CN117272870B - 基于自适应重叠网格的动态编队飞行数值仿真方法 - Google Patents

基于自适应重叠网格的动态编队飞行数值仿真方法 Download PDF

Info

Publication number
CN117272870B
CN117272870B CN202311535427.7A CN202311535427A CN117272870B CN 117272870 B CN117272870 B CN 117272870B CN 202311535427 A CN202311535427 A CN 202311535427A CN 117272870 B CN117272870 B CN 117272870B
Authority
CN
China
Prior art keywords
grid
machine
adaptive
moment
scale
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
Application number
CN202311535427.7A
Other languages
English (en)
Other versions
CN117272870A (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 CN202311535427.7A priority Critical patent/CN117272870B/zh
Publication of CN117272870A publication Critical patent/CN117272870A/zh
Application granted granted Critical
Publication of CN117272870B publication Critical patent/CN117272870B/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)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明公开了一种基于自适应重叠网格的动态编队飞行数值仿真方法，涉及飞行器的编队飞行气动特性评估领域，包括：在动态编队飞行数值仿真过程中，通过调整网格自适应加密参数中的最大网格尺度Lmax、最小网格尺度Lmin、加密控制因子k，以限制参与计算的网格尺寸，实现重叠网格的自适应。本发明提供一种基于自适应重叠网格的动态编队飞行数值仿真方法，其通过调整网格自适应加密参数来限制网格尺寸，进而控制在动态编队飞行数值仿真中计算精度和计算效率。

Description

基于自适应重叠网格的动态编队飞行数值仿真方法
技术领域
本发明涉及飞行器的编队飞行气动特性评估领域。更具体地说，本发明涉及一种基于自适应重叠网格的动态编队飞行数值仿真方法。
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。
在编队飞行过程中，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。当我们通过一定研究手段得到了不同编队相对位置下后机的气动特性分布后，就可以获知当前飞行状态下后机在编队中保持良好气动增益的最佳位置。但与此同时，如何安全到达或离开这一位置也是值得关注的问题，这是因为当后机靠近、远离或者越过前机翼尖涡时，后机表面流动将发生显著改变，导致气动力呈现强非线性、非定常特性，极易诱导出现非指令运动模态，加剧飞行控制各通道之间的相互耦合，降低飞行控制的可靠性和有效性，这种情况下，如果仅仅依靠飞行员来操纵飞机，在短时间内作出快速精准的操控反应显然是非常困难的，甚至会有飞行失控的风险，进而影响整个机群编队的飞行安全和任务执行。因此，需要对后机进入/改变编队这一动态过程开展仿真分析，为编队飞行控制策略优化提供动态数据支撑和仿真验证，提升编队飞行安全性。
采用计算流体力学（Computational Fluid Dynamics，CFD）方法开展编队飞行动态进入/改出过程仿真分析，需要重点解决动态网格模拟方法。传统的动网格方法主要包括网格变形、网格重构、重叠网格等，其中网格变形只能模拟小尺度运动，而动态编队飞行过程可能面临几倍甚至十几倍飞机尺度的运动；网格重构耗费时间长，计算效率低下；传统的重叠网格方法需要重叠网格边界与对应位置的背景网格具有相同的网格单元尺度以保证插值边界成功构建，但如果在整个后机运动范围内对背景网格进行加密，会导致计算网格规模急剧增长，常规计算资源难以满足仿真需求。
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，提供了一种基于自适应重叠网格的动态编队飞行数值仿真方法，包括：
在动态编队飞行数值仿真过程中，通过调整网格自适应加密参数中的最大网格尺度Lmax、最小网格尺度Lmin、加密控制因子k，以限制参与计算的网格尺寸，实现重叠网格的自适应。
优选的是，所述动态编队飞行数值仿真过程之前的初始条件获取方式为：
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，基于参数指标对GS1、GS2进行旋转和平移变换，以更新前机、后机质心的空间坐标；
步骤三，基于GS1、GS2和参数指标生成对应的背景网格GV1、机体网格GV2，且GV2包括后包括机物面边界GB2W、后机网格外边界GB2O两个边界；
步骤四，对于与GB2O重叠的背景网格单元，判断其尺度是否与GB2O的面网格尺度相匹配，若不匹配，则采用二分法对背景网格加密一次，直至背景网格单元尺度与GB2O网格尺度匹配后，将完全落在GB2O内部的背景网格单元标记为洞内点，将与GB2O重叠的背景网格单元标记为插值边界；
步骤五，针对背景网格GV1和后机网格GV2，采用流动控制方程进行数值求解，且在求解过程中将步骤四中标记的洞内点进行冻结求解，并基于插值边界进行两套网格之间的数据交互；
在迭代一定步数使流场达到初步收敛后，求解背景网格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；
步骤六，基于步骤五中得到的ω x，通过下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背景网格，统计网格单元总量；
上式中，L min为最小网格尺度L min，L max为最大网格尺度，k为加密控制因子；
步骤七，重复步骤五、六，直到流场完全收敛，提取收敛时的后机气动力、力矩，将其作为当前编队位置下的后机气动特性，通过动态计算，完成数据仿真；
其中，在计算气动力矩时引入步骤二所更新的质心坐标。
优选的是，在步骤七中，数据仿真的动态计算过程包括：
步骤八，基于流场完全收敛时生成的网格，将流动控制方程采用k-ωSST模型对湍流进行模化、离散求解，直至当前物理时间步流场达到收敛，记录当前时刻流场结果和气动力、力矩系数；
步骤九，基于初时刻、末时刻后机相对位置和后机移动速度，计算下一物理时刻的后机位置；
步骤十，重复步骤四，完成重叠网格插值边界重新构建；
步骤十一，重复步骤八，完成当前物理时间步流场求解收敛，记录当前时刻流场结果和气动力、力矩系数；
步骤十二、重复步骤九~步骤十一，以完成动态编队飞行过程的数值仿真。
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；
所述编队队形参数包括：后机相对于前机的初始位置矢量L fmt0、最终位置矢量L fmt1、相对速度V fmt；
所述来流参数包括：马赫数M、飞行高度H。
优选的是，在步骤三中，背景网格GV1是通过选取包含前机表面网格和远场边界的空间区域，将L max作为主控网格尺度生成得到，背景网格GV1包括前机物面边界、远场边界；
后机体网格GV2是通过选取包含后机表面网格的空间区域，将L min作为主控网格尺度生成得到。
优选的是，在步骤三中，通过引入前机纵向对称面作为对称边界，以生成只包含前机半模的背景网格GV1。
本发明至少包括以下有益效果：
本发明在动态编队飞行数值仿真方法过程中，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Lmax、最小网格尺度Lmin、加密控制因子k）来进行调整，其中加密控制因子。Lmax和Lmin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。
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为图1中重叠网格自适应装配的流程示意图；
图6为图1中尾涡自适应加密的流程示意图；
图7为后机动态进入编队过程中不同时刻的翼尖涡干扰示意图；
图8为后机从不同方向进入编队过程中的升力系数变化情况；
图9为后机从不同方向进入编队过程中的滚转力矩系数变化情况。
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。
本发明专利提及的一种基于自适应重叠网格的动态编队飞行数值仿真方法及系统，能够实现以较小的计算资源模拟编队中后机大尺度运动和前、后机之前的复杂尾涡场干扰，从而满足编队飞行中后机进入/改出前机尾涡影响区动态过程的数值仿真需求，为开展动态编队飞行安全性评估和航迹验证提供了技术支撑。
具体来说，本发明的目的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（后机相对前机的初始位置矢量L fmt0、最终位置矢量L fmt1和相对速度V 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，根据前机和后机的飞行姿态角和初始时刻编队队形参数，对前机和后机表面网格进行旋转和平移变换，并更新前机和后机质心的空间坐标。
第四步、选取包含前机表面网格和远场边界的空间区域，将L max作为主控网格尺度，生成背景网格GV1，背景网格含有两个边界，分别是前机物面边界、远场边界；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，进行尺寸限制，后机体网格含有两个边界，分别是：后机物面边界GB2W、后机网格外边界GB2O。
第五步、找出与GB2O重叠的背景网格单元，判断背景网格单元尺度与GB2O面网格尺度是否匹配，若不匹配，采用二分法对背景网格加密一次；
第六步、重复第五步操作，直至背景网格单元尺度与GB2O网格尺度匹配后，将完全落在GB2O内部的背景网格单元标记为洞内点，将与GB2O重叠的背景网格单元标记为插值边界；
第七步、针对背景网格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，采用有限体积法进行数值求解（在求解过程中将步骤四中标记的洞内点进行冻结求解），对后机网格外边界与背景网格之间采用插值边界方式进行数据交互，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，计算背景网格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、根据背景网格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GV1进行重构，生成自适应加密后的背景网格，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。
本方案中，上述步骤用于计算初始条件，从第十一步开始正式动态计算。
第十一步、针对第十步生成的计算网格，将三维非定常黏性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，对后机网格外边界与背景网格之间采用插值边界方式进行数据交互，采用有限体积法进行空间离散求解，采用双时间步方法进行时间方向离散求解，直至当前物理时间步流场达到收敛，记录当前时刻流场结果和气动力、力矩系数；
第十二步、根据初末时刻后机相对位置和后机移动速度，计算下一物理时刻的后机位置；
第十三步、重复第五步、第六步操作，完成重叠网格插值边界重新构建；
第十四步、重复第十一步操作，完成当前物理时间步流场求解收敛，记录当前时刻流场结果和气动力、力矩系数；
第十五步、重复第十二步~第十四步操作，即可完成动态编队飞行过程数值仿真，其中，在计算气动力矩时引入第三步所更新的质心坐标；
进一步地，所述的第四步中，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。
进一步地，所述的第七步和第十一步中的k-ωSST模型替换为S-A模型、k-ε模型等湍流模型。
实施例
如图1-图6，针对两架Ty-154运输机标模组成的飞机编队在M=0.7飞行状态下后机进入编队动态过程开展数值仿真。
首先准备Ty-154运输机前机和后机的几何外形数模，并整理飞机关键尺寸、动态编队参数、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。
分别生成前机和后机的表面网格，并根据动态编队参数和姿态角，对表面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）的背景网格和包含后机表面网格的机体网格。网格单元形式采用笛卡尔单元以保证重叠网格边界处的拓扑一致性，从而可以提升重叠网格自适应装配的成功率。
针对背景网格和机体网格，进行重叠网格自适应装配。具体实施步骤为：找出与机体网格外边界重叠的背景网格单元，判断背景网格单元尺度与机体网格外边界面网格尺度是否匹配，若不匹配，采用二分法对背景网格加密一次，重复这一过程直至二者网格尺度匹配后，将完全落在机体网格内部的背景网格单元标记为洞内点，将与机体网格外边界重叠的背景网格单元标记为插值边界。
针对完成重叠网格自适应装配的计算网格，将三维非定常黏性Navier-Stokes方程作为流动控制方程，采用k-ω SST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，采用有限体积法进行空间离散求解。求解过程中，对后机网格外边界与背景网格之间利用标记的插值边界进行数据交互，并冻结标记为洞内点的网格单元的求解过程。迭代一定步数后，流场达到初步收敛，提取背景网格的涡量场ωx，并计算前机和后机的气动力、力矩系数。
根据背景网格涡量场结果，由公式计算自适应网格尺度L A，并对背景网格进行重构加密，针对加密后的网格，重复前一步的流场求解过程，直至前机、后机的气动力、力矩以及网格单元总量达到收敛。即可得到初始时刻的数值仿真结果。
开展动态计算，具体为：针对当前计算网格，将三维非定常黏性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，对后机网格外边界与背景网格之间采用插值边界方式进行数据交互，采用有限体积法进行空间离散求解，采用双时间步方法进行时间方向离散求解，直至当前物理时间步流场达到收敛，记录当前时刻流场结果和气动力、力矩系数。
进入下一物理时刻计算：根据初末时刻后机相对位置和后机移动速度，计算下一物理时刻的后机位置，完成重叠网格自适应装配，并重复前一步的流场求解直至收敛，记录当前时刻流场结果和气动力、力矩系数。
重复上述操作，即可完成动态编队飞行过程数值仿真。
根据记录的不同时刻流场结果，可以开展动态编队过程中涡流干扰的流动机理分析。图7中的A、B两点分别示出了经计算得到的不同物理时刻编队中前机和后机的翼尖涡干扰情况，可以看到，采用本发明的方法可以获得动态编队过程中的涡流干扰细节。
根据记录的不同时刻气动力和力矩系数，可以分析动态编队过程中的飞机动态气动特性。图8和图9分别给出了计算得到的后机从不同方向进入编队过程中升力系数和滚转力矩系数的变化情况，可以看到，采用本发明的方法可以获得动态编队过程中的动态气动特性。
本发明的一种基于自适应重叠网格的动态编队飞行数值仿真方法能够较好地解决编队飞行中飞机大尺度运动的动网格模拟问题，同时能够提升前机尾涡空间传播过程模拟精度，因此能够较准确地获取编队后机进入/改出尾涡影响区过程中的动态气动特性，具有预测精度高、计算效率高的优点。
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 (5)

1.一种基于自适应重叠网格的动态编队飞行数值仿真方法，其特征在于，在动态编队飞行数值仿真过程中，通过调整网格自适应加密参数中的最大网格尺度Lmax、最小网格尺度Lmin、加密控制因子k，以限制参与计算的网格尺寸，实现重叠网格的自适应；
所述动态编队飞行数值仿真过程之前的初始条件获取方式为：
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，基于参数指标对GS1、GS2进行旋转和平移变换，以更新前机、后机质心的空间坐标；
步骤三，基于GS1、GS2和参数指标生成对应的背景网格GV1、机体网格GV2，且GV2包括后机物面边界GB2W、后机网格外边界GB2O两个边界；
步骤四，对于与GB2O重叠的背景网格单元，判断其尺度是否与GB2O的面网格尺度相匹配，若不匹配，则采用二分法对背景网格加密一次，直至背景网格单元尺度与GB2O网格尺度匹配后，将完全落在GB2O内部的背景网格单元标记为洞内点，将与GB2O重叠的背景网格单元标记为插值边界；
步骤五，针对背景网格GV1和后机网格GV2，采用流动控制方程进行数值求解，且在求解过程中将步骤四中标记的洞内点进行冻结求解，并基于插值边界进行两套网格之间的数据交互；
在迭代一定步数使流场达到初步收敛后，求解背景网格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；
步骤六，基于步骤五中得到的ω x，通过下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背景网格，统计网格单元总量；
上式中，L min为最小网格尺度L min，L max为最大网格尺度，k为加密控制因子；
步骤七，重复步骤五、六，直到流场完全收敛，提取收敛时的后机气动力、力矩，将其作为当前编队位置下的后机气动特性，通过动态计算，完成数据仿真；
其中，在计算气动力矩时引入步骤二所更新的质心坐标。
2.如权利要求1所述的基于自适应重叠网格的动态编队飞行数值仿真方法，其特征在于，在步骤七中，数据仿真的动态计算过程包括：
步骤八，基于流场完全收敛时生成的网格，将流动控制方程采用k-ω SST模型对湍流进行模化、离散求解，直至当前物理时间步流场达到收敛，记录当前时刻流场结果和气动力、力矩系数；
步骤九，基于初时刻、末时刻后机相对位置和后机移动速度，计算下一物理时刻的后机位置；
步骤十，重复步骤四，完成重叠网格插值边界重新构建；
步骤十一，重复步骤八，完成当前物理时间步流场求解收敛，记录当前时刻流场结果和气动力、力矩系数；
步骤十二、重复步骤九~步骤十一，以完成动态编队飞行过程的数值仿真。
3.如权利要求1所述的基于自适应重叠网格的动态编队飞行数值仿真方法，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；
所述编队队形参数包括：后机相对于前机的初始位置矢量L fmt0、最终位置矢量L fmt1、相对速度V fmt；
所述来流参数包括：马赫数M、飞行高度H。
4.如权利要求1所述的基于自适应重叠网格的动态编队飞行数值仿真方法，其特征在于，在步骤三中，背景网格GV1是通过选取包含前机表面网格和远场边界的空间区域，将L max作为主控网格尺度生成得到，背景网格GV1包括前机物面边界、远场边界；
后机体网格GV2是通过选取包含后机表面网格的空间区域，将L min作为主控网格尺度生成得到。
5.如权利要求1所述的基于自适应重叠网格的动态编队飞行数值仿真方法，其特征在于，在步骤三中，通过引入前机纵向对称面作为对称边界，以生成只包含前机半模的背景网格GV1。
CN202311535427.7A 2023-11-17 2023-11-17 基于自适应重叠网格的动态编队飞行数值仿真方法 Active CN117272870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311535427.7A CN117272870B (zh) 2023-11-17 2023-11-17 基于自适应重叠网格的动态编队飞行数值仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311535427.7A CN117272870B (zh) 2023-11-17 2023-11-17 基于自适应重叠网格的动态编队飞行数值仿真方法

Publications (2)

Publication Number Publication Date
CN117272870A CN117272870A (zh) 2023-12-22
CN117272870B true CN117272870B (zh) 2024-01-26

Family

ID=89214601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311535427.7A Active CN117272870B (zh) 2023-11-17 2023-11-17 基于自适应重叠网格的动态编队飞行数值仿真方法

Country Status (1)

Country Link
CN (1) CN117272870B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252129B (zh) * 2023-11-17 2024-02-20 中国空气动力研究与发展中心高速空气动力研究所 参数化的编队飞行气动干扰快速预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN115270644A (zh) * 2022-09-30 2022-11-01 武汉理工大学 一种智能船舶节能航行编队方法、电子设备和存储介质
CN115828433A (zh) * 2022-12-12 2023-03-21 中国电子科技集团公司第五十四研究所 一种基于FlightGear的直升机编队飞行仿真方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN115270644A (zh) * 2022-09-30 2022-11-01 武汉理工大学 一种智能船舶节能航行编队方法、电子设备和存储介质
CN115828433A (zh) * 2022-12-12 2023-03-21 中国电子科技集团公司第五十四研究所 一种基于FlightGear的直升机编队飞行仿真方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Experimental and computational investigation of hybrid formation flight for aerodynamic gain at transonic speed;Tao, Y等;《CHINESE JOURNAL OF AERONAUTICS》;32-43 *
Numerical study of tandem flapping wing aerodynamics in both two and three dimensions;Broering, TM等;《COMPUTERS & FLUIDS》;124-139 *
鱼群行为的并行数值模拟关键技术研究;李超;《中国博士学位论文全文数据库》(第2期);1-147 *

Also Published As

Publication number Publication date
CN117272870A (zh) 2023-12-22

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
CN117272870B (zh) 基于自适应重叠网格的动态编队飞行数值仿真方法
CN109614633A (zh) 一种复合式旋翼飞行器非线性建模方法及配平方法
He et al. Improved particle swarm optimization algorithms for aerodynamic shape optimization of high-speed train
Sasaki et al. Aerodynamic optimization of an over-the-wing-nacelle-mount configuration
Wang et al. Multi-body separation simulation with an improved general mesh deformation method
CN113569360B (zh) 一种风力机叶片抗颤振翼型簇设计方法
Veldman A simple interaction law for viscous–inviscid interaction
Yanhui et al. Performance improvement of optimization solutions by POD-based data mining
CN111563299A (zh) 一种旋翼噪声确定方法及系统
CN114168796A (zh) 一种建立飞行器高空气动力数据库的方法
Alvarez Reformulated vortex particle method and meshless large eddy simulation of multirotor aircraft
CN115774968A (zh) 基于递归分解的曲面网格生成方法及系统、计算机设备
Li et al. A generative deep learning approach for real-time prediction of hypersonic vehicles in fluid-thermo-structural coupling fields
Li et al. Deep learning-based surrogate model for flight load analysis
Murman et al. A vortex wake capturing method for potential flow calculations
CN117252129B (zh) 参数化的编队飞行气动干扰快速预测方法
Lei et al. Modified Kalman particle swarm optimization: Application for trim problem of very flexible aircraft
Sasaki et al. Navier-Stokes optimization of supersonic wings with four design objectives using evolutionary algorithm
CN108804791A (zh) 一种适用于埋入式进气道布局的飞行器参数化方法
Zhang et al. A general shape optimization method based on FFD approach with application to a high-speed train
Jung Hamiltonian paths and strands for unified grid approach for computing aerodynamic flows
CN107944201B (zh) 一种固定翼飞行器的快速建模方法
Smith et al. A geometry projection method for the design exploration of wing-box structures
Luo et al. Strongly coupled fluid–structure interaction analysis of aquatic flapping wings based on flexible multibody dynamics and the modified unsteady vortex lattice method

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