JP2021509211A - ランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法 - Google Patents
ランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法 Download PDFInfo
- Publication number
- JP2021509211A JP2021509211A JP2020537196A JP2020537196A JP2021509211A JP 2021509211 A JP2021509211 A JP 2021509211A JP 2020537196 A JP2020537196 A JP 2020537196A JP 2020537196 A JP2020537196 A JP 2020537196A JP 2021509211 A JP2021509211 A JP 2021509211A
- Authority
- JP
- Japan
- Prior art keywords
- random
- blade
- rigidity
- airfoil
- displacement
- 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
Links
- 238000013461 design Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000006073 displacement reaction Methods 0.000 claims abstract description 54
- 239000000463 material Substances 0.000 claims abstract description 46
- 239000013598 vector Substances 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 4
- 238000010353 genetic engineering Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009916 joint effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- UJCHIZDEQZMODR-BYPYZUCNSA-N (2r)-2-acetamido-3-sulfanylpropanamide Chemical compound CC(=O)N[C@@H](CS)C(N)=O UJCHIZDEQZMODR-BYPYZUCNSA-N 0.000 description 2
- 241001669680 Dormitator maculatus Species 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000282806 Rhinoceros Species 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001970 hydrokinetic effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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
- G06F2119/06—Power analysis or power 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/30—Energy from the sea, e.g. using wave energy or salinity gradient
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Fluid Mechanics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
(1)ブレードの翼型のパラメータ化であって、翼型の設計規則に従ってブレードの設計変数及びその取り得る値の範囲を確定する。
(2)ランダムフィールドを用いて空間関連不確実性を考慮したブレードの材料属性及び外部荷重を記述して、ブレードの高剛性の需要に応じてブレードの翼型の最適化設計の目的関数及び制約関数の表現式を構築し、ブレードの高剛性の設計モデルを作成し:
は、複数のブレード設計変数から構成されたベクトルであり、
は、ランダムフィールドベクトルであり、その2つの成分
と
は、それぞれ空間関連不確実性のあるブレードの材料属性及び外部荷重のランダムフィールドであり、
はランダムフィールドにおけるサンプルセットであり、
は、ブレードの剛性を表す目的関数であり、
は、ランダムな材料属性とランダムな外部荷重との共同作用でのブレードのランダム法線変位であり、
と
は、それぞれブレードのランダム法線変位の平均値と標準偏差であり、
は、ブレードの翼型の最大揚抗比であり、且つ
とは関係なく、
は、ブレードの初期翼型の最大揚抗比であり、
と
は
の取り得る値の下限と上限である。
(3)ランダムアイソジオメトリック解析方法を適用して、ランダムな材料属性とランダムな外部荷重との共同作用でのブレードランダム法線変位が算出され、ブレードの剛性を表すために用いられ、さらにブレードの高剛性の設計モデルの最適解を算出して、最適化されたブレードの翼型を得る。
(3.1)初期集団を生成し、進化代数k=0に設定し;
(3.2)ランダムアイソジオメトリック解析方法を適用して、現世代の集団における各個体に対応するブレードのランダム法線変位を計算し;
(3.3)現世代の集団における各個体に対応するブレードの翼型の最大揚抗比を計算し;
(3.4)ブレードのランダム法線変位及び翼型の最大揚抗比に基づいて、ブレードの高剛性の設計モデルにおける目的関数と制約関数値を計算することで、現世代の集団における全ての個体の適応度を得て;
(3.5)適応度に従って、現世代の集団における全ての個体を並べ替え;
(3.6)最大進化代数に達しているかどうかを判断し、達している場合、最適解を導き出し、達していない場合、選択、交叉及び突然変異などの遺伝的操作を行い、新しい集団を生成し、進化代数k=k+1に設定して、ステップ(3.2)に戻り;
(3.7)最適解からブレードの最適翼型の設計変数を得る。
(a)ブレードのTスプラインのパラメータ化3次元モデルを作成し、境界条件を設定するステップ。
(b)ブレードの材料属性及び外部荷重のランダムフィールドを離散化するステップであって、具体的に、
(b.1)ランダムフィールドの共分散関数をスペクトル分解し、第2種Fredholm積分方程式を得るサブステップと、
(b.2)Tスプライン基底関数を適用してランダムフィールドの共分散関数の特徴関数を表して、ランダムフィールドの共分散関数のTスプライン基底関数表現式を得るサブステップと、
(b.3)ガラーキン法を用いて第2種Fredholm積分方程式を解き、ランダムフィールドの共分散関数の一連の特徴値及び(b.2)の表現式の未決定係数の値を求めるサブステップと、
(b.4)Karhunen−Loe´ve展開を適用して、ブレードの材料属性及び外部荷重のランダムフィールドの離散型表現式を得て、ランダムフィールドをランダム変数、係数及びTスプライン基底関数の積に離散化するサブステップと、
(b.5)実際の状況に応じてKarhunen−Loe´ve展開の保留項数を確定するサブステップと、
(b.6)ランダム剛性マトリックス、及び材料属性のランダムフィールドの平均値での剛性マトリックスを算出し、ランダム荷重ベクトル、及び外部荷重のランダムフィールドの平均値での荷重ベクトルを算出するサブステップと、を含むステップ。
(c)ブレードのランダム法線変位を離散化するステップであって、具体的に、
(c.1)ブレードのシステム方程式のランダムKrylov部分空間を作成するサブステップと、
(c.2)部分空間の複雑さを低減するために、材料属性のランダムフィールドの平均値での剛性マトリックスの逆マトリックスを複雑さ低減係数として用い、システム方程式の左右両側にそれぞれ複雑さ低減係数を乗算することで、ランダムKrylov部分空間に対する前処理を実施するサブステップと、
(c.3)ブレードの材料属性のランダムフィールド及び外部荷重のランダムフィールドがいずれも平均値にあるときのブレード変位を算出するサブステップと、
(c.4)ランダムKrylov部分空間の基底ベクトルを計算し、基底ベクトルを適用してブレードのランダム法線変位を離散化して、ブレードの変位表現式を得るサブステップと、
(c.5)実際の状況に応じて、ランダムKrylov部分空間の基底ベクトルの離散スキームの保留項数を確定するサブステップと、
(c.6)ランダムKrylov部分空間の基底ベクトルの離散スキームの誤差を計算するサブステップと、
(c.7)ボブノフガラーキン(Bubnov−Galerkin)条件を加えて誤差を最小化することによって、ランダムKrylov部分空間の基底ベクトルの離散スキームの精度を保証し、次にボブノフガラーキン条件の弱形式又は強形式に従って、(c.4)表現式における未決定係数ベクトルを算出するサブステップと、
(c.8)ブレードのランダム法線変位を得るサブステップと、を含むステップ。
の計算式は、以下の通りであり、
は、係数ベクトルであり、
は、ブレードの材料属性及び外部荷重のランダムフィールドがいずれも平均値にあるときのブレード変位であり、
は、ブレードの材料属性のランダムフィールドの平均値であり、
と
は、それぞれブレードの材料属性及び外部荷重のランダムフィールドのKarhunen−Loe´ve展開が適用された保留項数であり、
は、複雑さ低減係数であり、
は、ランダム剛性マトリックスであり、
は、ランダム荷重ベクトルであり、mは、ランダムKrylov部分空間の基底ベクトルの離散スキームの保留項数であり、
と
は、それぞれ互いに関連しないガウスランダム変数である。
(1)翼型のパラメータ化であって、翼型の設計規則に従ってブレードの初期翼型と設計変数及びその取り得る値の範囲を確定する。
が必要であり、それぞれの制御点はX、Yの2つの座標パラメータを有するが、いくつかの点は、同じX又はY座標を有し、例えば、点P3、P4及びP5は、同じY座標を有し、P6、P7及びP9は、同じX座標を有し、P9、P10及びP11は、同じY座標を有する。従って、最終的な翼型構造パラメータは17個であり、即ち、設計変数は17個である。これらの変数の取り得る値の範囲は表2に示され、ここで、Xi|oriとYi|ori(
)は、それぞれ初期翼型の制御点PiのX座標とY座標値である。
は複数のブレード設計変数から構成されたベクトルであり、
と
は
の取り得る値の下限と上限であり、表2に示される通りであり、
は、ブレード材料のヤング率
及び海流荷重
のランダム性を表すランダムフィールドベクトルであり、
はランダムフィールドにおけるサンプルセットであり、
ブレードのヤング率の平均値は、
であり、標準偏差は、
であり、共分散関数は、指数型であり、
はそれぞれ、X軸、Y軸及びZ軸方向におけるブレードの相関長さであり、
ブレードの受ける海流荷重の平均値は、
であり、標準偏差は、
であり、共分散関数は、指数型であり、
はそれぞれ、X軸、Y軸及びZ軸方向におけるブレードの相関長さであり、
は、ブレードの剛性を表す目的関数であり、
と
は、それぞれブレードのランダム法線変位の平均値と標準偏差であり、
は、ブレードの翼型の最大揚抗比を表す制約関数であり、
は、初期翼型の最大揚抗比であり、Xfoilソフトウェアによる解析結果から、その値は、106.1である。
(3.2)ランダムアイソジオメトリック解析方法を適用し、現世代の集団における各個体の対応するブレードのランダム法線変位を計算し;
(3.2.1)図3に示されるように、Rhinocerosを使用してブレードのTスプラインの3次元パラメータ化モデルを作成する。MATLABに取り込み、境界条件を設定する。
(3.2.2.1)ランダムフィールド共分散関数のTスプライン基底関数の表現形式
ランダムフィールドの共分散関数に対してスペクトル分解を行い、共分散関数をその特徴値及び対応する特徴関数で表現する。Tスプライン基底関数は、ヒルベルト空間における1組の完全な基底であるため、特徴関数は、Tスプライン基底関数を適用して表すことができる。Tスプライン基底関数が適用されたランダムフィールド共分散関数の表現形式には、未決定係数があり、さらに求める必要がある。
ブレードの材料属性及び外部荷重のランダムフィールドの共分散関数の特徴値及び特徴関数は、第2種Fredholm積分方程式により求めることができるが、当該方程式では、いくつかの簡単なランダムフィールドモデルの場合にのみ解析的に解くことができ、他の場合は、ガラーキン法を適用して数値解を求めることができる。ガラーキン法を適用するには、打ち切り誤差がTスプライン基底関数の展開空間に直交する必要があり、当該方法は、最終的に一般化の特徴値に関する問題になり、当該方程式を解くことで、特徴値とステップ(3.2.2.1)における未決定係数を得ることができる。ブレードの材料属性及び外部荷重のランダムフィールドの共分散関数の特徴値の計算結果は表3に示される。
Karhunen−Loe´ve展開を適用してブレードの材料属性及び外部荷重のランダムフィールドの離散型表現式を得て、ランダムフィールドをランダム変数、係数及びTスプライン基底関数の積に離散化することで、ランダムフィールドの処理問題をランダム変数の処理問題に簡略化する。
本例では、適当な計算により正確な結果が得られるように、Karhunen−Loe´ve展開を使用してランダムフィールドを表す場合に4項を保留する。
(3.2.3.1)ブレードのシステムバランス方程式のランダムKrylov部分空間を作成し;
(3.2.3.2)材料属性のランダムフィールドの平均値での剛性マトリックスの逆マトリックスを複雑さ低減係数として用い、システムバランス方程式の左右両側にそれぞれ複雑さ低減係数を乗算することで、ランダムKrylov部分空間に対する前処理を実施し;
ランダムKrylov部分空間の基底ベクトルの数は、システム剛性マトリックスの異なる特徴値の数に依存し、ランダムフィールド平均値での剛性マトリックスの逆マトリックスの有する異なる特徴値の数が少なく、且つ小さいランダム性を有するため、それを複雑さ低減係数とし、システム剛性マトリックスを少ない異なる特徴値の数を有するマトリックスに変換することで、部分空間の複雑さを大幅に低下させ、数の少ない基底ベクトルを用いれば、高い計算精度を得ることができる。
(3.2.3.4)ランダムKrylov部分空間の基底ベクトルを計算し、基底ベクトルを適用してブレードのランダム変位を離散化し、ブレードの変位表現式を得て、当該表現式における未決定係数は、さらに求める必要がある。
本例では、ランダムKrylov部分空間の基底ベクトルの離散スキームを用いてブレードのランダム変位を表す場合、3つの基底ベクトルを使用するため、適当な計算により正確な結果を得ることができる。
(3.2.3.7)誤差が最小になるように、ボブノフガラーキン(Bubnov−Galerkin)条件を加え、
ボブノフガラーキン条件を加えることで、誤差を最小化することができ、ランダムKrylov部分空間の基底ベクトルの離散スキームの精度を保証する。ボブノフガラーキン条件によれば、誤差が前処理されたKrylov部分空間の基底ベクトルに直交する必要があり、これにより、ステップ(3.2.3.4)における未決定係数を算出することができ;
(3.2.3.8)ブレードのランダム変位を得て、その法線変位の平均値及び標準偏差は図4に示される。
(3.4)ブレードのランダム法線変位及び翼型の最大揚抗比に基づいて、ブレードの高剛性の設計モデルにおける目的関数及び制約関数値を計算して、現世代の集団における全ての個体の適応度を得て;
(3.5)適応度に従って、現世代の集団における全ての個体を並べ替え;
(3.6)最大進化代数に達しているかどうかを判断し、達している場合、最適解を導き出し、達していない場合、選択、交叉及び突然変異などの遺伝的操作を行い、新しい集団を生成し、進化代数k=k+1に設定して、ステップ(3.2)に戻る。
Claims (4)
- ランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法であって、
(1)ブレードの翼型のパラメータ化であって、翼型の設計規則に従ってブレードの設計変数及びその取り得る値の範囲を確定するステップと、
(2)ランダムフィールドを用いて空間関連不確実性を考慮したブレードの材料属性及び外部荷重を記述して、ブレードの高剛性の設計需要に応じてブレードの翼型の最適化設計の目的関数及び制約関数の表現式を構築し、ブレードの高剛性の設計モデルを作成し:
は、複数のブレード設計変数から構成されたベクトルであり、
は、ランダムフィールドベクトルであり、その2つの成分
と
は、それぞれ空間関連不確実性のあるブレードの材料属性及び外部荷重のランダムフィールドであり、
はランダムフィールドにおけるサンプルセットであり、
は、ブレードの剛性を表す目的関数であり、
は、ランダム材料属性とランダム外部荷重との共同作用下でのブレードのランダム法線変位であり、
と
は、それぞれブレードのランダム法線変位の平均値と標準偏差であり、
は、ブレードの翼型の最大揚抗比であり、且つ
と関係しないものであり、
は、ブレードの初期翼型の最大揚抗比であり、
と
は
の取り得る値の下限と上限であるステップと、
(3)ランダムアイソジオメトリック解析方法を適用して、ランダム材料属性とランダム外部荷重との共同作用下でのブレードランダム法線変位が算出され、高剛性の設計モデルにおけるブレードの剛性を表すために用いられ、さらにブレードの高剛性の設計モデルの最適解を算出して、最適化されたブレードの翼型を得るステップと、を含む、
ことを特徴とするランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法。 - ステップ(3)では、遺伝的アルゴリズムを用いてブレードの高剛性の設計モデルの最適解が求められ、具体的に、
(3.1)初期集団を生成し、進化代数k=0に設定するサブステップと、
(3.2)ランダムアイソジオメトリック解析方法を適用して、現世代の集団における各個体に対応するブレードのランダム法線変位を計算するサブステップと、
(3.3)現世代の集団における各個体に対応するブレードの翼型の最大揚抗比を計算するサブステップと、
(3.4)ブレードのランダム法線変位及び翼型の最大揚抗比に基づいて、ブレードの高剛性の設計モデルにおける目的関数と制約関数値を計算することで、現世代の集団における全ての個体の適応度を得るサブステップと、
(3.5)適応度に従って、現世代の集団における全ての個体を並べ替えるサブステップと、
(3.6)最大進化代数に達しているかどうかを判断し、達している場合、最適解を導き出し、達していない場合、選択、交叉及び突然変異の遺伝的操作を行い、新しい集団を生成し、進化代数k=k+1に設定して、ステップ(3.2)に戻るサブステップと、
(3.7)最適解からブレードの最適翼型の設計変数値を得るサブステップと、を含む、
ことを特徴とする請求項1に記載のランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法。 - ステップ(3.2)では、ランダムアイソジオメトリック解析方法を用いて、ブレード材料及び外部荷重の空間関連ランダム不確実性を考慮したブレードのランダム法線変位が計算され、
(a)ブレードのTスプラインのパラメータ化3次元モデルを作成し、境界条件を設定するステップと、
(b)ブレードの材料属性及び外部荷重のランダムフィールドを離散化するステップであって、具体的に
(b.1)ランダムフィールドの共分散関数をスペクトル分解し、第2種Fredholm積分方程式を得るサブステップと、
(b.2)Tスプライン基底関数を適用してランダムフィールドの共分散関数の特徴関数を表して、ランダムフィールドの共分散関数のTスプライン基底関数表現式を得るサブステップと、
(b.3)ガラーキン法を適用して第2種Fredholm積分方程式を解き、ランダムフィールドの共分散関数の一連の特徴値及び(b.2)の表現式の未決定係数の値を求めるサブステップと、
(b.4)Karhunen−Loe´ve展開を適用して、ブレードの材料属性及び外部荷重のランダムフィールドの離散型表現式を得て、ランダムフィールドをランダム変数、係数及びTスプライン基底関数の積に離散化するサブステップと、
(b.5)実際の状況に応じてKarhunen−Loe´ve展開の保留項数を確定するサブステップと、
(b.6)ランダム剛性マトリックス、及び材料属性のランダムフィールドの平均値での剛性マトリックスを算出して、ランダム荷重ベクトル、及び外部荷重のランダムフィールドの平均値での荷重ベクトルを算出するサブステップと、を含むステップと、
(c)ブレードのランダム法線変位を離散化するステップであって、具体的に、
(c.1)ブレードのシステムバランス方程式のランダムKrylov部分空間を作成するサブステップと、
(c.2)部分空間の複雑さを低減するために、材料属性のランダムフィールドの平均値での剛性マトリックスの逆マトリックスを複雑さ低減係数として用いて、システムバランス方程式の左右両側にそれぞれ複雑さ低減係数を乗算することで、ランダムKrylov部分空間に対する前処理を実施するサブステップと、
(c.3)ブレードの材料属性のランダムフィールド及び外部荷重のランダムフィールドがいずれも平均値にあるときのブレード変位を算出するサブステップと、
(c.4)ランダムKrylov部分空間の基底ベクトルを計算し、基底ベクトルを適用してブレードのランダム法線変位を離散化して、ブレードの変位表現式を得るサブステップと、
(c.5)実際の状況に応じて、ランダムKrylov部分空間の基底ベクトルの離散スキームの保留項数を確定するサブステップと、
(c.6)ランダムKrylov部分空間の基底ベクトルの離散スキームの誤差を計算するサブステップと、
(c.7)ボブノフガラーキン条件を加えて誤差を最小化し、ランダムKrylov部分空間の基底ベクトルの離散スキームの精度を保証し、ボブノフガラーキン条件の弱形式又は強形式に従って、(c.4)表現式における未決定係数ベクトルを算出するサブステップと、
(c.8)ブレードのランダム法線変位を得るサブステップと、を含むステップと、を含む、
ことを特徴とする請求項2に記載のランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法。 - ランダムKrylov部分空間の基底ベクトルに基づいて離散化されるランダム法線変位
の計算式は、以下の通りであり、
は、係数ベクトルであり、
は、ブレードの材料属性及び外部荷重のランダムフィールドがいずれも平均値にあるときのブレード変位であり、
は、ブレードの材料属性のランダムフィールドの平均値であり、
と
は、それぞれブレードの材料属性及び外部荷重のランダムフィールドのKarhunen−Loe´ve展開が適用された保留項数であり、
は、複雑さ低減係数であり、
は、ランダム剛性マトリックスであり、
は、ランダム荷重ベクトルであり、mは、ランダムKrylov部分空間の基底ベクトルの離散スキームの保留項数であり、
と
は、それぞれ互いに関連しないガウスランダム変数である、
ことを特徴とする請求項3に記載のランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811615070.2 | 2018-12-27 | ||
CN201811615070.2A CN109766604B (zh) | 2018-12-27 | 2018-12-27 | 一种基于随机等几何分析的叶片高刚度设计方法 |
PCT/CN2019/111694 WO2020134388A1 (zh) | 2018-12-27 | 2019-10-17 | 一种基于随机等几何分析的叶片高刚度设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6832475B1 JP6832475B1 (ja) | 2021-02-24 |
JP2021509211A true JP2021509211A (ja) | 2021-03-18 |
Family
ID=66451098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020537196A Active JP6832475B1 (ja) | 2018-12-27 | 2019-10-17 | ランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11977823B2 (ja) |
JP (1) | JP6832475B1 (ja) |
CN (1) | CN109766604B (ja) |
WO (1) | WO2020134388A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766604B (zh) * | 2018-12-27 | 2020-10-16 | 浙江大学 | 一种基于随机等几何分析的叶片高刚度设计方法 |
CN110781618B (zh) * | 2019-09-10 | 2021-04-06 | 浙江大学 | 基于曲折闪电打击与疲劳损伤的风机叶片优化设计方法 |
CN111832102B (zh) * | 2020-06-19 | 2024-02-06 | 浙江大学 | 一种高维随机场条件下的新型复合材料结构优化设计方法 |
CN111832211B (zh) * | 2020-07-27 | 2023-07-07 | 内蒙古工业大学 | 一种复合纤维风力机叶片的刚度优化方法 |
CN111967198B (zh) * | 2020-09-11 | 2023-12-12 | 浙江大学 | 一种新型复合材料结构高承载力轻量化设计方法 |
CN112949188B (zh) * | 2021-03-05 | 2022-11-18 | 中国海洋大学 | 一种波浪能装置参数配置的寻优系统及方法 |
CN115017653A (zh) * | 2022-07-08 | 2022-09-06 | 北京科技大学 | 基于等几何设计/分析/制造框架的设计方法 |
CN117436344B (zh) * | 2023-11-10 | 2024-07-02 | 沈阳工业大学 | 一种基于参数化描述的风力机叶片结构优化设计方法 |
CN117236231B (zh) * | 2023-11-14 | 2024-07-02 | 西北工业大学 | 融合工况与几何不确定性的翼型梯度优化设计方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4557397B2 (ja) * | 2000-09-05 | 2010-10-06 | 本田技研工業株式会社 | 翼形状設計方法および情報媒体 |
EP2181410A4 (en) * | 2007-07-19 | 2010-07-07 | Univ Texas | METHOD AND SYSTEM FOR PERFORMING ISOGEOMETRIC ANALYSIS BASED ON T-SPLINE |
US20120310604A1 (en) * | 2011-04-08 | 2012-12-06 | Yuri Bazilevs | Three-dimensional geometric design, analysis, and optimization of shell structures |
CN102322407B (zh) * | 2011-08-30 | 2013-06-12 | 重庆大学 | 风力机叶片气动外形协同设计方法 |
CN102629291B (zh) * | 2012-03-21 | 2013-06-05 | 西北工业大学 | 带孔结构和带组件结构的分析设计方法 |
CN103514308B (zh) * | 2012-06-20 | 2017-03-29 | 华锐风电科技(集团)股份有限公司 | 设计风力发电机叶片的方法和装置 |
CN102817794B (zh) * | 2012-08-24 | 2014-07-23 | 中国人民解放军国防科学技术大学 | 可加长大型复合材料风电叶片 |
CN103321853B (zh) * | 2013-04-12 | 2016-03-02 | 太原科技大学 | 利用复合阻尼结构的风力机叶片抑颤方法 |
CN104331534B (zh) * | 2014-09-18 | 2017-06-23 | 杭州电子科技大学 | Cad模型中局部误差驱动的等几何分析计算域优化方法 |
CN105736462B (zh) * | 2014-12-12 | 2018-03-06 | 中国航发商用航空发动机有限责任公司 | 空心叶片以及航空发动机 |
US10346554B2 (en) * | 2015-03-16 | 2019-07-09 | Wisconsin Alumni Research Foundation | System and method for isogeometric analysis |
US10102319B2 (en) * | 2015-07-17 | 2018-10-16 | Board Of Trustees Of Michigan State University | Electromagnetic scattering analysis module using subdivision based isogeometric analysis |
CN106384384B (zh) * | 2016-09-18 | 2020-05-05 | 上海理工大学 | 一种三维产品模型的形状优化方法 |
CN106640516A (zh) * | 2016-10-28 | 2017-05-10 | 华北电力大学 | 中型变速风电机组及低风速叶片优化设计 |
CN107526898B (zh) * | 2017-09-13 | 2019-12-27 | 大连理工大学 | 变刚度复合材料板壳结构建模分析与可靠度优化设计方法 |
CN107908914B (zh) * | 2017-12-23 | 2020-05-22 | 西安交通大学 | 离心压缩机闭式叶轮可加工性判断及中间截面的计算方法 |
CN109766604B (zh) * | 2018-12-27 | 2020-10-16 | 浙江大学 | 一种基于随机等几何分析的叶片高刚度设计方法 |
-
2018
- 2018-12-27 CN CN201811615070.2A patent/CN109766604B/zh active Active
-
2019
- 2019-10-17 WO PCT/CN2019/111694 patent/WO2020134388A1/zh active Application Filing
- 2019-10-17 JP JP2020537196A patent/JP6832475B1/ja active Active
-
2021
- 2021-03-23 US US17/209,260 patent/US11977823B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20210232722A1 (en) | 2021-07-29 |
JP6832475B1 (ja) | 2021-02-24 |
US11977823B2 (en) | 2024-05-07 |
CN109766604A (zh) | 2019-05-17 |
WO2020134388A1 (zh) | 2020-07-02 |
CN109766604B (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6832475B1 (ja) | ランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法 | |
CN105843073B (zh) | 一种基于气动力不确定降阶的机翼结构气动弹性稳定性分析方法 | |
US8600534B2 (en) | Method of designing a structure | |
CN109460566A (zh) | 一种风力机叶片内侧厚翼型的气动稳健优化设计方法 | |
Fu et al. | Automated manufacturing planning approach based on volume decomposition and graph-grammars | |
Joo et al. | Enhancement of coherency identification techniques for power system dynamic equivalents | |
Selvan | On the effect of shape parameterization on aerofoil shape optimization | |
Díaz-Casás et al. | Wind turbine design through evolutionary algorithms based on surrogate CFD methods | |
Ghassemi et al. | Adaptive model refinement with batch bayesian sampling for optimization of bio-inspired flow tailoring | |
CN102254184A (zh) | 一种多物理域特征信息融合方法 | |
Bourguet et al. | Aerodynamic multi-criteria shape optimization of VAWT blade profile by viscous approach | |
Hoyos et al. | Airfoil shape optimization: Comparative study of meta-heuristic algorithms, airfoil parameterization methods and reynolds number impact | |
Bataineh et al. | Artificial neural network-based prediction of human posture | |
Mosavi | Multiobjective Optimization of Spline Curves Using Mode Frontier | |
Leung et al. | A PARAMETRIC DESIGN FRAMEWORK FOR A SPATIAL STRUCTURE OF OPEN SPACE DESIGN IN EARLY DESIGN STAGES | |
Wu et al. | Adjoint-based optimization for blended-wing-body underwater gliders' shape design | |
Lee et al. | Advanced computational intelligence system for inverse aeronautical design optimisation | |
Gong et al. | Sampling schemes for history matching using subset simulation | |
Xiukai et al. | Support Vector Machine response surface method based on fast Markov chain simulation | |
Sophocleous-Lemonari et al. | The case of an adaptable rationalization and structural dual generative and parametric analysis that may synchronously control the deformation of the Sydney Opera House system | |
Batay et al. | Adjoint-Based High Fidelity Concurrent Aerodynamic Design Optimization of Wind Turbine | |
King et al. | Adjoint optimization of wind plant layouts | |
Baca Bernabe | Optimization of a H-Darrieus turbine through parametric geometry based on Joukowsky transformation for low-TSR operational ranges | |
Sartori et al. | Integration of Airfoil Design during the design of new blades | |
Patel et al. | Automated Synthesis of Sheet Metal Parts by Optimizing a Fabrication Based Graph Topology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200703 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200727 |
|
TRDD | Decision of grant or rejection written | ||
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210114 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6832475 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |