基于CST参数化方法的翼型快速设计

基于CST参数化方法的翼型快速设计

ID:46612219

大小:979.92 KB

页数:7页

时间:2019-11-26

基于CST参数化方法的翼型快速设计_第1页
基于CST参数化方法的翼型快速设计_第2页
基于CST参数化方法的翼型快速设计_第3页
基于CST参数化方法的翼型快速设计_第4页
基于CST参数化方法的翼型快速设计_第5页
资源描述:

《基于CST参数化方法的翼型快速设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第41卷第5期航窄计算技术V01.41No.52011年9月AeronauliealComputingTechniqueSep.201I基于CST参数化方法的翼型快速设计徐亚峰1,刘学军1,吕宏强2(1.南京航空航天大学计算机科学与技术学院,江苏南京2100162.南京航空航天大学航空宇航学院,江苏南京210016)摘要:为弥补传统飞机翼型设计周期长、代价高的缺点,将CST翼型参数化方法,与机器学习中的高斯过程回归方法相结合。通过对已有的翼型数据的学习,实现对未知翼型气动性能或者外形敷据的快速准确预刹。选取一组NACA四位族翼型,获得其CST参

2、数描述敷据,并分别计算其在一定条件下的升力系数、阻力系敷和压力分布数据:利用这些敷据对高斯过程回归模型进行训练。实现了翼型的快速正设计以厦反设计系统。并将实验结果与采用NACA翼型参数表示法得到的预测结果进行了对比。实验结果表明。基于CST参敷化方法的翼型快速设计准确度高、速度快。具有很大的应用价值。关键词:翼型设计;CST参数化方法;高斯过程回归;正设计;反设中圈分类号:V21l文献标识码:A文章编号:1671—654X(2011)05·0024—06FastAirfoilDesignBasedonCSTParameterizationXUY

3、a-feng‘.LIUXue—jun’,LVHong-qiang。(1.CoEegeoJ。ComputerSconceandTechnology,NanjingUniversityofAeronautic.*andAstronautics,Na彬ng210016,China;2.CollegeofAerospaceEngineenng,NanjingUniversityofAeronauticsandAstronautics,Na彬ng210016。China)Abstract-Traditionalairfoildesignisusually

4、cosilyandtime—consuming.Asacomplementtothehadi—tionalairfoildesign,thispapercombinesCSTparameterizationandGaussianProcessRegressiontoeffi·eientlypredictaerodynamicperformanceandshapeparametersofunknownairfoil.Agroupoffour—digitNACAairfoilsareselected.TheirCSTparameters.aerod

5、ynamicperformanceandpressuredistributionarecalculated∞theexperimentaldata.Usingthisdata.fastairfoilaerodynamicperformanceevaluationandairfoilreversedesignareimplemented.TheobtainedresultsalecomparedwiththoseobtainedfromNACAparameterization.ExperimentalresultsindicatethattheC

6、ST-basedpredicdonapproachisaccurate,fastandcanbeusedtoaidairfoildesigninpractice.Keywords:airfoildesign;CSTparameterization;gaussianprocessregressionmodel;airfoilaerodynamicperformanceevaluation;roversedesign引言机翼是飞机的重要部件之一,而翼型是机翼和尾翼成形的重要组成部分,其设计的优劣直接影响到飞机的气动性能和飞行品质。传统的翼型气动设计

7、方法借助于人的经验、风洞实验和飞行试验,需要反复地计算实验来逐步修形改进,这种方法耗时耗资,对设计人员的经验和专业知识有较高的要求,而且所设计出翼型的气动特性也不尽如人意⋯。随着计算机技术的发展,计算流体力学”1(CFD)技术的应用,减少了翼型设计过程中对风洞实验的依赖,其优点是成本低,但是其计算精度的提高往往是以成倍增加计算时间为代价的。因此,有必要采用新的快速而准确的翼型设计方法来辅助现有的翼型设计。近年来有研究者将机器学习”1的方法应用于翼型气动性能的评估中。这类方法有人工神经网络模型方法”1和Kriging模型方法”1等,其目的大多是针

8、对给定的某一基准翼型.在其附近优化出更优的翼型。先前憧稿日期:2011一08一∞修订日期:201I一09—09基金项目:同家自然科学基金项目资助(61

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。