新型目标压力分布下的Licher双翼反设计方法研究

为了提高超声速气动构型的升阻比,减小激波阻力,使用反设计方法结合CFD技术优化Licher双翼,实际算例表明,来流马赫数1.7,无粘情况下只需迭代15步即可得到优化结果,优化后翼型波阻可减小25.5%,升阻比提高30.5%。随后依据翼型目标压力分布这一反设计关键点,分析了非零迎角下翼型各边的受力情况,指出了原目标压力分布的不足,并提出了一种新的阶梯形目标压力分布形式,该方法的优化结果可使升阻比提高49.8%。此外基于NS方程的优化结果表明,原目标压力分布的优化效果被削弱,升阻比仅能提高17%,而新目标压力分布的优化结果受到的影响较小,升阻比仍可提高49.2%,说明在考虑流动粘性特征时,阶梯形目标压力分布形式更具实用价值。

基于RBF神经网络和遗传算法的超声速Licher双翼优化设计研究

基于Busemann双翼的设计方法,采用径向基函数神经网络(Radial-Basis Function Neural Network,RBFNN)和基于遗传算法(Genetic Algorithm,GA)的优化技术对Licher双翼进行了优化设计以提高设计马赫数情况下的升阻比。通过计算流体力学(Computational Fluid Dynamics,CFD)方法在无黏性和黏性模式下对优化设计结果进行了验证。结果表明,与典型的Busemann双翼相比,优化后的双翼构型在无黏模拟情况下的升力和升阻比分别提高了27.3%和27.4%,黏性模拟情况下则提升了近60%和40%,表明本文采用的方法对于将双翼构型应用于未来超声速运输机领域具有很大的潜力。