基于引气控制的热气防冰优化设计方法

doi:10.7527/S1000-6893.2023.29285

结冰与防除冰

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于引气控制的热气防冰优化设计方法

杨倩¹^,², 郑皓冉¹, 程显达¹, 董威¹()

^1.上海交通大学机械与动力工程学院，上海 200240
^2.中国空气动力研究与发展中心结冰与防除冰重点实验室，绵阳 621000

收稿日期:2023-07-10 修回日期:2023-07-16 接受日期:2023-08-03 出版日期:2023-12-25 发布日期:2023-12-20
通讯作者: 董威 E-mail:wdong@sjtu.edu.cn
基金资助:
国家科技重大专项(J2019-III-0010-0054)

Optimization design method for hot air anti⁃icing system based on bleed air control

Qian YANG¹^,², Haoran ZHENG¹, Xianda CHENG¹, Wei DONG¹()

^1.School of Mechanical Engineering，Shanghai Jiao Tong University，Shanghai 200240，China
^2.Key Laboratory of Icing and Anti/De?icing，China Aerodynamics Research and Development Center，Mianyang 621000，China

Received:2023-07-10 Revised:2023-07-16 Accepted:2023-08-03 Online:2023-12-25 Published:2023-12-20
Contact: Wei DONG E-mail:wdong@sjtu.edu.cn
Supported by:
National Science and Technology Major Project(J2019-III-0010-0054)

摘要/Abstract

摘要：

飞机在飞越含有过冷水滴的云层时，机翼、发动机进气道表面容易发生结冰，危害飞行安全。热气防冰是应用最为广泛的结冰防护手段之一，为了保证在较低的引气量下仍能满足防冰要求，提出了基于引气控制的热气防冰优化设计方法。基于本征正交分解和径向基函数神经网络建立热气防冰性能快速预测方法，实现对防冰优化设计空间内结构参数变化后对应表面温度、溢流水质量流量分布等的快速评估。基于差分进化算法、快速非支配排序遗传算法开展热气防冰系统的单目标优化设计和多目标优化设计，并使用热气防冰性能快速预测方法评估种群个体的目标函数和约束函数。在满足优化问题约束条件的前提下，单目标优化设计所得热气防冰结构较基础设计所需引气量下降了23.41%；多目标优化设计可以得到一系列优化的防冰结构，设计人员可以通过评估减小引气量和增强防冰性能两方面目标的权重来选择最为合适的热气防冰结构设计方案。

关键词: 热气防冰, 防冰性能快速预测, 遗传算法, 单目标优化设计, 多目标优化设计

Abstract:

In-flight icing occurs on wings and engine inlets when aircraft fly through clouds containing supercooled water droplets， which is detrimental to flight safety. Hot air anti-icing is one of the most widely used anti-icing technologies. To ensure that anti-icing requirements are met with lower bleed air quantities， an optimization design method based on bleed air control for hot air anti-icing system is developed. A fast prediction method for hot air anti-icing performance based on Proper Orthogonal Decomposition and Radial Basis Function neural networks is constructed， enabling rapid evaluation of the surface temperature and runback water mass flow rate distributions for different anti-icing configurations within the anti-icing optimization design space. Genetic algorithms and Nondominated Sorting Genetic Algorithms are employed for the single- and multi-objective optimization problems of the hot air anti-icing system. The fast prediction method for hot air anti-icing performance is used to evaluate the objective and constraint functions of individuals in the population. While satisfying the constraint functions of the optimization problem， the single-objective optimized design can reduce the required bleed air quantity by 23.41% compared to the baseline design. The multi-objective optimization design produces a series of optimized anti-icing configurations， and the design engineers can choose the most suitable anti-icing configuration design by evaluating the weights of both bleed air reduction and anti-icing performance enhancement.

Key words: hot air anti-icing, anti-icing performance fast prediction, genetic algorithm, single-objective optimization design, multi-objective optimization design

中图分类号:

杨倩, 郑皓冉, 程显达, 董威. 基于引气控制的热气防冰优化设计方法[J]. 航空学报, 2023, 44(S2): 729285-729285.

Qian YANG, Haoran ZHENG, Xianda CHENG, Wei DONG. Optimization design method for hot air anti⁃icing system based on bleed air control[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(S2): 729285-729285.

图/表 12

图 1

表 1

图 2

表 2

训练样本

编号	L/mm	x_pic/mm	y_pic/mm	θ₀/（°）	θ₁/（°）
1	26.38	19.475	-1.94	13.00	32.075
2	31.78	9.725	-5.02	11.80	43.425
3	39.86	-4.925	1.46	1.00	25.175
$⋮$	$⋮$	$⋮$	$⋮$	$⋮$	$⋮$
500	30.98	10.575	7.14	5.48	28.875

表 2

表 3

测试样本

编号	L/mm	x_pic/mm	y_pic/mm	θ₀/（°）	θ₁/（°）
1	31.3	4.875	-8.7	15.4	33.625
2	36.1	17.125	-4.7	-12.2	35.375
3	20.5	7.375	0.1	11.8	34.875
$⋮$	$⋮$	$⋮$	$⋮$	$⋮$	$⋮$
100	35.9	-1.625	-4.5	-6.2	44.375

表 3

图 3

图 4

图 5

图 6

图 7

图 8

图 9

参考文献 23

1	桂业伟，周志宏，李颖晖，等. 关于飞机结冰的多重安全边界问题［J］. 航空学报， 2017， 38（2）： 520734.
	GUI Y W， ZHOU Z H， LI Y H， et al. Multiple safety boundaries protection on aircraft icing［J］. Acta Aeronautica et Astronautica Sinica， 2017， 38（2）： 520734 （in Chinese）.
2	LYNCH F T， KHODADOUST A. Effects of ice accretions on aircraft aerodynamics［J］. Progress in Aerospace Sciences， 2001， 37（8）： 669-767.
3	周莉，徐浩军，龚胜科，等. 飞机结冰特性及防除冰技术研究［J］. 中国安全科学学报， 2010， 20（6）： 105-110.
	ZHOU L， XU H J， GONG S K， et al. Research of aircraft icing characteristics and anti-icing and de-icing technology［J］. China Safety Science Journal （CSSJ）， 2010， 20（6）： 105-110 （in Chinese）.
4	陈勇，孔维梁，刘洪. 飞机过冷大水滴结冰气象条件运行设计挑战［J］. 航空学报， 2023， 44（1）： 626973.
	CHEN Y， KONG W L， LIU H. Challenge of aircraft design under operational conditions of supercooled large water droplet icing［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（1）： 626973 （in Chinese）.
5	GUO Z Q， GUO X F， YANG Q， et al. Heat transfer characteristics of unexpanded jet impingement in piccolo hot air anti-icing chamber［J］. Applied Thermal Engineering， 2022， 200： 117540.
6	PAPADAKIS M， WONG S H， YEONG H W， et al. Icing tunnel experiments with a hot air anti-icing system： AIAA-2008-0444［R］. Reston： AIAA， 2008.
7	GUO Z Q， ZHENG M， YANG Q， et al. Effects of flow parameters on thermal performance of an inner-liner anti-icing system with jets impingement heat transfer［J］. Chinese Journal of Aeronautics， 2021， 34（9）： 119-132.
8	CABLER S. Aircraft Ice Protection： AC_20-73A［R］. Federal Aviation Administration， 2016.
9	SANTOS L， DOMINGOS R， MARIA R， et al. Sensitivity analysis of a bleed air anti-ice thermal model to geometrical and operational parameters： AIAA-2008-0445［R］. Reston： AIAA， 2008.
10	杨倩，郭晓峰，李芹，等. 基于POD和代理模型的热气防冰性能预测方法［J］. 航空学报， 2023， 44（1）： 626992.
	YANG Q， GUO X F， LI Q， et al. Hot air anti-icing performance estimation method based on POD and surrogate model［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（1）： 626992 （in Chinese）.
11	PELLISSIER M P C， HABASHI W G， PUEYO A. Optimization via FENSAP-ICE of aircraft hot-air anti-icing systems［J］. Journal of Aircraft， 2011， 48（1）： 265-276.
12	NIU J， SANG W， QIU A， et al. An optimization of anti-icing chamber based on POD and KRIGING［C］∥32nd Congress of the International Council of the Aeronautical Sciences. Washington，D.C.： ICAS， 2020：1132.
13	CARDOSO J M P， COUTINHO J G F， DINIZ P C. Embedded computing for high performance： Efficient mapping of computations using customization， code transformations and compilation［M］. Cambridge： Morgan Kaufmann Publishers， an imprint of Elsevier， 2017.
14	NAYAK S. Fundamentals of optimization techniques with algorithms［M］. Pittsburgh： Academic Press， 2020.
15	SIROVICH L. Turbulence and the dynamics of coherent structures. Ⅰ. Coherent structures［J］. Quarterly of Applied Mathematics， 1987， 45（3）： 561-571.
16	SIROVICH L. Turbulence and the dynamics of coherent structures. Ⅱ. Symmetries and transformations［J］. Quarterly of Applied Mathematics， 1987， 45（3）： 573-582.
17	SIROVICH L. Turbulence and the dynamics of coherent structures. Ⅲ. Dynamics and scaling［J］. Quarterly of Applied Mathematics， 1987， 45（3）： 583-590.
18	MOODY J， DARKEN C J. Fast learning in networks of locally-tuned processing units［J］. Neural Computation， 1989， 1（2）： 281-294.
19	XIE T T， YU H， WILAMOWSKI B. Comparison between traditional neural networks and radial basis function networks［C］∥ 2011 IEEE International Symposium on Industrial Electronics. Piscataway： IEEE Press， 2011： 1194-1199.
20	MCKAY M D， BECKMAN R J， CONOVER W J. A comparison of three methods for selecting values of input variables in the analysis of output from a computer code［J］. Technometrics， 2000， 42（1）： 55-61.
21	MORRIS M D， MITCHELL T J. Exploratory designs for computational experiments［J］. Journal of Statistical Planning and Inference， 1995， 43（3）： 381-402.
22	YANG Q， GUO X F， ZHENG H R， et al. Single- and multi-objective optimization of an aircraft hot-air anti-icing system based on Reduced Order Method［J］. Applied Thermal Engineering， 2023， 219： 119543.
23	CHRISTENSEN E A， BRØNS M， SØRENSEN J N. Evaluation of proper orthogonal decomposition： based decomposition techniques applied to parameter-dependent nonturbulent flows［J］. SIAM Journal on Scientific Computing， 1999， 21（4）： 1419-1434.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	丁文俊, 柴亚军, 侯冬冬, 王驰宇, 张国宗, 毛昭勇. AUV&UAV跨域协同搜索与跟踪路径规划[J]. 航空学报, 2023, 44(21): 528471-528471.
[2]	王彬, 郑建军, 刘玮, 王高利. 基于考核目标等效的试验载荷处理方法[J]. 航空学报, 2023, 44(17): 228064-228064.
[3]	杨倩, 郭晓峰, 李芹, 董威. 基于POD和代理模型的热气防冰性能预测方法[J]. 航空学报, 2023, 44(1): 626992-626992.
[4]	韩凯, 董日昌, 邵丰伟, 龚文斌, 常家超. 基于改进遗传算法的导航卫星星间链路网络动态拓扑优化技术[J]. 航空学报, 2022, 43(9): 326095-326095.
[5]	胡嘉欣, 芮姝, 高瑞朝, 苟建军, 龚春林. 飞行器结构布局与尺寸混合优化方法[J]. 航空学报, 2022, 43(5): 225363-225363.
[6]	段焰辉, 周鑫, 高诗婕茜, 林锦星, 张怀宝, 王光学. 基于两步优化策略的结构网格负载平衡[J]. 航空学报, 2021, 42(9): 625751-625751.
[7]	钟赟, 万路军, 张杰勇. 区间不确定性下的空中作战行动过程优选方法[J]. 航空学报, 2021, 42(2): 324282-324282.
[8]	何程, 马东立, 贾玉红, 杨穆清, 陈刚. 联翼布局传感器飞机多目标优化设计[J]. 航空学报, 2021, 42(12): 224761-224761.
[9]	邹适宇, 李复名, 谢爱平, 周涛, 刘鹏. 基于改进烟花算法的资源分配[J]. 航空学报, 2021, 42(12): 324716-324716.
[10]	刘继新, 江灏, 董欣放, 兰思洁, 王浩哲. 基于空中交通密度的进场航班动态协同排序方法[J]. 航空学报, 2020, 41(7): 323717-323717.
[11]	顾文婷, 赵振山, 周翰玮, 冯剑, 谭兆光, 李栋. 翼身融合背撑发动机布局的动力短舱设计[J]. 航空学报, 2019, 40(9): 623047-623047.
[12]	伍科, 张华振, 兰澜, 周阳. CFRP反射器型面主动控制和作动器位置优化[J]. 航空学报, 2019, 40(7): 222751-222751.
[13]	张菁, 何友, 彭应宁, 李刚. 基于神经网络和人工势场的协同博弈路径规划[J]. 航空学报, 2019, 40(3): 322493-322493.
[14]	薛帮猛, 张文升, 孙学卫, 吴宇昂. 动力干扰下宽体客机机翼多目标优化设计[J]. 航空学报, 2019, 40(2): 522381-522381.
[15]	皮骏, 马圣, 贺嘉诚, 孔庆国, 林家泉, 刘光才. 基于IGA-ELM网络的滚动轴承故障诊断[J]. 航空学报, 2018, 39(9): 422025-422036.

基于引气控制的热气防冰优化设计方法

Optimization design method for hot air anti⁃icing system based on bleed air control

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 23

相关文章 15

编辑推荐

Metrics

本文评价

设计参数	基础设计	参数取值区间
L/mm	30	［20， 40］
x_pic/mm	0	［5， 20］
y_pic/mm	0	［-10， 10］
θ₀/（°）	0	［-20， 20］
θ₁/（°）	45	［20， 45］