JP7092421B2 - ヘリコプター回転翼の翼型の決定方法及びシステム - Google Patents
ヘリコプター回転翼の翼型の決定方法及びシステム Download PDFInfo
- Publication number
- JP7092421B2 JP7092421B2 JP2021525694A JP2021525694A JP7092421B2 JP 7092421 B2 JP7092421 B2 JP 7092421B2 JP 2021525694 A JP2021525694 A JP 2021525694A JP 2021525694 A JP2021525694 A JP 2021525694A JP 7092421 B2 JP7092421 B2 JP 7092421B2
- Authority
- JP
- Japan
- Prior art keywords
- airfoil
- coefficient
- population
- current generation
- mapping relationship
- 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
Links
Images
Classifications
-
- 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
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/32—Rotors
- B64C27/46—Blades
- B64C27/467—Aerodynamic features
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- 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
- G06F2111/10—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
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)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Mechanical Engineering (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Turbine Rotor Nozzle Sealing (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Description
本出願は2019年10月24日に中国特許庁に提出され、出願番号201911017404.0、発明の名称「ヘリコプター回転翼の翼型の決定方法及びシステム」の中国特許出願の優先権を要求し、そのすべての内容は参照により本出願に組み込まれる。
ラテンハイパーキューブサンプリング法を使用して、翼型サンプルポイントをランダムに生成するステップと、
前記翼型サンプルポイントに基づいて、クラス形状変換法を使用して、翼型の上下翼面の特性方程式を決定するステップと、
前記上下翼面の特性方程式に従って、計算流体力学法を使用して前記翼型の動的特性をシミュレートし、揚力係数、抗力係数、モーメント係数が含まれる、前記翼型の流れ場特性を取得するステップと、
Krigingモデルを使用して、前記翼型のサンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、最大尤度推定方法と期待値基準を使用して、前記マッピング関係をトレーニングし、トレーニング済みのマッピング関係を取得するステップと、
前記トレーニング済みのマッピング関係に従って、NSGA-IIアルゴリズムを使用して最適な翼型サンプルポイント(前記最適な翼型サンプルポイントは、最適な流れ場特性に対応する翼型サンプルポイントで、前記最適な流れ場特性には、最適な揚力係数、最適な抗力係数、および最適なモーメント係数が含まれる)を決定するステップと、
前記最適な翼型サンプルポイントから回転翼の翼型を決定するステップと、を含む。
ラテンハイパーキューブサンプリング法を使用して、翼型サンプルポイントをランダムに生成するために用いられるサンプルポイント生成モジュールと、
モジュールは、前記翼型のサンプルポイントに基づいて、クラス形状変換法を使用して、翼型の上下翼面の特性方程式を決定するために用いられる翼面方程式決定モジュールと、
前記上下翼面の特性方程式に従って、計算流体力学法を使用して前記翼型の動的特性をシミュレートし、揚力係数、抗力係数、モーメント係数が含まれる、前記翼型の流れ場特性を取得するために用いられる流れ場特性計算モジュールと、
Krigingモデルを使用して、前記翼型のサンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、最大尤度推定方法と期待値基準を使用して、前記マッピング関係をトレーニングし、トレーニング済みのマッピング関係を取得するために用いられるマッピング関係計算モジュールと、
前記トレーニング済みのマッピング関係に従って、NSGA-IIアルゴリズムを使用して最適な翼型サンプルポイント(前記最適な翼型サンプルポイントは、最適な流れ場特性に対応する翼型サンプルポイントで、前記最適な流れ場特性には、最適な揚力係数、最適な抗力係数、および最適なモーメント係数が含まれる)を決定するために用いられる多目的最適化モジュールと、
前記最適な翼型サンプルポイントから回転翼の翼型を決定するために用いられる翼型決定モジュールと、を含む。
ラテンハイパーキューブサンプリング法を使用して翼型サンプルポイントをランダムに生成する。
前記翼型サンプルポイントに基づいて、クラス形状変換法を使用して、翼型の上下翼面の特性方程式を決定する。このステップでは、クラス形状変換法(Class Shape Transformation、CST)を使用して、参照翼型のフィッティングとサンプルスペースでの翼型の生成を実現する。CST法に基づいて、翼型の上下翼面は次のように表すことができる。
係数Ak uとAk lの大きさを調整することで、さまざまな翼型幾何外形を得ることができ、したがって、この係数を翼型最適化設計プロセスの設計変数として使用し、この係数を最適化して要件を満たす、最適化された翼型外形を得る。この実施例では、形状関数は6次バーンスタイン多項式を選択し、多項式の係数はつまり設計変数であり、新しい最適化された翼型は、この係数を最適化することによって得られる。
前記上下翼面特性方程式に従って、計算流体力学法を使用して前記翼型の動的特性をシミュレートし、揚力係数、抗力係数、モーメント係数が含まれる、前記翼型の流れ場特性を取得する。
具体的には、
31)前記上下翼面特性方程式から翼型サンプルポイントの座標(ζ,ψ)を決定する。
32)初期グリッドを決定し、前記初期グリッドは、前記翼型のサンプルポイントの座標から生成される。
33)前記初期グリッドによれば、Poisson方程式に基づく楕円方程式グリッド生成法を使用して、翼型の周りのC字型構造のボディフィットグリッドを生成し、前記Poisson方程式は
34)この実施例では、RANS方程式の積分形式が、制御方程式を解くための回転翼流れ場として使用され、制御方程式を解くときは、最初に翼型グリッドポイントの座標を読み取り、グリッドセルの面積、体積、およびセル表面法線ベクトルを計算する必要がある。したがって、このステップでは、前記C字型構造のボディフィットグリッド内の各グリッドセルの面積と各グリッドセルの体積を計算する。
35)前記面積、前記体積、保存変数、対流フラックス項、および粘性フラックス項から、慣性座標系での積分形式の流体制御方程式(RANS方程式)を決定する。前記流体制御方程式は
36)前記流体制御方程式を解く。前記流体制御方程式の解
Krigingモデルを使用して、前記翼型サンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、最大尤度推定方法と期待値基準を使用して、前記マッピング関係をトレーニングし、トレーニング済みのマッピング関係を取得する。前記ステップS4は、具体的には以下を含む。
41)Krigingモデルを使用して、前記翼型サンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、即ちxi jと揚力係数Cl、抗力係数Cdとモーメント係数Cmとの間のマッピング関係である。Krigingモデルによれば、未知のポイントxでの予測値C^(ハット)l、C^(ハット)d、C^(ハット)mは、サンプルポイントの線形の組み合わせとして表すことができる。
43)期待値基準を使用して、トレーニング後の前記マッピング関係を改善して、トレーニング済みのマッピング関係を取得する。
前記トレーニング済みのマッピング関係に従って、NSGA-IIアルゴリズムを使用して最適な翼型サンプルポイント(前記最適な翼型サンプルポイントは、最適な流れ場特性に対応する翼型サンプルポイントで、前記最適な流れ場特性には、最適な揚力係数、最適な抗力係数、および最適なモーメント係数が含まれる)を決定する。
501)サイズNの初期集団をランダムに生成する。
502)前記トレーニング済みのマッピング関係を使用して、現世代集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算する。
503)現世代集団の個体に対応する揚力係数、抗力係数、モーメント係数値のサイズに応じて、現世代集団のすべての個体を迅速で非支配にソートし、遺伝的アルゴリズムの選択、交叉、突然変異操作を通じて現世代の親集団を取得し、集団の代数は、遺伝的アルゴリズムの反復回数に等しい。
504)前記トレーニング済みのマッピング関係を使用して、現世代の親集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算する。
505)現世代の親集団の個体に対応する揚力係数、抗力係数、モーメント係数に従って、現世代の親集団のすべての個体について迅速な非支配ソートを実行し、遺伝的アルゴリズムの選択、交叉、および突然変異操作を通じて現世代の子集団を取得する。
506)前記現世代の親集団と前記現世代の子集団を組み合わせて、現世代の組み合わせされた集団を取得する。
507)前記トレーニング済みのマッピング関係を使用して、前記現世代の組み合わせされた集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算する。
508)現世代の組み合わせされた集団の個体に対応する揚力係数、抗力係数、モーメント係数値のサイズに応じて、前記現世代の組み合わせされた集団のすべての個体を迅速に非支配にソートし、各非支配層の個体の混雑度を計算する。
509)迅速な非支配ソートの結果と前記個体混雑度に応じて、前記現世代の組み合わせされた集団から事前設定された条件を満たす個体を選択し、次世代の親集団を形成する。
510)前記次世代の親集団に対応する集団代数が、事前設定された最大反復回数と等しいかどうかを判断する。そうでない場合、前記次世代の親集団を現世代の親集団として使用し、前記トレーニング済みのマッピング関係を使用して、現世代の親集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算することに戻り、そうである場合、前記次世代の親集団の個体を最適な翼型サンプルポイントとして決定する。
ラテンハイパーキューブサンプリング法を使用して翼型サンプルポイントをランダムに生成するために用いられるサンプルポイント生成モジュール1101と、
前記翼型のサンプルポイントに基づいて、クラス形状変換法を使用して、翼型の上下翼面特性方程式を決定するために用いられる翼面方程式決定モジュール1102と、
前記上下翼面特性方程式に従って、計算流体力学法を使用して前記翼型の動的特性をシミュレートし、揚力係数、抗力係数、モーメント係数が含まれる、前記翼型の流れ場特性を取得するために用いられる流れ場特性計算モジュール1103と、
Krigingモデルを使用して、前記翼型サンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、最大尤度推定方法と期待値基準を使用して、前記マッピング関係をトレーニングし、トレーニング済みのマッピング関係を取得するために用いられるマッピング関係計算モジュール1104と、
前記トレーニング済みのマッピング関係に従って、NSGA-IIアルゴリズムを使用して最適な翼型サンプルポイント(前記最適な翼型サンプルポイントは、最適な流れ場特性に対応する翼型サンプルポイントで、前記最適な流れ場特性には、最適な揚力係数、最適な抗力係数、および最適なモーメント係数が含まれる)を決定するために用いられる多目的最適化モジュール1105と、
前記最適な翼型サンプルポイントから回転翼の翼型を決定するために用いられる翼型決定モジュール1106と、を含む。
Claims (10)
- ヘリコプター回転翼の翼型決定方法であって、
ラテンハイパーキューブサンプリング法を使用して、翼型サンプルポイントをランダムに生成するステップと、
前記翼型のサンプルポイントに基づいて、クラス形状変換法を使用して、翼型の上下翼面特性方程式を決定するステップと、
前記上下翼面特性方程式に従って、計算流体力学法を使用して前記翼型の動的特性をシミュレートし、揚力係数、抗力係数、モーメント係数が含まれる、前記翼型の流れ場特性を取得するステップと、
Krigingモデルを使用して、前記翼型のサンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、最大尤度推定方法と期待値基準を使用して、前記マッピング関係をトレーニングし、トレーニング済みのマッピング関係を取得するステップと、
前記トレーニング済みのマッピング関係に従って、NSGA-IIアルゴリズムを使用して最適な翼型サンプルポイント(前記最適な翼型サンプルポイントは、最適な流れ場特性に対応する翼型サンプルポイントで、前記最適な流れ場特性には、最適な揚力係数、最適な抗力係数、および最適なモーメント係数が含まれる)を決定するステップと、
前記最適な翼型サンプルポイントから回転翼の翼型を決定するステップと、を含む
ことを特徴とするヘリコプター回転翼の翼型の決定方法。 - 前記上下翼面の特性方程式は
ここで、
- 前記上下翼面特性方程式に従って、計算流体力学法を使用して前記翼型の動的特性をシミュレートし、前記翼型の流れ場特性を取得するステップは、具体的には、
前記上下翼面特性方程式から翼型サンプルポイントの座標を決定し、
初期グリッドを決定し、前記初期グリッドは、前記翼型のサンプルポイントの座標から生成され、
前記初期グリッドに基づいて、Poisson方程式に基づく楕円方程式グリッド生成法を使用して、翼型の周りのC字型構造のボディフィットグリッドを生成し、前記Poisson方程式は
ここで、(ξ,η)は計算的平面下での曲線座標系におけるポイントを示し、(ξ,η)と物理的平面下での直線座標系におけるポイント(ζ,ψ)とはマッピング関係が存在し、
前記C字型構造のボディフィットグリッド内の各グリッドセルの面積と各グリッドセルの体積を計算し、
前記面積、前記体積、保存変数、対流フラックス項、および粘性フラックス項から、流体制御方程式を決定し、前記流体制御方程式は
ここで、tは物理的時間、Fcは対流フラックス項、Fvは粘性フラックス項、Ωはグリッドセルの体積、Sはグリッドセルの面積、Wは保存変数であり、
前記流体制御方程式を解き、前記流体制御方程式の解は
前記流体制御方程式の解から前記翼型の流れ場特性を計算することを特徴とする請求項1に記載のヘリコプター回転翼の翼型の決定方法。 - Krigingモデルを使用して、前記翼型のサンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、最大尤度推定方法と期待値基準を使用して、前記マッピング関係をトレーニングし、トレーニング済みのマッピング関係を取得する前記ステップは、具体的には、
Krigingモデルを使用して、前記翼型サンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、前記マッピング関係は
ここで、C^(ハット)lは揚力係数の予測値、C^(ハット)dは抗力係数の予測値、C^(ハット)mはモーメント係数の予測値、Y(太字)lは翼型サンプルポイントに対応する揚力係数Clで構成されたベクトル、Y(太字)dは翼型サンプルポイントに対応する抗力係数Cdで構成されたベクトル、Y(太字)mは翼型サンプルポイントに対応するモーメント係数Cmで構成されたベクトルであり、
θliとpliは揚力係数に対応する未知パラメータであり、θliとpliとは
期待値基準を使用して、前記トレーニングされたマッピング関係を改善し、トレーニング済みのマッピング関係を取得することであることを特徴とする請求項1に記載のヘリコプター回転翼の翼型の決定方法。 - 前記トレーニング済みのマッピング関係に従って、NSGA-IIアルゴリズムを使用して最適な翼型サンプルポイントを決定する前記ステップは、具体的には、
サイズNの初期集団をランダムに生成し、
前記トレーニング済みのマッピング関係を使用して、現世代集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算し、
現世代集団の個体に対応する揚力係数、抗力係数、モーメント係数に応じて、現世代集団のすべての個体を迅速に非支配にソートし、遺伝的アルゴリズムの選択、交叉、突然変異操作を通じて現世代の親集団を取得し、集団の代数は、遺伝的アルゴリズムの反復回数に等しく、
前記トレーニング済みのマッピング関係を使用して、現世代の親集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算し、
現世代の親集団の個体に対応する揚力係数、抗力係数、モーメント係数に従って、現世代の親集団のすべての個体の迅速な非支配ソートを実行し、遺伝的アルゴリズムの選択、交叉、および突然変異操作を通じて現世代の子集団を取得し、
前記現世代の親集団と前記現世代の子集団を組み合わせて、現世代の組み合わせされた集団を取得し、
前記トレーニング済みのマッピング関係を使用して、前記現世代の組み合わせされた集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算し、
現世代の組み合わせされた集団の個体に対応する揚力係数、抗力係数、モーメント係数に応じて、前記現世代の組み合わせされた集団のすべての個体を迅速に非支配にソートし、各非支配層の個体の混雑度を計算し、
迅速な非支配ソートの結果と前記個体混雑度に応じて、前記現世代の組み合わせされた集団から事前設定された条件を満たす個体を選択し、次世代の親集団を形成し、
前記次世代の親集団に対応する集団代数が、事前設定された最大反復回数と等しいかどうかを判断し、
そうでない場合、前記次世代の親集団を現世代の親集団として使用し、前記トレーニング済みのマッピング関係を使用して、現世代の親集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算することに戻り、
そうである場合、前記次世代の親集団の個体を最適な翼型サンプルポイントとして決定する
ことであることを特徴とする請求項1に記載のヘリコプター回転翼の翼型の決定方法。 - ヘリコプター回転翼の翼型の決定システムであって、
ラテンハイパーキューブサンプリング法を使用して、翼型サンプルポイントをランダムに生成するために用いられるサンプルポイント生成モジュールと、
モジュールは、前記翼型サンプルポイントに基づいて、クラス形状変換法を使用して、翼型の上下翼面特性方程式を決定するために用いられる翼面方程式決定モジュールと、
前記上下翼面特性方程式に従って、計算流体力学法を使用して前記翼型の動的特性をシミュレートし、揚力係数、抗力係数、モーメント係数が含まれる、前記翼型の流れ場特性を取得するために用いられる流れ場特性計算モジュールと、
Krigingモデルを使用して、前記翼型サンプルポイントと前記流れ場の特性との間のマッピング関係を確立し、最大尤度推定方法と期待値基準を使用して、前記マッピング関係をトレーニングし、トレーニング済みのマッピング関係を取得するために用いられるマッピング関係計算モジュールと、
前記トレーニング済みのマッピング関係に従って、NSGA-IIアルゴリズムを使用して最適な翼型サンプルポイント(前記最適な翼型サンプルポイントは、最適な流れ場特性に対応する翼型サンプルポイントで、前記最適な流れ場特性には、最適な揚力係数、最適な抗力係数、および最適なモーメント係数が含まれる)を決定するために用いられる多目的最適化モジュールと、
前記最適な翼型サンプルポイントから回転翼の翼型を決定するために用いられる翼型決定モジュールと、
を含むことを特徴とするヘリコプター回転翼の翼型の決定システム。 - 前記上下翼面の特性方程式は
ここで、
- 前記流れ場特性計算モジュールは、具体的には、
前記上下翼面特性方程式から翼型サンプルポイントの座標を決定するために用いられる座標決定ユニットと、
前記翼型サンプルポイントの座標から生成された初期グリッドを決定するために用いられる初期グリッド決定ユニットと、
前記初期グリッドに基づいて、Poisson方程式
前記C字型構造のボディフィットグリッド内の各グリッドセルの面積と各グリッドセルの体積を計算するために用いられるグリッドパラメータ計算ユニットと、
前記面積、前記体積、保存変数、対流フラックス項、および粘性フラックス項から、流体制御方程式
前記流体制御方程式を解く(解は
前記流体制御方程式の解から前記翼型の流れ場特性を計算するために用いられる流れ場特性決定ユニットと、
を含むことを特徴とする請求項6に記載のヘリコプター回転翼の翼型の決定システム。 - 前記マッピング関係計算モジュールは、具体的には、
Krigingモデルを使用して、前記翼型サンプルポイントと前記流れ場の特性との間のマッピング関係
最大尤度推定法を使用して、前記マッピング関係の未知パラメータを決定し、トレーニングされたマッピング関係を取得するために用いられる第一トレーニングユニットと、
期待値基準を使用して、前記トレーニングされたマッピング関係を改善して、トレーニング済みのマッピング関係を取得するために用いられる第二トレーニングユニットと、
を含むことを特徴とする請求項6に記載のヘリコプター回転翼の翼型の決定システム。 - 前記多目的最適化モジュールは、具体的には、
サイズNの初期集団をランダムに生成するために用いられる初期集団生成ユニットと、
前記トレーニング済みのマッピング関係を使用して、現世代集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算するために用いられる第一計算ユニットと、
現世代集団の個体に対応する揚力係数、抗力係数、モーメント係数値のサイズに応じて、現世代集団のすべての個体を迅速に非支配にソートし、遺伝的アルゴリズムの選択、交叉、突然変異操作を通じて現世代の親集団を取得するために用いられ、集団の代数は、遺伝的アルゴリズムの反復回数に等しい第一ソートユニットと、
前記トレーニング済みのマッピング関係を使用して、現世代の親集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算するために用いられる第二計算ユニットと、
現世代の親集団の個体に対応する揚力係数、抗力係数、モーメント係数に従って、現世代の親集団のすべての個体の迅速な非支配ソートを実行し、遺伝的アルゴリズムの選択、交叉、および突然変異操作を通じて現世代の子集団を取得するために用いられる第二ソートユニットと、
前記現世代の親集団と前記現世代の子集団を組み合わせて、現世代の組み合わせされた集団を取得するために用いられる集団組み合わせユニットと、
前記トレーニング済みのマッピング関係を使用して、前記現世代の組み合わせされた集団の各個体に対応する揚力係数、抗力係数、およびモーメント係数を計算するために用いられる第三計算ユニットと、
現世代の組み合わせされた集団の個体に対応する揚力係数、抗力係数、モーメント係数に応じて、前記現世代の組み合わせされた集団のすべての個体を迅速で非支配にソートし、各非支配層の個体の混雑度を計算するために用いられる第三ソートユニットと、
迅速な非支配ソートの結果と前記個体混雑度に応じて、前記現世代の組み合わせされた集団から事前設定された条件を満たす個体を選択し、次世代の親集団を形成するために用いられる個体選択ユニットと、
前記次世代の親集団に対応する集団代数が、事前設定された最大反復回数と等しいかどうかを判断するために用いられ、そうでない場合、前記次世代の親集団を現世代の親集団として使用し、前記第二計算ユニットに戻り、そうである場合、前記次世代の親集団の個体を最適な翼型サンプルポイントとして決定する判断ユニットと、を含む
ことを特徴とする請求項6に記載のヘリコプター回転翼の翼型の決定システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911017404.0 | 2019-10-24 | ||
CN201911017404.0A CN110705126A (zh) | 2019-10-24 | 2019-10-24 | 一种直升机旋翼翼型确定方法及系统 |
PCT/CN2020/107732 WO2021077855A1 (zh) | 2019-10-24 | 2020-08-07 | 一种直升机旋翼翼型确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022508097A JP2022508097A (ja) | 2022-01-19 |
JP7092421B2 true JP7092421B2 (ja) | 2022-06-28 |
Family
ID=69202130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021525694A Active JP7092421B2 (ja) | 2019-10-24 | 2020-08-07 | ヘリコプター回転翼の翼型の決定方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11423201B2 (ja) |
EP (1) | EP3926507A4 (ja) |
JP (1) | JP7092421B2 (ja) |
CN (1) | CN110705126A (ja) |
WO (1) | WO2021077855A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705126A (zh) | 2019-10-24 | 2020-01-17 | 南京航空航天大学 | 一种直升机旋翼翼型确定方法及系统 |
CN111310282A (zh) * | 2020-03-26 | 2020-06-19 | 南京航空航天大学 | 一种适用于高原环境的直升机旋翼翼型生成方法及系统 |
CN111553086B (zh) * | 2020-04-30 | 2023-01-03 | 南京航空航天大学 | 一种直升机涵道尾桨内壁面外形确定方法及系统 |
CN111625901B (zh) * | 2020-05-07 | 2022-05-31 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种面向翼型的压力系数曲线智能生成方法 |
CN111814246B (zh) * | 2020-06-11 | 2022-09-27 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于生成对抗网络的翼型反设计方法 |
CN112199784B (zh) * | 2020-11-04 | 2022-05-31 | 南京航空航天大学 | 一种共轴刚性双旋翼气动配平方法及系统 |
CN112991137B (zh) * | 2021-04-26 | 2021-08-20 | 湖南映客互娱网络信息有限公司 | 动态识别图片水印位置并去除的方法 |
CN114987755B (zh) * | 2022-05-18 | 2023-04-25 | 南京航空航天大学 | 一种翼伞翼型的自动化改制方法 |
CN115481510B (zh) * | 2022-09-30 | 2023-05-02 | 北京科技大学 | 基于改进nsga-ⅱ算法的径向压气机叶片多工况优化方法及装置 |
CN115270362B (zh) * | 2022-09-30 | 2023-01-24 | 北京科技大学 | 离心压气机额定工况下的叶片构型设计优化方法及装置 |
CN115423053B (zh) * | 2022-11-07 | 2023-04-07 | 中国空气动力研究与发展中心计算空气动力研究所 | 适用于翼型切面的非结构流场数据的分类方法及相关设备 |
CN115618498B (zh) * | 2022-11-08 | 2023-03-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种飞行器跨流域流场的预测方法、装置、设备及介质 |
CN116205154B (zh) * | 2022-12-30 | 2023-09-05 | 中国能源建设集团广东省电力设计研究院有限公司 | 空气动力系数的生成方法、装置、终端设备及存储介质 |
CN116796915B (zh) * | 2023-04-18 | 2024-01-12 | 中南大学 | 一种铁路智能选线的代理模型方法 |
CN116882311B (zh) * | 2023-06-13 | 2024-04-23 | 兰州交通大学 | 高速列车升力翼常态化工作迎角的计算流体动力学确定方法 |
CN116628894B (zh) * | 2023-07-20 | 2023-09-29 | 中国海洋大学 | 基于深度学习的水翼设计优化方法及水翼设计优化框架 |
CN117022588B (zh) * | 2023-08-08 | 2024-03-26 | 中山大学 | 一种基于Kriging模型的水翼结构优化方法、系统、设备及介质 |
CN117313237B (zh) * | 2023-09-23 | 2024-04-16 | 哈尔滨工业大学 | 一种基于机器学习的特种无人机组构方案优选方法 |
CN117740307B (zh) * | 2024-02-18 | 2024-05-14 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种预测全尺寸旋翼性能的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002070504A (ja) | 2000-09-05 | 2002-03-08 | Honda Motor Co Ltd | 翼形状設計方法および情報媒体 |
US20170001710A1 (en) | 2015-07-03 | 2017-01-05 | Airbus Helicopters Deutschland GmbH | Airfoils for rotor blades of rotary wing aircrafts |
US20190256197A1 (en) | 2018-02-22 | 2019-08-22 | Aviation Partners, Inc. | Winglet Airfoils |
EP3543108A1 (en) | 2018-03-22 | 2019-09-25 | Facebook, Inc. | Automatic airfoil and wing design based on dynamic modeling of structural and aerodynamic performance |
CN110334449A (zh) | 2019-07-04 | 2019-10-15 | 南京航空航天大学 | 一种基于在线代理模型算法的翼型快速设计方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4519746A (en) * | 1981-07-24 | 1985-05-28 | United Technologies Corporation | Airfoil blade |
CN102298329B (zh) * | 2011-08-19 | 2013-05-08 | 北京航空航天大学 | 一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法 |
US20170046968A1 (en) * | 2015-08-11 | 2017-02-16 | The Boeing Company | Flight simulation modeling of aircraft dynamic stall aerodynamics |
CN106021808A (zh) * | 2016-06-07 | 2016-10-12 | 西北工业大学 | 考虑三维效应的小展弦比机翼翼型设计方法 |
CN110705126A (zh) | 2019-10-24 | 2020-01-17 | 南京航空航天大学 | 一种直升机旋翼翼型确定方法及系统 |
-
2019
- 2019-10-24 CN CN201911017404.0A patent/CN110705126A/zh active Pending
-
2020
- 2020-08-07 US US17/312,336 patent/US11423201B2/en active Active
- 2020-08-07 JP JP2021525694A patent/JP7092421B2/ja active Active
- 2020-08-07 EP EP20879600.3A patent/EP3926507A4/en active Pending
- 2020-08-07 WO PCT/CN2020/107732 patent/WO2021077855A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002070504A (ja) | 2000-09-05 | 2002-03-08 | Honda Motor Co Ltd | 翼形状設計方法および情報媒体 |
US20170001710A1 (en) | 2015-07-03 | 2017-01-05 | Airbus Helicopters Deutschland GmbH | Airfoils for rotor blades of rotary wing aircrafts |
US20190256197A1 (en) | 2018-02-22 | 2019-08-22 | Aviation Partners, Inc. | Winglet Airfoils |
EP3543108A1 (en) | 2018-03-22 | 2019-09-25 | Facebook, Inc. | Automatic airfoil and wing design based on dynamic modeling of structural and aerodynamic performance |
CN110334449A (zh) | 2019-07-04 | 2019-10-15 | 南京航空航天大学 | 一种基于在线代理模型算法的翼型快速设计方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022508097A (ja) | 2022-01-19 |
US11423201B2 (en) | 2022-08-23 |
EP3926507A1 (en) | 2021-12-22 |
WO2021077855A1 (zh) | 2021-04-29 |
US20220033062A1 (en) | 2022-02-03 |
CN110705126A (zh) | 2020-01-17 |
EP3926507A4 (en) | 2022-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7092421B2 (ja) | ヘリコプター回転翼の翼型の決定方法及びシステム | |
Brocklehurst et al. | A review of helicopter rotor blade tip shapes | |
Sasaki et al. | Navier-Stokes optimization of supersonic wings with four objectives using evolutionary algorithm | |
Bae et al. | Aerodynamic and aeroelastic considerations of a variable-span morphing wing | |
CN110516318A (zh) | 基于径向基函数神经网络代理模型的翼型设计方法 | |
Liu et al. | Optimization of nano-rotor blade airfoil using controlled elitist NSGA-II | |
CN111310282A (zh) | 一种适用于高原环境的直升机旋翼翼型生成方法及系统 | |
Lauer et al. | Aerodynamic Shape Optimization of a Transonic, Propulsion-Airframe-Integrated Airfoil System | |
Viola et al. | A CFD-based wing sail optimisation method coupled to a VPP | |
Butt et al. | A parametric study of the effect of leading-edge tubercle geometry on the performance of aeronautic propeller using computational fluid dynamics (CFD) | |
Chen et al. | Lift enhancement of tiltrotor wing using a gurney flap | |
Kody et al. | An efficient methodology for using a multi-objective evolutionary algorithm for winglet design | |
Krebs et al. | Using an optimisation process for sailplane winglet design | |
Oda et al. | Studies on wingtip geometries by optimum spanwise lift distribution design method | |
Jiang et al. | Optimization of UAV airfoil based on improved particle swarm optimization algorithm | |
Yang et al. | Multiobjective Trajectory Optimization for Hypersonic Telescopic Wing Morphing Aircraft Using a Hybrid MOEA/D | |
Faisal et al. | Aerodynamic model for insect flapping wings with induced flow effect | |
Ferraro et al. | Multi-objective genetic design optimisation for early design | |
Barnes | Hybrid Blade Element and Lifting Line for Propeller or Propfan Performance | |
CN115649417B (zh) | 一种高亚声速自配平高隐身翼型 | |
Casalone et al. | A Multi-objective Heuristic Approach for 3D Hydrofoil Design | |
Hosseini et al. | Investigating the effect of configuration and reduced frequency on SD7003 airfoils performance in tandem | |
Nangia | Semi-Empirical Prediction of Vortex Onset and Progression on 65 deg. Delta Wings (RTO-AVT-113, VFE-2 Facet) | |
Smaran et al. | Airfoil iterative design for maximum aerodynamic performance at low Reynolds number | |
CN117910140A (zh) | 基于混合条件生成对抗网络的飞行器气动电磁耦合优化设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210511 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220518 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220524 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220609 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7092421 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |