一种大型民机机翼变弯度设计方法技术领域
本发明涉及一种大型民机机翼设计方法，特别涉及一种大型民机机翼变弯度设计方法。
背景技术
大型民机通常采用阶梯巡航的方式，其巡航升力系数是在一定范围内变化的。此外，由于受到航路管制、大气环境的影响，飞机也并非严格按照设计巡航状态飞行。上述因素使得大型民机常会出现马赫数和升力系数偏离设计点的情况。大型民用飞机最重要的一个设计指标就是巡航升阻比。在气动设计中，对于固定巡航构型的飞机，虽然可以通过采用多点多目标优化设计一定程度上兼顾非设计点的升阻比性能，但受构型本身固定的限制，偏离巡航点后的升阻比并不是最优的。基于上述原因，能够根据飞行工况来改变构型的机翼变弯度技术成为研究的热点。
变弯度机翼技术关键的问题是如何获得不同设计工况下的最优弯度，即不同升力系数、巡航马赫数。从公开文献的方法看，目前解决上述问题的方法基本是基于风洞试验插值、经验公式或者通过试飞获得。其中，风洞试验插值方法周期长，风洞试验工况有限，且对于非线性问题插值易丢失精度；经验公式对于存在激波流动现象的超临界机翼变弯度问题，精度较差；试飞方法虽然结果最可靠，但周期长且花费大，由于试飞时机翼构型及变弯度机构已固定，后续技术修改的难度较大。综合上述问题，对于具有气动非线性的超临界机翼的大型民机而言，缺少一种快速预测最优机翼弯度且能较好满足精度要求的设计方法。
发明内容
本发明要解决的技术问题：提供一种能够快速、准确确定大型民机机翼变弯度的方法。
本发明的技术方案：所述的方法主要通过在给定的初始外形和飞行条件下，建立一组变弯度舵偏样本，并分析舵偏样本对应飞行条件的气动性能，构建代理模型，通过对代理模型的优化，得出给定工况下的最佳舵偏。
作为本技术方案的一种改进，所述的方法包括如下步骤：
步骤一，确定机翼的剖面形状、平面形状参数和舵面基本参数以及设计升力系数和马赫数范围；
步骤二，在弯度变化范围给定一组均布的弯度舵偏样本，并分析上述舵偏样本对应不同马赫数、升力系数的气动性能；
步骤三，构建代理模型，通过模型获取后缘弯度与气动特性之间的代理关系；
步骤四，对所构建的代理模型进行优化，求出给定工况下的最佳舵偏；
步骤五，对优化得到的最优舵偏进行校核，检验其是否满足精度要求，如满足则输出最佳舵偏，如不满足则对舵偏样本分布进行加密并更新代理模型重新优化。
作为本技术方案的一种改进，弯度舵偏样本的数量可根据机翼气动性能的非线性程度确定，非线性越高所需样本数量越多。
作为本技术方案的一种改进，弯度舵偏样本的间隔为0.25°-1°舵偏。
作为本技术方案的一种改进，所选用的代理模型为Kriging代理模型。
作为本技术方案的一种改进，采用CFD对弯度舵偏样本进行分析，得出舵偏样本对应不同马赫数、升力系数的气动性能。
作为本技术方案的一种改进，采用遗传算法对所构建的代理模型进行优化。
本发明的有益效果：1、不同于其它方法，本方法通过构建机翼弯度与气动性能之间关系的代理模型，来实现机翼最佳弯度的快速求解，采用本方法的设计周期短；
2、相比经验公式计算或者风洞试验插值，基于Kriging模型的机翼变弯度代理模型能够更好的反映非线性气动问题，验证结果表明该模型具有较好的分析精度，能够满足机翼变弯度设计需求。
3、通过构建代理模型即可在设计工况的给定范围内，预测所有机翼弯度的气动性能，进而能够更全面的分析机翼弯度与气动性能之间的规律。
4、代理模型是基于机翼变弯度样本的CFD分析结果基础上构建，相对风洞试验和试飞设计花费较少。
附图说明
图1为本发明的流程框图；
图2为后缘变弯度的超临界翼型；
图3为最优弯度翼型与原始翼型压力分布的比较；
图4为翼型最优弯度随马赫数的非线性变化；
图5为不同马赫数下最优弯度翼型与原始翼型压力分布的比较；
图6为不同升力系数下的翼型后缘弯度最优解；
图7为不同马赫数下的翼型后缘弯度最优解。
具体实施方式
下面结合附图对本技术方案做进一步详细说明。
所述的方法主要通过在给定的初始外形和飞行条件下，建立一组变弯度舵偏样本，并分析舵偏样本对应飞行条件的气动性能，构建代理模型，通过对代理模型的优化，得出给定工况下的最佳舵偏。
基于代理模型的大型民机机翼/翼型变弯度设计的流程见图1：①确定机翼的剖面形状、平面形状参数和舵面基本参数以及设计升力系数和马赫数范围；②给定一组在弯度变化范围内均布的弯度舵偏样本，变弯度机翼/翼型所需舵偏范围较小，样本数量可根据机翼气动性能的非线性程度确定，非线性越高所需样本点越多，初步建议样本间隔取0.25°-1°舵偏，并利用计算流体力学CFD分析上述舵偏样本对应不同马赫数、升力系数的气动性能；③构建代理模型，这里采用Kriging代理模型，通过模型获取后缘弯度与气动特性之间的代理关系，用于后续优化替代直接的CFD分析；④以舵偏Δdeflection为设计变量，阻力系数Cd为目标函数，飞行速度Ma和升力系数Cl为约束条件，采用遗传算法对所构建的代理模型进行优化，求出给定工况下的最佳舵偏；⑤对优化得到的最优舵偏进行CFD校核，检验其是否满足精度要求，如满足则输出最佳舵偏，如不满足则对舵偏样本分布进行加密并更新代理模型重新优化。正确构建的机翼/翼型变弯度代理模型，能够在求解最佳弯度过程中具有较高的精度，即精度接近CFD分析结果，同时计算量很小，一般求解时间在数秒以内，从而提高了变弯度设计优化效率。此外，代理模型一旦构建完成后，便可快速获取给定机翼/翼型弯度下的气动性能，无需进行复杂的CFD计算。
本方法在构建代理模型过程中，采用了Kriging代理模型。Kriging模型作为估计方差最小的无偏估计模型，具有局部估计的特点，在解决非线性程度较高的问题时较容易取得理想的拟合结果。考虑到大型民机超临界机翼由于激波的影响可能存在的气动非线性特性，将Kriging模型应用在变弯度设计较为合适。随着代理模型技术的不断发展，在后期可将Kriging模型替换为其它更先进的代理模型。此外，根据具体机翼变弯度设计问题的不同，上述流程中的遗传优化算法也可替换为其它更合适的优化算法。
为了验证本申请提案所提方法的有效性，对典型的超临界翼型后缘绕定轴变弯度进行了初步设计验证研究。变弯度超临界翼型见图2所示，弯度偏角用Δdeflection表示，后缘下偏为正弯度偏角，后缘上偏为负弯度偏角。分别通过两个不同的翼型变弯度设计问题来验证本方法的有效性：针对升力系数变化的变弯度设计验证；针对马赫数变化的变弯度设计验证。
1)针对升力系数变化的变弯度设计验证
验证算例中，超临界翼型的巡航设计点为：飞行速度Ma＝0.721，升力系数Cldesign＝0.824。针对升力系数偏离设计点Cl＝0.784～0.864范围，进行了后缘变弯度优化，变弯度优化问题可以表述为：
最小化：阻力系数Cd(Δdeflection,Ma,Cl)
设计变量：后缘弯度Δdeflection
约束条件：升力系数Cl＝Cldesign+ΔCl；飞行速度Ma＝0.721
采用本申请提案的方法进行最优弯度设计，针对不同升力系数的弯度优化结果见图6，为了确定结果的有效性，经过优化后，原始翼型和最优弯度下的阻力系数Cd均用基于NS方程的CFD计算进行了重新校核，同时给出了Kriging代理模型的误差，表中Cd结果为校核结果。可以看到，经过基于Kriging模型的变弯度优化，大部分升力系数工况下所得最优弯度构型的阻力系数均有不同程度的改善。当Cl＝0.784时，Cd改善幅度最大为0.8％。当升力系数较小时，最优舵偏为负值，当升力系数变大时，最优舵偏也向正值方向增加。另外，Kriging预测误差远小于变弯度带来的阻力减小量，说明Kriging模型的预测精度能够满足超临界翼型变弯度优化的要求。
不同升力系数下，经过本方法优化后的变弯度翼型与原始翼型压力分布的比较，由图3给出。可以看出，经过后缘变弯度优化，翼型的激波位置前移，前缘吸力峰增加，超临界平台的Cp斜率增加，激波强度不同程度减弱。该结果说明了本方法的有效性。
2)针对马赫数变化的变弯度设计验证
同样以超临界翼型设计点Ma＝0.721，Cldesign＝0.824为基准，针对飞行速度偏离Ma＝0.701～0.741范围，进行了后缘变弯度优化，优化问题表述为：
最小化：Cd(Δdeflection,Ma,Cl)
设计变量：Δdeflection
约束条件：Ma＝Madesign+ΔMa；Cl＝0.824
针对不同马赫数的弯度优化结果见图7，同样的，表中结果为CFD校核结果。可以看到，大部分马赫数工况下所得最优弯度构型的阻力系数也均有不同程度的改善，改善幅度最大为1.33％。
图4给出了不同马赫数的最优弯度情况，可以看出与升力系数变化的最优后缘弯度不同的是，马赫数变化下的最优弯度并不是单调的。当升力系数较小时，最优舵偏为负值，当升力系数变大时，最优舵偏也向正值方向增加。另外，CFD计算校核与Kriging预测的变弯度翼型阻力差别很小，Kriging预测误差远小于变弯度带来的阻力减小量，说明Kriging模型的预测精度能够满足翼型变弯度优化的要求。
图5给出了不同马赫下，经过优化的变弯度翼型与原始翼型压力分布的比较。同样可以看出，最优弯度翼型的激波位置前移，前缘吸力峰增加，激波强度不同程度减弱，这与升力系数变化的最优弯度情况类似。在Ma＝0.711时，通过后缘变弯度基本可以把原来构型的激波消除。设计结果说明了本方法的有效性。