风力机参数化集成表达方法及其收敛特性研究

为了研究风力机叶片参数化集成表达的方法,基于翼型型线集成理论与Bezier曲线拟合方法,建立了风力机叶片翼型、弦长和扭角分布集成表达的控制参数模型。通过风力机气动和噪声计算模型,研究了拟合风力机叶片的气动和噪声收敛特性。结果表明,本方法所得到的控制参数对应表达的拟合风力机叶片在功率、载荷和噪声等变化曲线与原风力机吻合一致,满足收敛的精度要求。     

翼型型线的参数表达式探讨

为便于对翼型进行反向设计和数字化设计,研究了用解析函数的参数表达式生成翼型型线或逼近已有翼型型线的数学方法。对儒科夫斯基翼型型线函数进行泰勒级数展开并略去3阶以上小量,获得了由中弧线-厚度函数组成的翼型函数,经过扩展定义,得到翼型的一般表达式,分析了式中常数取值对翼型形状的影响,给出了若干示例。研究表明,中弧线-厚度函数表示的参数表达式结构简单且几何意义明确,适合表达翼型形状;可通过增加厚度函数项的方式得到后缘光滑翼型;一些简单翼型可用一个单闭参数公式表达,复杂翼型可用上、下型线公式分别表达;按规律对翼型函数中的常数赋值,可以方便地生成预期形状的翼型图像,或逼近已有翼型形状。     

基于Bezier曲线的翼型参数化及前尾缘处理方法研究

本文基于Bezier曲线,采用MATLAB软件,对翼型的参数化展开研究。同时,针对翼型的前缘、尾缘在参数化过程中出现的尖点问题提出了平行点处理方法,以提高参数化精度,准确地表达翼型的几何特征。本文对几种翼型在不同阶次下的参数化曲线结果进行了误差分析,通过与原始数据的对比,进一步证明了本文提出的翼型参数化方法具有精度高,实用性强的特点。     

神经网络在风力机翼型气动性能优化中的应用

针对风力机翼型优化计算量大的问题,提出了一种基于计算流体力学和神经网络气动性能近似计算的翼型优化方法。首先根据茹科夫斯基翼型理论构造了翼型参数化表达方法,以多工况条件下的翼型气动性能为目标函数,选取翼型表达式中的12个参数为设计变量,建立了翼型气动性能优化模型。然后用优化拉丁方采样方法获得翼型样本设计空间,通过计算流体力学方法获取每个样本的气动性能,利用神经网络对样本集进行非线性拟合,构建神经网络翼型气动性能近似计算模型。遗传算法在寻优时,用近似计算模型代替耗时的流场计算,最终得到最优解。并通过此方法对FFAW3-301翼型进行优化,优化后翼型具有更佳的气动性能,优化结果表明此优化方法具有可行性。     

基于混合改型理论的风力机翼型参数化方法

翼型的参数化表达方法是风力机翼型优化设计理论中最基础的部分.基于此,研究由基于泛函的儒科夫斯基变换理论建立的翼型参数化集成表达方法和SOBIECZKY尾缘改型方法在优化过程中的特点与不足,提出一种混合式尾翼型缘改型方法.建立采用最优保存策略的遗传算法优化模型,以Xfoil作为目标函数流体力学求解器,使用涉及的几种参数化方法,对RAE2822和NACA63215初始翼型进行优化设计.优化结果表明,混合式尾缘改型方法有效地克服了上述泛函变换方法和SOBIECZKY尾缘改型方法的不足之处,其与泛函变换方法的结合能够全面而有效地控制翼型,特别是尾缘部分的形状,优化所得的翼型具有良好的气动性能.     

通用风力机翼型型线的表面粗糙度敏感性研究

以风力机翼型为对象,应用边界层理论建立翼型前缘的气流分离模型,探讨气流分离前后翼型表面压力场和速度场的变化规律。相对于传统的翼型反设计理论,提出一种新的集成的、直接的通用翼型型线设计理论。基于泛函分析方法以及翼型保角转换理论,通过选取任意一组特征参数,建立通用风力机翼型型线的集成数学模型并提出其表面粗糙度敏感性的研究方法。研究了通用风力机翼型型线前缘不同分离点以及雷诺数对其气动性能参数的影响,得到不同表面粗糙度下通用型线气动特性的变化规律。研究结果对高性能低粗糙度敏感性的风力机翼型系列设计提供了理论基础,拓宽了风力机翼型的设计思路和方法。     

基于NACA翼型参数化方法的气动优化设计

采用NACA四位数翼型的中弧线结合厚度分布的参数化表达式获得翼型的设计参数,结合经过标准算例验证的基于SST-kw湍流模型的RANS（雷诺平均N-S方程）计算方法,实现对于翼型的黏性流场分析。采用拉丁超立方法确定DOE（实验设计）中的样本空间,依据约束条件筛选可行解集,使用响应面作为代理模型,采用NLPQL（非线性序列二次规划法）求解代理模型中的最优解,对最优解所在设计点进行单独验证,以此构成翼型的气动优化设计框架。在该框架下针对翼型的特定亚音速工况,开展减阻的优化设计,以翼型最大相对厚度、最大相对弯度以及最大弯度位置作为设计变量,阻力系数作为优化目标函数,并以升力和厚度限制作为气动和几何的约束条件。翼型在设计工况下的阻力系数优化结果与其他文献中的CST（类/形函数转换）参数化方法相比,设计变量更少且优化结果相当,表明该优化设计框架相对高效,具有实用价值。     

基于MIGA算法的完全对称翼型优化设计方法研究

提出了一种利用6控制点5阶Bezier多项式对完全对称翼型进行表达的参数化设计方法，并通过6个无量纲的横纵坐标控制系数和翼型最大相对厚度控制翼型型线。采用Fortran语言编写翼型参数化设计程序代码，并与ICEM网格划分和Fluent流场仿真一起集成到Isight自动优化平台，利用多岛遗传算法对相应的目标函数进行求解，实现了完全对称翼型的优化设计。以相对厚度为16%的椭圆翼型为参考，取4°、8°和12°为设计攻角，在Re=2.5×106的条件下，设计得到一款翼型A。与参考翼型对比结果显示，优化翼型A的型线接近菱形，其载荷在x/c∈(0.04,0.3)的区域减小，而在x/c∈(0.3,0.96)的区域增加，沿弦线方向载荷分布更加均衡。此外，在设计攻角下，优化翼型A的升阻比分别增加了28.56%和17.64%，在非设计攻角下，其气动性能也得到显著提升，印证了构建的优化设计方法的可靠性，为其他复杂可逆翼型的优化设计奠定了良好的理论基础。     

基于气动性能与刚度特性的风力机翼型优化设计

结合翼型泛函集成理论与叶片截面刚度矩阵数学计算模型,提出了风力机中等厚度翼型气动性能与结构刚度特性的一体化设计方法,实现了翼型气动性能与叶片截面刚度特性的同时提高。对考虑叶片截面铺层参数变化设计的WQ-B300翼型与DU97-W-300翼型进行了气动性能与结构刚度特性对比分析,结果表明:相比于DU97-W-300翼型,WQ-B300翼型的气动性能与叶片截面刚度性能均有显著提高,其挥舞刚度和摆振刚度分别提高了6.2%和8.4%,验证了该设计方法的可行性,给风力机中等厚度及大厚度翼型设计提供了一种思路。     

风力机专用翼型综合优化设计方法

为了得到拥有优良气动特性且低噪声水平的风力机专用翼型的轮廓线,提出了翼型多工况点多目标综合优化设计方法。该方法应用Bezier曲线对翼型的轮廓线进行参数化表达,并推导出由翼型离散数据点反求Bezier曲线控制点的一般方程。基于翼型噪声预测半经验模型,采用XFOIL计算翼型的气动性能,结合遗传优化算法得到优化翼型。以美国NREL风力机翼型S834为初始翼型,对多工况多目标权重分配方案进行综合设计。研究表明,相对于初始翼型,优化翼型在主攻角范围具有更好的气动性能和声学性能。