翼型優化的案例
NACA0012翼型攻角優化 ￥15
案例描述：NACA0012翼型使用CFX進行流體分析，使用DesignXplorer進行響應面優化。
EADS公司- X31翼型形狀優化
但是，通過優化機翼的形狀（如攻角，襟翼角度等）使得飛機的升力系數最大，阻力最小，同時滿足飛機總量最輕，獲得良好的戰斗機飛行作戰能力，而這些目標值往往都是相互矛盾，相互影響的，所以通過modeFRONTIER軟件優化功能和MCDM功能最終獲得一個最適合飛機飛行環境和最佳性能的機翼翼型。
賽車尾翼的仿真驅動設計
模型和CFD分析
尾翼由三個翼型和兩側端板組成，為了優化其氣動性能，使用CAESE對尾翼進行參數化建模。優化過程所采用的基準設計模型是對3個翼型位置進行優化后得到的。本文所有CFD計算均采用STAR-CCM+。
尾翼的軸對稱模型：由下翼（主翼）、中翼和上翼組成
尾翼優化的兩個步驟
第一步，對尾翼進行二維優化，研究3個翼型之間最佳的相互作用。第二步，對三維尾翼進行流體仿真，從而優化端板。第二步優化需基于第一步的二維結果，并在此基礎上結合端板進行優化。
主翼的形狀、主翼和中翼的縱向和垂直位置以及上翼的迎角都是可以自動變化的。對于每一個生成狀的設計模型，都以CAESES連接求解器實現自動分析。
幾何約束
為了防止生成失敗的模型，需要在優化過程中設置一些幾何約束條件。比如，為了防止翼型相交或接觸，需要改變翼型的相對位置和攻角變化。因此對以下兩條曲線進行定義和監測：第一條線連接主翼的尾緣和中翼的前緣，第二條直線連接中翼的尾緣和上翼的前緣。
以下動畫顯示了主翼的形狀，三個翼型的攻角以及主翼和中翼的垂直和縱向位置的變化。
CAESES幾何模型的生成：確保3個翼型不接觸或相交
二維優化
采用CAESES集成的Sobol采樣算法生成一組隨機的三翼型剖面進行優化。在此DOE優化之后，對性能較好的模型再進行局部優化。為了改變下翼面的形狀，可對基準截面做小范圍的平移和旋轉處理。
展開 基于新型高維代理模型的高效全局氣動優化設計
圖5 NACA0012上半部設計空間展示
圖6 阻力系數收斂曲線對比
圖7 優化設計翼型外形對比
圖8 優化翼型上表面壓力分布對比
NACA0012壓力系數云圖
基于Kriging模型優化的翼型壓力系數云圖
基于KPCA-Kriging模型優化的翼型壓力系數云圖
圖9 NACA0012翼型與優化翼型的流場壓力云圖對比
針對AIAA氣動優化討論組發布的CRM機翼優化算例：在各個翼剖面最大厚度、機翼力矩系數以及升力系數不減小的情況下最小化阻力系數。結果表明，基于KPCA-Kriging代理優化得到的機翼阻力為205.2 counts，較初始機翼降低了28.9 counts，而基于Kriging代理優化的機翼阻力僅僅降低了14.7 counts。圖10~圖13顯示，基于KPCA-Kriging代理優化方法的收斂過程較基于Kriging代理優化過程顯著更快，最終收斂阻力也顯著更低，并且KPCA-Kriging代理預測誤差顯著小于Kriging代理預測誤差。進一步發現，初始CRM機翼上表面存在較強激波，基于Kriging代理優化得到的機翼上表面激波強度有所減弱，但仍然較強，而基于KPCA-Kriging代理優化得到的機翼上表面僅僅存在非常弱的激波。
展開 
賽車尾翼的仿真驅動設計
模型和CFD分析
尾翼由三個翼型和兩側端板組成，為了優化其氣動性能，使用CAESE對尾翼進行參數化建模。優化過程所采用的基準設計模型是對3個翼型位置進行優化后得到的。本文所有CFD計算均采用STAR-CCM+。
尾翼的軸對稱模型：由下翼（主翼）、中翼和上翼組成
尾翼優化的兩個步驟
第一步，對尾翼進行二維優化，研究3個翼型之間最佳的相互作用。第二步，對三維尾翼進行流體仿真，從而優化端板。第二步優化需基于第一步的二維結果，并在此基礎上結合端板進行優化。
主翼的形狀、主翼和中翼的縱向和垂直位置以及上翼的迎角都是可以自動變化的。對于每一個生成狀的設計模型，都以CAESES連接求解器實現自動分析。
幾何約束
為了防止生成失敗的模型，需要在優化過程中設置一些幾何約束條件。比如，為了防止翼型相交或接觸，需要改變翼型的相對位置和攻角變化。因此對以下兩條曲線進行定義和監測：第一條線連接主翼的尾緣和中翼的前緣，第二條直線連接中翼的尾緣和上翼的前緣。
以下動畫顯示了主翼的形狀，三個翼型的攻角以及主翼和中翼的垂直和縱向位置的變化。
CAESES幾何模型的生成：確保3個翼型不接觸或相交
二維優化
采用CAESES集成的Sobol采樣算法生成一組隨機的三翼型剖面進行優化。在此DOE優化之后，對性能較好的模型再進行局部優化。為了改變下翼面的形狀，可對基準截面做小范圍的平移和旋轉處理。
最優設計和基準模型的對比
最終優化模型的下翼面較基準模型稍向前下方延伸，中翼剖面在位置上沒有明顯變化，上翼部分的最佳設計則是在基準模型的基礎上旋轉了幾度。優化設計和基準設計的CFD結果如下圖所示。
展開 仿真驅動的螺旋槳最優化方案
3、優化方案過程、方法
首先，采用三維軟件對螺旋槳進行參數化建模，將關鍵參數如槳距角、弦長等進行參數化；其次，將三維軟件和CFD仿真軟件進行交互，以參數化形式交換螺旋槳數據。數字化后的螺旋槳三維模型自動進行數值仿真，反饋結果后重新調整三維模型自動重建，輸入仿真軟件進行二次計算，如此迭代反復。最后，依靠遺傳算法、神經網絡等優化算法獲得最優的螺旋槳幾何參數。整個過程自動完成，來流、槳距角等關鍵參數自動尋優。
螺旋槳的三維模型參數化（動圖）
以下圖片記錄了基于CFD（計算流體力學）數值仿真技術優化螺旋槳的過程：
4、優化后結果
根據以上過程和優化方法，對某款32寸商業多旋翼用螺旋槳進行了仿真優化，最終在特定拉力下，得到了槳效率提升8.5%的效果，如下表所示。
用于優化的商業螺旋槳模型
仿真結果-翼尖渦
此外，多旋翼槳葉應用環境特殊，由于無來流，葉素工作面所處的雷諾數較低，對CFD計算的要求較高。另外，槳葉翼型仍然有優化空間，針對不同半徑位置可對翼型進一步優化以提高效率。
展開 長航時無人機關鍵技術研究進展
優化設計方法可有效地提高翼型的升力系數和降低阻力系數，使翼型具有更高的綜合氣動性能.長航時無人機翼型基本設計目標包括設計點升力系數、最大升力系數、失速特性(失速過程是否緩和)、最小阻力系數、設計點阻力系數、零升力矩、力矩線性范圍等.翼型優化設計方法主要有兩種：反設計法和最優化法.其中，反設計法是一種高效的設計方法.Zhu等[20]采用反設計方法設計了自然層流翼型，并用非接觸測量方式對設計效果進行了實驗驗證.華俊等[21-23]應用反設計法對高升力緩失速翼型進行了優化設計，采用改進余量修正迭代方法，設計了升力線線性段延長，升力線斜率增加，失速特性緩和的有利于“高升力長航時”安全飛行的翼型.
最優化法將設計對象的氣動分析與最優化方法相結合，通過不斷改變設計對象的氣動外形，使氣動性能在滿足給定約束條件下達到最優.最優化法設計流程如圖4所示，基本思路為：基于Hicks-Henne型函數、Parsec Method和B-spline Curves等方法參數化翼型[24-25]；在低雷諾數飛行條件下，對翼型氣動性能進行分析；結合優化算法對參數化的翼型進行設計.數值模擬精度和優化算法是長航時翼型成功設計的關鍵.
展開 超長航時太陽能無人機關鍵技術綜述
王科雷等[52]采用求解k-kl-w湍流模型的雷諾平均Navier-Stokes方程有限體積法，對低雷諾數條件下的SD7037翼型特性進行了數值模擬，并與試驗結果及S-A模型計算結果進行了對比，發現該模型能準確模擬翼型表面流動分離與再附現象(圖12)。
圖12 6°迎角翼型流場圖[52]
Fig.12 Flow field diagram at 6 ° angle of attack[52]
2.2 翼型優化設計技術
超長航時太陽能無人機通常采用超大展弦比機翼，相比常規飛行器而言，誘導阻力占總阻力的比例較小，因此翼型的氣動特性很大程度上決定了機翼的氣動特性[53]。采用強制轉捩、表面吹吸氣控制等方式可以有效抑制層流分離，提升翼型氣動性能，但這些方法實際應用難度較大，目前尚未普遍用于太陽能無人機。現階段太陽能無人機機翼氣動優化的主要內容仍是針對低雷諾數流動特點的翼型外形的優化設計。
太陽能無人機常用的低雷諾數翼型包括Eppler系列、SD系列等。與普通翼型相比，低雷諾數翼型在外形上的差異主要有2點：一是翼型上表面更加平坦，二是翼型厚度較小[35]。
Ma等[54]對幾種典型翼型在低雷諾數下的繞流進行了數值模擬，并通過水洞試驗驗證了數值方法的準確性(圖13)。對不同相對厚度和不同最大相對厚度的翼型繞流進行了模擬，研究結果表明，在失速特性良好的前提下，翼型最大相對厚度值應盡可能小，最大相對厚度位置應靠近后緣，這樣可以獲得更好的翼型性能。該研究為低雷諾數翼型優化設計提供了方向性的借鑒。
展開 深度學習驅動的流體力學計算與應用
實操環節：
1、
深度強化學習在翼型優化的應用
2、
基于深度強化學習的矩形柱體主動流動控制（數據與代碼提供給學員）
九、深度強化學習的工程實踐
核心知識點：
1、
掌握定義定義離散動作空間/連續動作空間的方法，提升算法設計能力
2、
學習深度強化學習在工程領域的實際應用，增強解決復雜問題的能力。
實操環節：
1、
耦合代理模型的深度強化學習在民航飛機外形優化中的應用
2、
運用深度強化學習進行離散動作空間/連續動作空間的優化（數據與代碼提供給學員）
課程互動與答疑
1、
回顧實踐案例課程內容，鞏固所學知識、通過答疑加深對知識點的理解與掌握
2、
前沿文獻的解讀，如SORA技術、風烏技術等，了解人工智能技術在流體力學領域的最新進展，保持學術前沿性。
部分案例如圖所示：
四、課程講師： 來自全球頂尖大學香港科技大學，博士，具有豐富的流體力學工作經驗，包括實驗流體力學，計算流體動力學(CFD)，近年來發表論文10余篇，申請專利三項。
展開 深度學習驅動的流體力學計算
實操環節：
1、
深度強化學習在翼型優化的應用
2、
基于深度強化學習的矩形柱體主動流動控制（數據與代碼提供給學員）
九、深度強化學習的工程實踐
核心知識點：
1、
掌握定義定義離散動作空間/連續動作空間的方法，提升算法設計能力
2、
學習深度強化學習在工程領域的實際應用，增強解決復雜問題的能力。
實操環節：
1、
耦合代理模型的深度強化學習在民航飛機外形優化中的應用
2、
運用深度強化學習進行離散動作空間/連續動作空間的優化（數據與代碼提供給學員）
課程互動與答疑
1、
回顧實踐案例課程內容，鞏固所學知識、通過答疑加深對知識點的理解與掌握
2、
前沿文獻的解讀，如SORA技術、風烏技術等，了解人工智能技術在流體力學領域的最新進展，保持學術前沿性。
四、課程講師： 來自全球頂尖大學香港科技大學，博士，具有豐富的流體力學工作經驗，包括實驗流體力學，計算流體動力學(CFD)，近年來發表論文10余篇，申請專利三項。擅長領域：流體力學與人工智能的交叉科學，流場預測與重構，AI for CFD， 深度強化學習的氣動優化。
展開 推薦閱讀 | 寬速域飛行器發展及研究現狀綜述
圖13 附加外翼錐導乘波體示意圖[55]
Fig.13 Schematic diagram of the additional outer wing cone-derived waverider[55]
圖14 基于吻切流理論的乘波前體高超聲速飛行器[56]
Fig.14 Generation of waverider precursors for hypersonic vehicles osculating flowfield method[56]
鴨翼/邊條翼以及大三角翼可有效提升飛行器在亞、跨聲速下的氣動性能，若將其與乘波構型結合也不失為一種改善寬速域性能的方法。另外，張陽等［42］對高超聲速寬速域翼型的研究分析表明機翼翼型優化對高超聲速寬速域飛行仍具有重要意義。雖然在具體機翼翼型、面積、位置布置等方面還有待深入研究，但充分結合機翼在低速下和乘波構型在高超聲速下的氣動優勢，達到水平起降的高超聲速寬速域范圍的要求是切實可行的。
4.3 變形/組合構型
由于水平起降的寬速域飛行器的飛行速域寬、飛行空域大，單一的固定布局難以滿足要求。近年來，有學者對飛行器結構變形和兩級飛行器組合實現寬速域范圍內的良好性能進行了探討。焦子涵等［43］針對高超聲速巡航性能的吸氣式可重復使用飛行器提出伸縮翼布局和翻轉翼布局兩種構型，如圖15和圖16所示。文獻［43］詳細介紹了兩種布局在低速狀態和巡航狀態下的性能對比。
展開 
環保型飛機用modeFRONTIER張開了它的翅膀
用modeFRONTIER統計工具探討了氣動參數之間的相關性，提供了深入的理解，有助于有效地建立優化策略。多目標決策工具提供了一個有用的框架，用于實現Pareto前沿解的排序，幫助設計團隊確定最好的結果。“優化結構在滿足TLAR要求的同時，相比初始翼型截面具有實質性的優點。”，Enrica Marentino說。
【技術鄰雙11】近300個精選CAE視頻統統六折起！錯過等一年（領券截止：11月12日21點）
150
6折
Isight集成Matlab+ICEM+FLUENT翼型優化分析
150
6折
基于Matlab的飛機操穩分析/飛行力學程序
90
6折
(第一部分)基于ANSA整車碰撞網格處理實用操作技能課程
60
6折
(第二部分)基于ANSA和LS-DYNA搭建整車碰撞模型實用技能課程
138
6折
基于Primer和ANSA的整車約束系統分析課程（已更新）
113
6折
autodyn高級教程
120
6折
AUTODYN二次開發入門
60
6折
基于GB31467.3+Ncode+Z向新能源汽車電池包振動疲勞仿真分析
180
6折
汽車NVH的那些事兒
72
6折
Isight系列：如何使用isight使設計變得高效？
展開 探索垂直和水平壓力梯度力的影響
氣動設計的CFD優化應包括壓力梯度和氣動力的計算。
壓力梯度力負責維持飛機在飛行過程中的穩定性
當您給高壓氣球放氣時，高壓區的空氣會流到低壓環境。同樣的現象也是風在大氣中流動的原因。來自高壓區中心的空氣被推向低壓區以產生風流。由于這種壓力差而受到的力是壓力梯度力。沿垂直和水平方向分析此力對于理解空氣動力學系統分析至關重要。
讓我們探討垂直和水平壓力梯度力的影響，以及它們在不同方向上的作用如何影響飛機穩定性。
不同的壓力梯度力
當一個區域內存在壓力差時，力（壓力梯度力）會向低壓區域的方向施加。在飛機空氣動力學中，可以沿水平和垂直方向分析壓力梯度力，以更好地了解阻力、升力和穩定性。這些力可以區分為垂直和水平壓力梯度力。
垂直壓力梯度力
垂直壓力梯度力是由于壓力沿垂直方向的變化而產生的。該力負責影響飛機的升力和高度性能。例如，飛機在低壓高空飛行時，垂直氣壓梯度力使空氣向上推，飛機出現逆風。這種對飛行不利的逆風會造成飛機性能和穩定性問題。因此，這會產生更多關于維持飛機俯仰角和足夠升力的問題。
水平壓力梯度力
水平壓力梯度力是水平方向壓力差的結果。該力垂直于壓力梯度的方向作用，并且負責幾乎所有類型的大氣運動，盡管其幅度小于垂直壓力梯度力。
在空氣動力學設計中，水平壓力梯度的分析對于理解側風的發展非常重要。側風垂直于飛行方向作用，導致飛機搖擺，這在起飛和著陸期間尤其具有挑戰性。這是因為當側風從一個方向吹向另一個方向時，與背風側相比，迎風側的氣壓變得更高。這種水平壓力梯度力將飛機向側面推，影響穩定性。
考慮到這些力對空氣動力學穩定性的各種影響，系統工程師和設計人員必須考慮不同高度下的這些壓力差異，以優化翼型設計。
展開 葉片/翼型參數化造型技術
在流體力學領域，一說弄個翼型算個流場，基本上初學者就能很快掌握，似乎二維固定壁面的東西都是入門的簡單東西。
在AI和各種軟件工具高度發展的今天，這些東西好像變得沒那么重要了。最近聽到一些葉輪機械方向的研一學生的聊天，所言都是什么注意力機制，什么卷積。
前些年這些詞還是多目標優化、大數據、雙碳等等。
科研圈的詞匯貶值速度也是很快的。大家摻大模型進去了，你還沒摻，這不是落后了嗎。
實際上真到了設計制造中，又必須一步步從二維開始做，還要不斷的優化，直至達到目標。
以葉片和機翼為例，從仿真到風洞，不斷對二維葉型/翼型進行迭代優化。為什么實際型號中要死磕二維呢？
原因很簡單，因為相比三維，二維是心里最有底的，無論試驗可靠性還是成本都是能托底的。問題到了三維復雜構型以后，可能影響到設計指標的東西太多了，牽一發而動全身。有時候改了不如不改。
這種情況，在二維階段就要求設計師對各種幾何參數的特點以及其對氣動特性影響規律要非常熟悉，當指標達不到的時候依靠經驗知道往什么方向改。
類似于結構力學領域，很多人遇到啥問題都把它簡化成梁，然后很快就能知道這個東西的大致規律。差生文具多，文具多也可能導致差，因為越復雜的理論模型，越不容易摸到規律。
本期聊聊作為入門的基礎的，葉片/翼型參數化造型技術。
葉/翼型參數知多少
我剛開始接觸這個東西，最讓驚訝的就是一個看起來平平無奇的翼型，竟然有那么多幾何參數，有些是造型用的，有些是造完型計算出來的。
1. 弦長
弦長：翼型通常理解為二維機翼，它前端圓滑，尖點稱為后緣；翼型上距后緣最遠的點稱為前緣；連接前后緣的直線稱為翼弦(chord)，其長度稱為弦長。如下圖所示：
2.
展開 