三种翼型参数化方法的研究

研究了型函数扰动法、控制点法以及复合映射法三类翼型参数化方法在翼型优化设计中的应用.对比这些方法的几何收敛及气动特性收敛结果发现,形状函数的几何表征能力最强,Hicks-Henne型函数、Spline函数依次次之.通过基于偶极子面元法的翼型逆设计,运用SQP算法优化求解,比较各参数化方法的设计结果得出第一类方法计算精度最高、第二类计算稳定性最强、第三类不易于推广的结论.

机器学习在翼型优化问题中的应用

基于机器学习的翼型优化方法,避免了繁琐的CFD(Computational Fluid Dynamics,计算流体动力学)计算。本文简要分析目前广泛使用的基于参数化的机器学习算法和基于图像识别的机器学习算法,并对未来机器学习在翼型优化中的应用提出可行的发展方向。

高亚声速翼型优化设计

设计状态的气动特性是设计机翼的重要内容,应用可行性方向法实现了翼型的优化设计,同时实现了翼型的逆设计。通过参数化的翼型探讨高速有黏翼型的优化设计问题,并且比较了不同初始翼型优化设计的结果,结果显示,选择较好的初始翼型容易获得较优的结果,差距较大的翼型在逆设计过程中生成的翼型具有相似的气动特征,却往往很难达到最优结果,然而这为产生系列翼型提供了有效的方案。