2023 年 3 月 1 日? 5 分鐘閱讀    

---

空中無人機主要有兩大類：能夠垂直起降 (VTOL) 的旋翼機和固定翼飛行器。與固定翼系統相比，旋翼無人機具有重要優勢，因為它們可以懸停（保持恒定高度）并且通常更易于控制和操作。然而，多旋翼也有先天的缺點，最重要的是飛行時間和航程有限。即使是現代和創新的電動無人機也有大約 20-30 分鐘的有限飛行時間，具體取決于飛行條件。高端艙中很少有人能達到接近一小時的飛行時間。

計算流體動力學（CFD）的應用可以幫助顯著提高無人機的效率并延長其飛行時間和航程。在本文中，我們將通過一個示例演示如何：工業無人機在懸停模式下的空氣動力學仿真和優化，這是此類無人機中能量最密集的模式。

四軸飛行器幾何

我們選擇了當今使用最廣泛的旋翼無人機配置之一：四軸飛行器。私人消費領域的無人機制造商（業余視頻拍攝、賽車無人機、兒童無人機等）主要依賴此類配置。

無人機 CAD 文件由西英格蘭大學的 Monasor 先生和 Weerasinghe 博士提供。

考慮到所需的推力，螺旋槳葉片使用 Fidelity 的參數化建模器進行建模。從原始幾何體中提取多個部分并堆疊在一起以構建 3D 葉片。提供了適當的扭曲分布以確保參數化刀片盡可能接近原始幾何形狀。

該設置受益于這種無人機幾何結構的對稱性：只有四分之一的無人機需要包含在計算域中，因此只有一只手臂。

所選的域定義代表了一個實際案例，對應于懸停高度足以忽略任何地面效應的“自由空氣”模擬。

結構化和非結構化網格劃分相結合

由于無人機領域的復雜性，使用Fidelity Automesh生成了一個非結構化網格，它會自動細化高曲率區域和邊緣附近的網格，從而最大限度地減少用戶交互和工程時間。這會產生足夠穩健的高質量網格以用于優化。

對于螺旋槳葉片，使用 Fidelity 的向導式方法生成多塊結構化網格，這使得生成具有多個網格級別的高質量結構化網格變得非常容易和快速。應用可變尖端間隙，并自動計算兩個周期性面之間的匹配周期性連接。結合我們只需要對一個葉片進行網格化這一事實，這種匹配連接使單元數量減少了兩倍并加快了仿真速度。

在 Fidelity Automesh 中，結構化和非結構化網格可以組合并在同一計算中運行，因此用戶可以利用結構化網格的速度和非結構化網格的穩健性，而無需調整任何求解器設置。這也減少了 RAM 和磁盤消耗。

四軸飛行器機身周圍的旋轉塊（灰色）和體積網格

穩態和非穩態 CFD 模擬

穩定和不穩定的模擬都可以在Fidelity Flow中運行。我們將螺旋槳設置為以 5,000 RPM 的速度旋轉，而無人機的手臂是靜止的。為了預測流動湍流，我們使用了 Spalart-Allmaras 模型。混合平面接口用于穩定模擬。對于不穩定的非線性諧波 (NLH) 模擬，應用了基于傅立葉分解的特定處理，提供域縮放，其計算成本類似于混合平面的計算成本。

NLH 方法提供不穩定流結果，與域縮放和相位滯后方法相比，約束要少得多。對于這個項目，每個域添加一個諧波以捕獲域中的不穩定擾動。

仿真結果揭示了流場中的強烈不穩定特征。機身上的壓力分布在很大程度上受到螺旋槳瞬時位置的影響，無人機周圍的速度場受到與轉子旋轉相關的強烈周期性振蕩的影響。

  

閾值場等高線 - 左：采用穩態（混合平面）方法的平均軸向速度，右：采用非穩態（非線性諧波法）方法的瞬時軸向速度

結果的比較表明，雖然穩態模擬可以很好地表示平均流場，但只有 NLH 分析才能提供有關流場不穩定的準確信息，從而在非穩態流動物理、葉片和機身載荷方面提供有價值的數據，以及葉尖渦流和鈍體再循環動力學，其成本與穩定模擬相當。

無人機設計優化

Fidelity 為設計參數化和優化提供了多種可能性。可用的優化方法范圍從單目標優化到多目標和魯棒設計優化 (RDO)，其中考慮了操作和制造的不確定性。無人機優化過程可以從所有這些方法中受益。該技術的最終選擇主要取決于預期的操作模式。

下圖顯示了幾何參數化的示例。螺旋槳幾何形狀在 CAD 模型級別進行了參數化，其在三個展向截面的攻角被作為設計變量。每個幾何體都在 Fidelity Automesh 中自動重新劃分網格。無人機手臂使用三個變形向量進行參數化，這可以通過變形優化無人機的形狀，同時還滿足為確保可行設計而應用的多個約束。

Cadence 的優化例程基于無梯度算法，對于復雜的多組件系統（例如無人機），該算法比基于梯度的優化更有效。由于內置代理模型或人工神經網絡，所采用的優化過程受益于巨大的加速。基礎進化和遺傳算法確保根據定義的目標（例如飛行時間最大化）提供最佳收斂解決方案。此類算法的實際使用證實，它們可以帶來新穎、創新，有時甚至是意想不到的最佳系統設計。

概括

該案例研究展示了 Fidelity 在無人機 CFD 仿真方面的強大功能。無縫組合結構化和非結構化網格劃分，使用 NLH 進行快速、高精度的非穩態仿真，以及基于高效進化算法、參數化和變形的全自動優化工具，確保快速穩健的工作流程和最佳設計結果，以實現既定目標：最大化飛行時間和范圍。

文章來源：cadence博客