Nothing Special   »   [go: up one dir, main page]

CN112380794B - 一种航空涡轮发动机叶片的多学科并行协作优化设计方法 - Google Patents

一种航空涡轮发动机叶片的多学科并行协作优化设计方法 Download PDF

Info

Publication number
CN112380794B
CN112380794B CN202011441870.4A CN202011441870A CN112380794B CN 112380794 B CN112380794 B CN 112380794B CN 202011441870 A CN202011441870 A CN 202011441870A CN 112380794 B CN112380794 B CN 112380794B
Authority
CN
China
Prior art keywords
blade
model
optimization
deformation
flow field
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011441870.4A
Other languages
English (en)
Other versions
CN112380794A (zh
Inventor
李立州
张珺
原梅妮
路宽
陈鹏云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North University of China
Original Assignee
North University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North University of China filed Critical North University of China
Priority to CN202011441870.4A priority Critical patent/CN112380794B/zh
Publication of CN112380794A publication Critical patent/CN112380794A/zh
Application granted granted Critical
Publication of CN112380794B publication Critical patent/CN112380794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)

Abstract

本发明涉及航空涡轮发动机叶片的多学科优化设计方法，具体是一种航空涡轮发动机叶片的多学科并行协作优化设计方法。解决了采用传统方法进行航空涡轮发动机叶片的多学科优化设计时计算量庞大、优化效率低、多学科集成困难的问题。该方法是采用如下步骤实现的：步骤一：生成叶片三维造型；步骤二：计算出叶片气动力；计算出叶片变形量；步骤三：重复执行步骤一至步骤二；步骤四：建立叶片流场降阶模型；建立叶片结构降阶模型；步骤五：得到叶片结构分析的流固耦合混合模型；得到叶片流场分析的流固耦合混合模型；步骤六：建立叶片结构优化子系统；建立叶片流场优化子系统；步骤七：判断计算结果是否满足优化目标和约束条件。

Description

一种航空涡轮发动机叶片的多学科并行协作优化设计方法
技术领域
本发明涉及航空涡轮发动机叶片的多学科优化设计方法，具体是一种航空涡轮发动机叶片的多学科并行协作优化设计方法。
背景技术
在进行航空涡轮发动机叶片的多学科优化设计时，如何计算出最优的叶片几何参数是至关重要的问题。若采用传统方法进行航空涡轮发动机叶片的多学科优化设计，则传统方法由于自身原理所限，只能通过多学科之间迭代耦合求解的方式计算出每一组几何参数的叶片性能，据此寻找最优叶片参数，由此导致计算量庞大、优化效率低、多学科集成困难，从而导致航空涡轮发动机叶片的多学科优化设计进程缓慢。基于此，有必要发明一种航空涡轮发动机叶片的多学科并行协作优化设计方法，以解决采用传统方法进行航空涡轮发动机叶片的多学科优化设计时计算量庞大、优化效率低、多学科集成困难的问题。
发明内容
本发明为了解决采用传统方法进行航空涡轮发动机叶片的多学科优化设计时计算量庞大、优化效率低、多学科集成困难的问题，提供了一种航空涡轮发动机叶片的多学科并行协作优化设计方法。
本发明是采用如下技术方案实现的：
一种航空涡轮发动机叶片的多学科并行协作优化设计方法，该方法是采用如下步骤实现的：
步骤一：
利用随机生成器生成叶片几何参数、叶片变形量、叶片气动力；
然后，根据叶片几何参数计算出叶片压力面上第一点的坐标(xp1,yp1)、叶片压力面上最后一点的坐标(xp2,yp2)、叶片吸力面上第一点的坐标(xs1,ys1)、叶片吸力面上最后一点的坐标(xs2,ys2)；
然后，将计算结果代入叶片压力面的型线方程组和叶片吸力面的型线方程组，由此计算出叶片压力面的型线参数[a0 a1 a2 a3 a4 a5]T、叶片吸力面的型线参数[b0 b1 b2 b3b4 b5]T；
叶片压力面的型线方程组表示如下：
Figure BDA0002822640650000021
叶片吸力面的型线方程组表示如下：
Figure BDA0002822640650000022
然后，根据叶片压力面的型线参数[a0 a1 a2 a3 a4 a5]T、叶片吸力面的型线参数[b0 b1 b2 b3 b4 b5]T得到若干个叶片截面的型线，并根据各个叶片截面的型线基叠生成叶片三维造型；
然后，将叶片三维造型、叶片变形量输入到叶片CFD模型；
同时，将叶片三维造型、叶片气动力输入到叶片有限元模型；
步骤二：
利用叶片CFD模型计算出叶片几何参数和叶片变形量所对应的叶片气动力，并将计算结果存入数据库；
同时，利用叶片有限元模型计算出叶片几何参数和叶片气动力所对应的叶片变形量，并将计算结果存入数据库；
步骤三：
重复执行步骤一至步骤二，由此使得数据库中积累一定量的计算结果；
步骤四：
建立叶片几何参数和叶片变形量对叶片气动力影响的叶片流场降阶模型，并利用数据库中的计算结果辨识该叶片流场降阶模型；
同时，建立叶片几何参数和叶片气动力对叶片变形量影响的叶片结构降阶模型，并利用数据库中的计算结果辨识该叶片结构降阶模型；
步骤五：
通过如下步骤得到叶片结构分析的流固耦合混合模型：
步骤a：给定一组叶片几何参数，利用叶片流场降阶模型计算出叶片气动力，并将叶片气动力输入到叶片有限元模型；
步骤b：利用叶片有限元模型计算出叶片变形量，并将叶片变形量输入到叶片流场降阶模型；
步骤c：利用叶片流场降阶模型计算出叶片气动力，并判断叶片气动力与叶片变形量是否匹配；若不匹配，则执行步骤b；若匹配，则实现了叶片流场降阶模型与叶片有限元模型的耦合，由此得到叶片结构分析的流固耦合混合模型；
同时，通过如下步骤得到叶片流场分析的流固耦合混合模型：
步骤a：给定一组叶片几何参数，利用叶片结构降阶模型计算出叶片变形量，并将叶片变形量输入到叶片CFD模型；
步骤b：利用叶片CFD模型计算出叶片气动力，并将叶片气动力输入到叶片结构降阶模型；
步骤c：利用叶片结构降阶模型计算出叶片变形量，并判断叶片变形量与叶片气动力是否匹配；若不匹配，则执行步骤b；若匹配，则实现了叶片结构降阶模型与叶片CFD模型的耦合，由此得到叶片流场分析的流固耦合混合模型；
步骤六：
基于叶片结构分析的流固耦合混合模型，建立叶片结构优化子系统；在叶片结构优化子系统中，先由优化算法自动生成一组新的叶片几何参数，再利用叶片结构分析的流固耦合混合模型计算出当前的叶片结构重量、当前的叶片使用寿命、当前的叶片最大等效应力、当前的叶片最大变形量，然后将计算结果上传到协作优化系统；
同时，基于叶片流场分析的流固耦合混合模型，建立叶片流场优化子系统；在叶片流场优化子系统中，先由优化算法自动生成一组新的叶片几何参数，再利用叶片流场分析的流固耦合混合模型计算出当前的叶片总压比、当前的叶片翼型气动升力、当前的叶片气动力的振荡，然后将计算结果上传到协作优化系统；
步骤七：
利用协作优化系统判断计算结果是否满足优化目标和约束条件；
若计算结果未满足优化目标和约束条件，则执行步骤六；
若计算结果满足优化目标和约束条件，则结束优化。
所述叶片几何参数包括：叶片前缘半径r1、叶片后缘半径r2、叶片冲角i、叶片进口结构角β1、叶片出口结构角β2、叶片安装角γ、叶片叶弦长b、叶片叶栅距离t、叶片进口前缘楔角βq、叶片出口前缘楔角βh、叶片喉部直径a、叶片最大厚度Cmax。
所述步骤六中，利用全局寻优的MIGA算法和局部梯度寻优的NLPQL算法生成新的叶片几何参数。
所述步骤七中，优化目标为：1)叶片结构重量最小；2)叶片总压比最大；约束条件为：1)叶片使用寿命大于2e9个循环；叶片最大等效应力、叶片最大变形量均不超过指定值；2)叶片翼型气动升力大于指定值；叶片气动力的振荡小于指定幅度；3)叶片结构优化子系统中的叶片几何参数与叶片流场优化子系统中的叶片几何参数一致。
与传统方法相比，本发明所述的一种航空涡轮发动机叶片的多学科并行协作优化设计方法基于全新原理，实现了多学科耦合问题的各个学科解耦求解，消除了多学科耦合迭代，同时可以考虑学科之间的耦合效应，进而真正实现了多学科耦合问题的分布式并行协作优化，由此显著减小了计算量、显著提高了优化效率、使多学科集成变得简单，从而显著加快了航空涡轮发动机叶片的多学科优化设计进程。
本发明有效解决了采用传统方法进行航空涡轮发动机叶片的多学科优化设计时计算量庞大、优化效率低、多学科集成困难的问题，适用于航空涡轮发动机叶片的多学科优化设计。
附图说明
图1是本发明的流程示意图。
具体实施方式
一种航空涡轮发动机叶片的多学科并行协作优化设计方法，该方法是采用如下步骤实现的：
步骤一：
利用随机生成器生成叶片几何参数、叶片变形量、叶片气动力；
然后，根据叶片几何参数计算出叶片压力面上第一点的坐标(xp1,yp1)、叶片压力面上最后一点的坐标(xp2,yp2)、叶片吸力面上第一点的坐标(xs1,ys1)、叶片吸力面上最后一点的坐标(xs2,ys2)；
然后，将计算结果代入叶片压力面的型线方程组和叶片吸力面的型线方程组，由此计算出叶片压力面的型线参数[a0 a1 a2 a3 a4 a5]T、叶片吸力面的型线参数[b0 b1 b2 b3b4 b5]T；
叶片压力面的型线方程组表示如下：
Figure BDA0002822640650000061
叶片吸力面的型线方程组表示如下：
Figure BDA0002822640650000062
然后，根据叶片压力面的型线参数[a0 a1 a2 a3 a4 a5]T、叶片吸力面的型线参数[b0 b1 b2 b3 b4 b5]T得到若干个叶片截面的型线，并根据各个叶片截面的型线基叠生成叶片三维造型；
然后，将叶片三维造型、叶片变形量输入到叶片CFD模型；
同时，将叶片三维造型、叶片气动力输入到叶片有限元模型；
步骤二：
利用叶片CFD模型计算出叶片几何参数和叶片变形量所对应的叶片气动力，并将计算结果存入数据库；
同时，利用叶片有限元模型计算出叶片几何参数和叶片气动力所对应的叶片变形量，并将计算结果存入数据库；
步骤三：
重复执行步骤一至步骤二，由此使得数据库中积累一定量的计算结果；
步骤四：
建立叶片几何参数和叶片变形量对叶片气动力影响的叶片流场降阶模型，并利用数据库中的计算结果辨识该叶片流场降阶模型；
同时，建立叶片几何参数和叶片气动力对叶片变形量影响的叶片结构降阶模型，并利用数据库中的计算结果辨识该叶片结构降阶模型；
步骤五：
通过如下步骤得到叶片结构分析的流固耦合混合模型：
步骤a：给定一组叶片几何参数，利用叶片流场降阶模型计算出叶片气动力，并将叶片气动力输入到叶片有限元模型；
步骤b：利用叶片有限元模型计算出叶片变形量，并将叶片变形量输入到叶片流场降阶模型；
步骤c：利用叶片流场降阶模型计算出叶片气动力，并判断叶片气动力与叶片变形量是否匹配；若不匹配，则执行步骤b；若匹配，则实现了叶片流场降阶模型与叶片有限元模型的耦合，由此得到叶片结构分析的流固耦合混合模型；
同时，通过如下步骤得到叶片流场分析的流固耦合混合模型：
步骤a：给定一组叶片几何参数，利用叶片结构降阶模型计算出叶片变形量，并将叶片变形量输入到叶片CFD模型；
步骤b：利用叶片CFD模型计算出叶片气动力，并将叶片气动力输入到叶片结构降阶模型；
步骤c：利用叶片结构降阶模型计算出叶片变形量，并判断叶片变形量与叶片气动力是否匹配；若不匹配，则执行步骤b；若匹配，则实现了叶片结构降阶模型与叶片CFD模型的耦合，由此得到叶片流场分析的流固耦合混合模型；
步骤六：
基于叶片结构分析的流固耦合混合模型，建立叶片结构优化子系统；在叶片结构优化子系统中，先由优化算法自动生成一组新的叶片几何参数，再利用叶片结构分析的流固耦合混合模型计算出当前的叶片结构重量、当前的叶片使用寿命、当前的叶片最大等效应力、当前的叶片最大变形量，然后将计算结果上传到协作优化系统；
同时，基于叶片流场分析的流固耦合混合模型，建立叶片流场优化子系统；在叶片流场优化子系统中，先由优化算法自动生成一组新的叶片几何参数，再利用叶片流场分析的流固耦合混合模型计算出当前的叶片总压比、当前的叶片翼型气动升力、当前的叶片气动力的振荡，然后将计算结果上传到协作优化系统；
步骤七：
利用协作优化系统判断计算结果是否满足优化目标和约束条件；
若计算结果未满足优化目标和约束条件，则执行步骤六；
若计算结果满足优化目标和约束条件，则结束优化。
所述叶片几何参数包括：叶片前缘半径r1、叶片后缘半径r2、叶片冲角i、叶片进口结构角β1、叶片出口结构角β2、叶片安装角γ、叶片叶弦长b、叶片叶栅距离t、叶片进口前缘楔角βq、叶片出口前缘楔角βh、叶片喉部直径a、叶片最大厚度Cmax。
所述步骤六中，利用全局寻优的MIGA算法和局部梯度寻优的NLPQL算法生成新的叶片几何参数。
所述步骤七中，优化目标为：1)叶片结构重量最小；2)叶片总压比最大；约束条件为：1)叶片使用寿命大于2e9个循环；叶片最大等效应力、叶片最大变形量均不超过指定值；2)叶片翼型气动升力大于指定值；叶片气动力的振荡小于指定幅度；3)叶片结构优化子系统中的叶片几何参数与叶片流场优化子系统中的叶片几何参数一致。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式作出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (4)

1.一种航空涡轮发动机叶片的多学科并行协作优化设计方法，其特征在于：该方法是采用如下步骤实现的：
步骤一：
利用随机生成器生成叶片几何参数、叶片变形量、叶片气动力；
然后，根据叶片几何参数计算出叶片压力面上第一点的坐标(xp1,yp1)、叶片压力面上最后一点的坐标(xp2,yp2)、叶片吸力面上第一点的坐标(xs1,ys1)、叶片吸力面上最后一点的坐标(xs2,ys2)；
然后，将计算结果代入叶片压力面的型线方程组和叶片吸力面的型线方程组，由此计算出叶片压力面的型线参数[a0 a1 a2 a3 a4 a5]T、叶片吸力面的型线参数[b0 b1 b2 b3 b4b5]T；
叶片压力面的型线方程组表示如下：
Figure FDA0002822640640000011
叶片吸力面的型线方程组表示如下：
Figure FDA0002822640640000012
然后，根据叶片压力面的型线参数[a0 a1 a2 a3 a4 a5]T、叶片吸力面的型线参数[b0 b1b2 b3 b4 b5]T得到若干个叶片截面的型线，并根据各个叶片截面的型线基叠生成叶片三维造型；
然后，将叶片三维造型、叶片变形量输入到叶片CFD模型；
同时，将叶片三维造型、叶片气动力输入到叶片有限元模型；
步骤二：
利用叶片CFD模型计算出叶片几何参数和叶片变形量所对应的叶片气动力，并将计算结果存入数据库；
同时，利用叶片有限元模型计算出叶片几何参数和叶片气动力所对应的叶片变形量，并将计算结果存入数据库；
步骤三：
重复执行步骤一至步骤二，由此使得数据库中积累一定量的计算结果；
步骤四：
建立叶片几何参数和叶片变形量对叶片气动力影响的叶片流场降阶模型，并利用数据库中的计算结果辨识该叶片流场降阶模型；
同时，建立叶片几何参数和叶片气动力对叶片变形量影响的叶片结构降阶模型，并利用数据库中的计算结果辨识该叶片结构降阶模型；
步骤五：
通过如下步骤得到叶片结构分析的流固耦合混合模型：
步骤a：给定一组叶片几何参数，利用叶片流场降阶模型计算出叶片气动力，并将叶片气动力输入到叶片有限元模型；
步骤b：利用叶片有限元模型计算出叶片变形量，并将叶片变形量输入到叶片流场降阶模型；
步骤c：利用叶片流场降阶模型计算出叶片气动力，并判断叶片气动力与叶片变形量是否匹配；若不匹配，则执行步骤b；若匹配，则实现了叶片流场降阶模型与叶片有限元模型的耦合，由此得到叶片结构分析的流固耦合混合模型；
同时，通过如下步骤得到叶片流场分析的流固耦合混合模型：
步骤a：给定一组叶片几何参数，利用叶片结构降阶模型计算出叶片变形量，并将叶片变形量输入到叶片CFD模型；
步骤b：利用叶片CFD模型计算出叶片气动力，并将叶片气动力输入到叶片结构降阶模型；
步骤c：利用叶片结构降阶模型计算出叶片变形量，并判断叶片变形量与叶片气动力是否匹配；若不匹配，则执行步骤b；若匹配，则实现了叶片结构降阶模型与叶片CFD模型的耦合，由此得到叶片流场分析的流固耦合混合模型；
步骤六：
基于叶片结构分析的流固耦合混合模型，建立叶片结构优化子系统；在叶片结构优化子系统中，先由优化算法自动生成一组新的叶片几何参数，再利用叶片结构分析的流固耦合混合模型计算出当前的叶片结构重量、当前的叶片使用寿命、当前的叶片最大等效应力、当前的叶片最大变形量，然后将计算结果上传到协作优化系统；
同时，基于叶片流场分析的流固耦合混合模型，建立叶片流场优化子系统；在叶片流场优化子系统中，先由优化算法自动生成一组新的叶片几何参数，再利用叶片流场分析的流固耦合混合模型计算出当前的叶片总压比、当前的叶片翼型气动升力、当前的叶片气动力的振荡，然后将计算结果上传到协作优化系统；
步骤七：
利用协作优化系统判断计算结果是否满足优化目标和约束条件；
若计算结果未满足优化目标和约束条件，则执行步骤六；
若计算结果满足优化目标和约束条件，则结束优化。
2.根据权利要求1所述的一种航空涡轮发动机叶片的多学科并行协作优化设计方法，其特征在于：所述叶片几何参数包括：叶片前缘半径r1、叶片后缘半径r2、叶片冲角i、叶片进口结构角β1、叶片出口结构角β2、叶片安装角γ、叶片叶弦长b、叶片叶栅距离t、叶片进口前缘楔角βq、叶片出口前缘楔角βh、叶片喉部直径a、叶片最大厚度Cmax。
3.根据权利要求1所述的一种航空涡轮发动机叶片的多学科并行协作优化设计方法，其特征在于：所述步骤六中，利用全局寻优的MIGA算法和局部梯度寻优的NLPQL算法生成新的叶片几何参数。
4.根据权利要求1所述的一种航空涡轮发动机叶片的多学科并行协作优化设计方法，其特征在于：所述步骤七中，优化目标为：1)叶片结构重量最小；2)叶片总压比最大；约束条件为：1)叶片使用寿命大于2e9个循环；叶片最大等效应力、叶片最大变形量均不超过指定值；2)叶片翼型气动升力大于指定值；叶片气动力的振荡小于指定幅度；3)叶片结构优化子系统中的叶片几何参数与叶片流场优化子系统中的叶片几何参数一致。
CN202011441870.4A 2020-12-08 2020-12-08 一种航空涡轮发动机叶片的多学科并行协作优化设计方法 Active CN112380794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011441870.4A CN112380794B (zh) 2020-12-08 2020-12-08 一种航空涡轮发动机叶片的多学科并行协作优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011441870.4A CN112380794B (zh) 2020-12-08 2020-12-08 一种航空涡轮发动机叶片的多学科并行协作优化设计方法

Publications (2)

Publication Number Publication Date
CN112380794A CN112380794A (zh) 2021-02-19
CN112380794B true CN112380794B (zh) 2022-11-08

Family

ID=74589718

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011441870.4A Active CN112380794B (zh) 2020-12-08 2020-12-08 一种航空涡轮发动机叶片的多学科并行协作优化设计方法

Country Status (1)

Country Link
CN (1) CN112380794B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705077A (zh) * 2021-07-13 2021-11-26 哈尔滨工业大学 基于机器学习的涡轮叶片反问题设计方法、计算机可读存储介质和电子设备
CN114139298B (zh) * 2021-10-20 2023-10-03 中国航发四川燃气涡轮研究院 气、热和固的多学科耦合分析的方法
CN114896699B (zh) * 2022-05-23 2024-03-19 西安交通大学 一种航空发动机中向心涡轮叶轮的多学科优化设计方法
CN115062560B (zh) * 2022-06-16 2024-06-21 毕节高新技术产业开发区国家能源大规模物理储能技术研发中心 一种基于机器学习的涡轮多尺度流动降阶耦合方法
CN118246281B (zh) * 2024-04-03 2024-12-17 北京航空航天大学 气冷涡轮叶片模拟件多学科融合试验分析方法、设备及介质

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1696356A1 (en) * 2005-02-24 2006-08-30 Siemens Aktiengesellschaft Flow acoustic simulation with the Lattice-Boltzmann method
JP2008276807A (ja) * 2001-10-12 2008-11-13 Sharp Corp 流体・構造連成数値モデルの作成方法を用いた羽ばたき飛行ロボットの製造方法
CN101882177A (zh) * 2010-06-18 2010-11-10 北京航空航天大学 叶轮机械计入叶间相位角的气弹稳定性流固耦合预测方法
WO2011042312A1 (en) * 2009-10-09 2011-04-14 Rolls-Royce Plc Rotor behaviour determination
CN102799730A (zh) * 2012-07-13 2012-11-28 北京航空航天大学 一种燃气轮机风扇叶片反扭过程的预估方法
CN102938003A (zh) * 2012-10-17 2013-02-20 北京航空航天大学 一种叶轮机械计入错频的气动弹性稳定性数值预测方法
CN104331553A (zh) * 2014-10-29 2015-02-04 浙江大学 考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法
CN105843073A (zh) * 2016-03-23 2016-08-10 北京航空航天大学 一种基于气动力不确定降阶的机翼结构气动弹性稳定性分析方法
CN106055791A (zh) * 2016-05-31 2016-10-26 西北工业大学 基于预估校正算法的飞行器全局气动优化方法
CN106227967A (zh) * 2016-08-01 2016-12-14 杭州汽轮机股份有限公司 工业汽轮机低压级组叶片型线优化方法
CN106529072A (zh) * 2016-11-25 2017-03-22 江苏大学 基于多学科优化的高温高压离心泵叶轮综合设计方法
CN106777526A (zh) * 2016-11-25 2017-05-31 江苏大学 基于遗传算法的高温高压离心式叶轮多学科优化方法
CN108170972A (zh) * 2018-01-10 2018-06-15 浙江吉润汽车有限公司 一种方程式赛车车架的有限元分析方法
CN108182328A (zh) * 2018-01-05 2018-06-19 北京航空航天大学 一种适用于失速颤振的大攻角非线性气动力降阶模型
CA2977245A1 (en) * 2016-12-21 2018-06-21 The Boeing Company Wing flap deflection control removal
CN108278180A (zh) * 2018-03-09 2018-07-13 杭州培聚教育科技有限公司 基于涡流振动和电磁感应原理的无叶片风力发电装置
CN207920774U (zh) * 2018-03-09 2018-09-28 杭州科以才成科技有限公司 一种基于涡流振动和电磁感应原理的无叶片风力发电装置
CN108710746A (zh) * 2018-02-08 2018-10-26 哈尔滨广瀚燃气轮机有限公司 虑及舰船燃机压气机动叶片预变形影响的反扭设计方法
CN109002680A (zh) * 2018-10-28 2018-12-14 扬州大学 一种新型轴流泵叶轮多学科自动优化设计方法
CA3017382A1 (en) * 2017-12-07 2019-06-07 The Boeing Company Pre-deformed aircraft spoilers and droop panels designed to seal with flap in deflected state
US10415581B1 (en) * 2018-04-25 2019-09-17 Brien Aven Seeley Ultra-quiet propeller system
WO2019210330A1 (en) * 2018-04-28 2019-10-31 The Research Foundation For The State University Of New York Flexible wind turbine blade with actively variable twist distribution
CN111563339A (zh) * 2020-04-27 2020-08-21 江苏理工学院 基于变量耦合与软件集成的cfrp导流罩一体化设计方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4184028B2 (ja) * 2001-10-12 2008-11-19 シャープ株式会社 流体・構造連成数値モデルの作成方法
US20030150962A1 (en) * 2002-02-12 2003-08-14 Bela Orban Method for controlling and delaying the separation of flow from a solid surface by suction coupling (controlling separation by suction coupling, CSSC)
US20120152007A1 (en) * 2007-01-12 2012-06-21 Richard Holmes Testing performance of a material for use in a jet engine
US11008120B2 (en) * 2017-05-23 2021-05-18 The Boeing Company System and method for predicting preliminary design requirements using artificial neural networks
US10851643B2 (en) * 2017-11-02 2020-12-01 Reveal Energy Services, Inc. Determining geometries of hydraulic fractures

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008276807A (ja) * 2001-10-12 2008-11-13 Sharp Corp 流体・構造連成数値モデルの作成方法を用いた羽ばたき飛行ロボットの製造方法
EP1696356A1 (en) * 2005-02-24 2006-08-30 Siemens Aktiengesellschaft Flow acoustic simulation with the Lattice-Boltzmann method
WO2011042312A1 (en) * 2009-10-09 2011-04-14 Rolls-Royce Plc Rotor behaviour determination
CN101882177A (zh) * 2010-06-18 2010-11-10 北京航空航天大学 叶轮机械计入叶间相位角的气弹稳定性流固耦合预测方法
CN102799730A (zh) * 2012-07-13 2012-11-28 北京航空航天大学 一种燃气轮机风扇叶片反扭过程的预估方法
CN102938003A (zh) * 2012-10-17 2013-02-20 北京航空航天大学 一种叶轮机械计入错频的气动弹性稳定性数值预测方法
CN104331553A (zh) * 2014-10-29 2015-02-04 浙江大学 考虑缺陷的大型透平膨胀机叶轮叶片结构优化设计方法
CN105843073A (zh) * 2016-03-23 2016-08-10 北京航空航天大学 一种基于气动力不确定降阶的机翼结构气动弹性稳定性分析方法
CN106055791A (zh) * 2016-05-31 2016-10-26 西北工业大学 基于预估校正算法的飞行器全局气动优化方法
CN106227967A (zh) * 2016-08-01 2016-12-14 杭州汽轮机股份有限公司 工业汽轮机低压级组叶片型线优化方法
CN106529072A (zh) * 2016-11-25 2017-03-22 江苏大学 基于多学科优化的高温高压离心泵叶轮综合设计方法
CN106777526A (zh) * 2016-11-25 2017-05-31 江苏大学 基于遗传算法的高温高压离心式叶轮多学科优化方法
CA2977245A1 (en) * 2016-12-21 2018-06-21 The Boeing Company Wing flap deflection control removal
CA3017382A1 (en) * 2017-12-07 2019-06-07 The Boeing Company Pre-deformed aircraft spoilers and droop panels designed to seal with flap in deflected state
CN108182328A (zh) * 2018-01-05 2018-06-19 北京航空航天大学 一种适用于失速颤振的大攻角非线性气动力降阶模型
CN108170972A (zh) * 2018-01-10 2018-06-15 浙江吉润汽车有限公司 一种方程式赛车车架的有限元分析方法
CN108710746A (zh) * 2018-02-08 2018-10-26 哈尔滨广瀚燃气轮机有限公司 虑及舰船燃机压气机动叶片预变形影响的反扭设计方法
CN108278180A (zh) * 2018-03-09 2018-07-13 杭州培聚教育科技有限公司 基于涡流振动和电磁感应原理的无叶片风力发电装置
CN207920774U (zh) * 2018-03-09 2018-09-28 杭州科以才成科技有限公司 一种基于涡流振动和电磁感应原理的无叶片风力发电装置
US10415581B1 (en) * 2018-04-25 2019-09-17 Brien Aven Seeley Ultra-quiet propeller system
WO2019210330A1 (en) * 2018-04-28 2019-10-31 The Research Foundation For The State University Of New York Flexible wind turbine blade with actively variable twist distribution
CN109002680A (zh) * 2018-10-28 2018-12-14 扬州大学 一种新型轴流泵叶轮多学科自动优化设计方法
CN111563339A (zh) * 2020-04-27 2020-08-21 江苏理工学院 基于变量耦合与软件集成的cfrp导流罩一体化设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A reduced order model for uncoupled and coupled cascade flutter analysis;Dan Su等;《Journal of Fluids and Structures》;20160228;第61卷;第410-430页 *
基于降阶模型的尾流激励下的叶片气动弹性快速分析方法;罗骁;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190915(第9期);第C031-67页 *

Also Published As

Publication number Publication date
CN112380794A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN112380794B (zh) 一种航空涡轮发动机叶片的多学科并行协作优化设计方法
Bai et al. Effect of surface roughness on the aerodynamic performance of turbine blade cascade
Zhang et al. Leading-edge redesign of a turbomachinery blade and its effect on aerodynamic performance
CN112597709B (zh) 一种考虑转捩扰动因素的涡轮叶栅流道cfd计算方法
Xu et al. Correlation of solidity and curved blade in compressor cascade design
Liou et al. Challenges and progress in aerodynamic design of hybrid wingbody aircraft with embedded engines
CN105302983A (zh) 一种基于相对弯度的风力机翼型非对称钝尾缘设计方法
Zhang et al. Effect of boundary layer suction on aerodynamic performance of high-turning compressor cascade
CN115114868A (zh) 基于深度学习与损失权重分析的涡轮损失模型构建方法
Kong et al. The blade shape optimization of a low-pressure axial fan using the surrogate-based multi-objective optimization method
CN105138766A (zh) 基于模糊聚类的高超声速气动热降阶模型的加点方法
Zhang et al. 3D unsteady simulation of a low speed low-reaction aspirated compressor
Ling et al. Relationship between optimum curved blade generate line and cascade parameters in subsonic axial compressor
CN114896699B (zh) 一种航空发动机中向心涡轮叶轮的多学科优化设计方法
Fei et al. Investigation of the dihedral angle effect on the boundary layer development using special-shaped expansion pipes
CN114065423A (zh) 快速评估航空发动机风扇叶片颤振的方法
Ahmed et al. Investigation of improved aerodynamic performance of isolated airfoils using circle method
Yan et al. Vorticity dynamics diagnosis of the internal flow field in a high-load counter-rotating compressor
Hine et al. Short Ducted Fan Diffusers With Integral Splitter Blades
Ling et al. Numerical investigation of corner separation on compressor cascade
Dufau et al. The effect of Reynolds number on the flow around the T106C very high lift low pressure turbine linear cascade
Zhang et al. Effect of relative camber on the aerodynamic performance improvement of asymmetrical blunt trailing-edge modification
Liu et al. Application of MCST method to design the blade leading edge in axial compressors
Fan et al. Experimental and Computational Study on the Impact of Aerodynamic Load Distribution on Aerodynamic Performance of Variable-Speed Turbine Blade
Li et al. A New Segmented Suction Slot Design Based on the Performance of Compressor Cascade

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant