前机半模。
本发明至少包括以下有益效果：
本发明的一种参数化的编队飞行气动干扰快速预测方法，能够较好地避免计算网格精度不高导致的前机尾涡空间传播过程中的非物理耗散，因此能够较准确地获取前机尾涡对后机的气动干扰特性，具有预测精度高、计算效率高的优点。
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为本发明的方法流程示意图；
图2为图1上部分的放大示意图；
图3为图1中间部分的放大示意图；
图4为图1下部分的放大示意图；
图5为本发明的方法在应用时，其计算网格分区情况的示意图；
图6为本发明的方法在应用时，其加密控制因子对网格单元总数的影响示意图；
图7为本发明的方法在应用时，其典型编队状态尾涡流态示意图；
图8为本发明的方法在应用时，其编队后机升阻比增益随编队位置分布情况示意图。
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。
本发明的一种参数化的编队飞行气动干扰快速预测方法，其计算精度和计算效率可以通过改变网格自适应加密参数（最大网格尺度L max、最小网格尺度L min、加密控制因子k）来进行调整，其中加密控制因子。L max和L min越小，k越大，生成的计算网格单元数量越多，计算精度更高，但计算效率更低，具体来说，如图1-图4，本发明通过下述技术方案来实现：
第一步、读入编队飞行中前机和后机的几何外形数模GG1和GG2。
第二步、读入计算参数，包括：（1）飞机参数（前机和后机的质心坐标X mc1、X mc2，平均气动弦长c A1、c A2，翼展b 1、b 2，机翼面积S 1、S 2，飞行姿态角θ 1、θ 2、ψ 1、ψ 2、γ 1、γ 2）；（2）编队队形参数（后机相对前机的位置矢量L fmt）；（3）网格自适应加密参数（最大网格尺度L max、最小网格尺度L min、加密控制因子k）；（4）来流参数（马赫数M、飞行高度H）。
第三步、生成前机和后机表面网格GS1、GS2；选取包含后机表面网格的适当空间区域，将L min作为主控网格尺度，生成后机体网格GV2，后机体网格含有两个边界，分别是：后机物面边界、后机体网格外边界。
第四步、根据前机和后机的飞行姿态角、编队队形参数，对前机表面网格GS1和后机网格GV2进行旋转和平移变换，并更新前机和后机质心的空间坐标，将该步骤放在自动化处理流程中实现，解决现有技术采用人工进行网格生成、旋转和平移变换的问题；
第五步、选取包含前机表面网格和后机体网格的适当空间区域，将L max作为主控网格尺度，生成编队区域网格GV1，编队区域网格包含三个边界，分别是：前机物面边界、后机体网格外边界、编队区域网格外边界。
第六步、选取包含编队区域体网格的适当空间区域，生成背景网格GV0，背景网格包含两个边界，分别是：编队区域体网格外边界、远场边界。
第七步、针对背景网格GV0、编队区域网格GV1和后机网格GV2，将三维定常黏性Navier-Stokes方程作为流动控制方程，采用k-ωSST模型对湍流进行模化，根据来流参数给出相应的远场边界条件，对壁面给出无滑移壁面边界条件，对不同网格交界面应用插值边界，采用有限体积法进行数值求解，迭代一定步数后，流场达到初步收敛。
第八步、根据迭代后流场，计算编队区域网格GV1沿流向方向的涡量场ω x，并积分计算前机和后机的气动力、力矩。
第九步、根据编队区域网格GV1涡量场结果，由公式计算自适应网格尺度L A，依据L A对编队区域网格GV1进行重构，生成自适应加密后的编队区域网格，统计网格单元总量。
第十步、重复第七步至第九步，直至前机和后机的气动力、力矩，以及自适应加密的网格单元总量基本不再变化，即可认为流场已完全收敛，提取后机气动力、力矩，即为当前编队位置下的后机气动特性。
进一步地，所述的第一步中将前机几何外形数模GG1置空，重复第一步至第十步，即可得到自由来流条件下的后机气动特性，将其作为基准量从编队状态后机气动特性中扣除，即可得到编队飞行状态下前机对后机的气动干扰。
进一步地，所述的第五步和第六步中，引入前机纵向对称面作为对称边界，生成只包含前机半模的背景网格GV0和编队区域网格GV1，即可模拟“人”字形三机编队飞行状态，同时进一步减少网格单元总量，提升计算效率。
实施例
针对两架不同缩比大小的运输机标模组成的飞行编队在M=0.7飞行状态下的气动干扰特性开展数值预测。
首先准备运输机前机和后机的几何外形数模，并整理飞机关键尺寸、编队相对位置、网格自适应加密控制参数和来流参数等计算参数，读入数模和计算参数。
分别生成前机表面网格、后机表面网格和后机体网格。其中后机体网格在计算过程中将保持不变，因此采用多面体单元形式以提升网格质量并减少网格量。
根据飞行姿态角和编队队形参数，对前机表面网格和后机体网格进行旋转和平移，并更新前机和后机的质心坐标。
以前机纵向对称面作为对称边界，划分包含前机表面网格（半模）和后机网格的编队区域网格。在编队区域网格以外生成直至远场的背景网格。由于编队区域网格需要在计算过程中不断重构加密，因此选择笛卡尔形式网格单元，以提升网格重构速度。
图5示出了计算网格的分区情况。
针对生成的计算网格，将三维定常黏性Navier-Stokes方程作为流动控制方程，采用k-ωSST模型对湍流进行模化，根据来流参数给出相应的远场边界条件，对壁面给出无滑移壁面边界条件，对不同网格交界面应用插值边界，对对称边界应用对称边界条件，采用有限体积法进行数值求解，迭代至流场达到初步收敛后，提取编队区域网格的涡量场ω x，同时输出前机和后机的六分量气动力和气动力矩系数。
根据计算自适应网格尺度L A，并对编队区域网格进行重构加密。针对加密后的网格，重复前一步的流场计算，直至前机、后机的气动力、力矩以及网格单元总量达到收敛。记录最终的后机气动力及力矩系数，作为当前编队位置对应的计算结果。不同加密控制因子k将导致不同的计算精度和最终计算网格单元总数，图6示出了加密控制因子对网格单元总数的影响。图7示出了给定编队位置的尾涡流态，可以看到尾涡结构在经过较长距离的发展后，仍然具有较大的强度。
更换不同编队相对位置参数，重复上述操作，得到后机气动特性随编队相对位置的分布。
将前机几何外形数模置空，重复上述操作，得到后机自由来流无干扰条件下的气动特性，作为基准在编队干扰气动特性中扣除，即可得到编队飞行中前机对后机的气动干扰分布情况。图8示出了在两机流向距离为三倍全机展长截面处编队前机对后机升阻比的影响情况。
因此，本发明提出的方法能够较好地避免计算网格精度不高导致的前机尾涡空间传播过程中的非物理耗散，较准确地获取前机尾涡对后机的气动干扰特性。
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 (6)

1.一种参数化的编队飞行气动干扰快速预测方法，其特征在于，在更新前机和后机质心空间坐标的过程中引入编队队形参数，在生成后机体网格GV2、编队区域网格GV1，以及计算自适应网格尺度L A的过程中，引入调整网格自适应加密参数，实现对编队飞行气动干扰快速预测过程的优化处理；
其中，所述编队队形参数包括后机相对前机的位置矢量L fmt；
所述网格自适应加密参数包括最大网格尺度L max、最小网格尺度L min、加密控制因子k。
2.如权利要求1所述的参数化的编队飞行气动干扰快速预测方法，其特征在于，更新前机和后机质心空间坐标的过程为：
步骤一，对编队飞行中前机、后机的几何外形数模GG1、GG、参数指标进行读取；
步骤二，生成与GG1、GG对应的表面网格GS1、GS2，选取包含GS2的空间区域，将L min作为主控网格尺度，生成后机体网格GV2，且后机体网格包括后机物面边界、后机体网格外边界；
步骤三，根据前机和后机的飞行姿态角、编队队形参数，对格GS1和GV2进行旋转和平移变换，并更新前机和后机质心的空间坐标。
3.如权利要求2所述的参数化的编队飞行气动干扰快速预测方法，其特征在于，对编队飞行气动干扰快速预测过程的优化处理过程为：
步骤四，选取包含GS1和GV2的空间区域，将L max作为主控网格尺度，生成编队区域网格GV1，且GV1包括前机物面边界、后机体网格外边界、编队区域网格外边界；
步骤五，选取包含GV1的空间区域，生成背景网格GV0，GV0包括编队区域体网格外边界、远场边界；
步骤六，针对GV0、GV1、GV2，通过对流动控制方程中的湍流进行模化、数值求解，以迭代一定步数使流场初步收敛后，计算GV1沿流向方向的涡量场ω x，以及前机和后机的气动力、力矩；
步骤七，基于步骤六中得到的ω x，通过以下公式计算自适应网格尺度L A，以依据L A对GV1进行重构，生成自适应加密后的编队区域网格，完成对网格单元总量的统计；
步骤八，重复步骤六至步骤七，直至流场完全收敛，提取后机气动力、力矩，将其作为当前编队位置下的后机气动特性。
4.如权利要求2所述的参数化的编队飞行气动干扰快速预测方法，其特征在于，在步骤一中，所述参数指标包括飞机参数、编队队形参数、网格自适应加密参数、来流参数；
其中，所述飞机参数包括：前机、后机的质心坐标X mc1、X mc2，平均气动弦长c A1、c A2，翼展b 1、b 2，机翼面积S 1、S 2，飞行姿态角θ 1、θ 2、ψ 1、ψ 2、γ 1、γ 2；
所述来流参数包括：马赫数M、飞行高度H。
5.如权利要求3所述的参数化的编队飞行气动干扰快速预测方法，其特征在于，将前GG1置空，重复步骤一至步骤八以得到自由来流条件下的后机气动特性；
将后机气动特性作为基准量从编队状态的后机气动特性中进行扣除，以得到编队飞行状态下前机对后机的气动干扰。
6.如权利要求1所述的参数化的编队飞行气动干扰快速预测方法，其特征在于，在模拟“人”字形三机编队飞行状态时，引入前机纵向对称面作为对称边界，以使生成的背景网格GV0和编队区域网格GV1只包含前机半模。
CN202311535428.1A 2023-11-17 2023-11-17 参数化的编队飞行气动干扰快速预测方法 Active CN117252129B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311535428.1A CN117252129B (zh) 2023-11-17 2023-11-17 参数化的编队飞行气动干扰快速预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311535428.1A CN117252129B (zh) 2023-11-17 2023-11-17 参数化的编队飞行气动干扰快速预测方法

Publications (2)

Publication Number Publication Date
CN117252129A true CN117252129A (zh) 2023-12-19
CN117252129B CN117252129B (zh) 2024-02-20

Family

ID=89128059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311535428.1A Active CN117252129B (zh) 2023-11-17 2023-11-17 参数化的编队飞行气动干扰快速预测方法

Country Status (1)

Country Link
CN (1) CN117252129B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10022819C1 (de) * 2000-05-10 2001-08-30 Eurocopter Deutschland Verfahren und Vorrichtung zur Vermeidung der Kolllision eines rotierenden Rotorblattes eines Drehflüglers mit Blattwirbeln
CN102411304A (zh) * 2011-12-15 2012-04-11 北京航空航天大学 一种航天器小角度姿态机动控制参数优化方法
CN102682172A (zh) * 2012-05-15 2012-09-19 空气动力学国家重点实验室 基于参数分类的超临界机翼极多参数优化设计方法
CN105183975A (zh) * 2015-09-01 2015-12-23 中国空气动力研究与发展中心高速空气动力研究所 一种基于尾涡流场传递的多飞行器飞行编队数值模拟方法
CN107505116A (zh) * 2017-09-04 2017-12-22 中国空气动力研究与发展中心高速空气动力研究所 飞机编队飞行实验的飞机支撑装置及跨声速风洞实验装置
CN111220345A (zh) * 2020-01-19 2020-06-02 南京航空航天大学 一种编队飞行气动干扰和姿态控制实验系统及实验方法
US20200290750A1 (en) * 2019-03-11 2020-09-17 Borealis Technical Limited System and method for determining aircraft safe taxi, takeoff, and flight readiness
CN113850008A (zh) * 2021-12-02 2021-12-28 北京航空航天大学 飞行器气动特性预测的自适应网格扰动域更新加速方法
US20220027636A1 (en) * 2020-07-20 2022-01-27 National University Of Defense Technology Target Task Intention Identifying Method and Device Based on Unit Distribution Thermal Grid
CN117272870A (zh) * 2023-11-17 2023-12-22 中国空气动力研究与发展中心高速空气动力研究所 基于自适应重叠网格的动态编队飞行数值仿真方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10022819C1 (de) * 2000-05-10 2001-08-30 Eurocopter Deutschland Verfahren und Vorrichtung zur Vermeidung der Kolllision eines rotierenden Rotorblattes eines Drehflüglers mit Blattwirbeln
CN102411304A (zh) * 2011-12-15 2012-04-11 北京航空航天大学 一种航天器小角度姿态机动控制参数优化方法
CN102682172A (zh) * 2012-05-15 2012-09-19 空气动力学国家重点实验室 基于参数分类的超临界机翼极多参数优化设计方法
CN105183975A (zh) * 2015-09-01 2015-12-23 中国空气动力研究与发展中心高速空气动力研究所 一种基于尾涡流场传递的多飞行器飞行编队数值模拟方法
CN107505116A (zh) * 2017-09-04 2017-12-22 中国空气动力研究与发展中心高速空气动力研究所 飞机编队飞行实验的飞机支撑装置及跨声速风洞实验装置
US20200290750A1 (en) * 2019-03-11 2020-09-17 Borealis Technical Limited System and method for determining aircraft safe taxi, takeoff, and flight readiness
CN111220345A (zh) * 2020-01-19 2020-06-02 南京航空航天大学 一种编队飞行气动干扰和姿态控制实验系统及实验方法
US20220027636A1 (en) * 2020-07-20 2022-01-27 National University Of Defense Technology Target Task Intention Identifying Method and Device Based on Unit Distribution Thermal Grid
CN113850008A (zh) * 2021-12-02 2021-12-28 北京航空航天大学 飞行器气动特性预测的自适应网格扰动域更新加速方法
CN117272870A (zh) * 2023-11-17 2023-12-22 中国空气动力研究与发展中心高速空气动力研究所 基于自适应重叠网格的动态编队飞行数值仿真方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XINGDA CUI等: "Numerical investigation of the aerodynamic interference in 2-aircraft formation flight", 《JOURNAL OF PHYSICS:CONFERENCE SERIES》, pages 1 - 13 *
韩维等: "舰载战斗机/无人机编队飞行控制研究现状与展望", 《科学技术与工程》, vol. 19, no. 36, pages 73 - 80 *

Also Published As

Publication number Publication date
CN117252129B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN109711048B (zh) 一种考虑气动和结构多类型设计变量的机翼设计方法
Pirzadeh Advanced unstructured grid generation for complex aerodynamic applications
CN105183996B (zh) 面元修正与网格预先自适应计算方法
CN108647370B (zh) 基于双环迭代的无人直升机气动外形优化设计方法
CN108416075A (zh) 基于cfd技术的风力机气动计算模型建模方法
CN117272870B (zh) 基于自适应重叠网格的动态编队飞行数值仿真方法
CN112613206B (zh) 一种基于各向异性体调和场的附面层网格生成方法
CN113569360B (zh) 一种风力机叶片抗颤振翼型簇设计方法
Sasaki et al. Aerodynamic optimization of an over-the-wing-nacelle-mount configuration
CN111563299A (zh) 一种旋翼噪声确定方法及系统
Mokry et al. Two-dimensional wind tunnel wall interference
Dai et al. Aerodynamic optimization of high-lift devices using a 2D-to-3D optimization method based on deep reinforcement learning and transfer learning
CN110689620B (zh) 一种多层次优化的网格曲面离散样条曲线设计方法
Deng et al. A hybrid aerodynamic optimization algorithm based on differential evolution and RBF response surface
CN113051666B (zh) 一种旋翼飞行器噪声数字化分析方法及系统
CN117252129B (zh) 参数化的编队飞行气动干扰快速预测方法
CN115358167B (zh) 一种考虑发动机参数的飞发一体气动伴随优化设计方法
CN108804791B (zh) 一种适用于埋入式进气道布局的飞行器参数化方法
Sasaki et al. Navier-Stokes optimization of supersonic wings with four design objectives using evolutionary algorithm
Li et al. Simulation of flow separation at the wing-body junction with different fairings
CN109214056B (zh) 一种基于流动物理的气动优化设计变量选取方法
Smith et al. A geometry projection method for the design exploration of wing-box structures
Choephel Aerodynamic analysis of helicopter rotors using a higher-order, free-wake method
Weekley et al. Design and Testing of Bellwether: A Flying Wing Featuring the Bell Span-Load
Wu et al. Adjoint-based optimization for blended-wing-body underwater gliders' shape design

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