基于深度学习的高速直升机旋翼翼型气动优化设计

doi:10.7527/S1000-6893.2023.29828

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于深度学习的高速直升机旋翼翼型气动优化设计

柳家齐, 陈荣钱(), 楼锦华, 韩旭, 吴昊, 尤延铖

厦门大学航空航天学院，厦门 361005

收稿日期:2023-11-02 修回日期:2023-11-27 接受日期:2023-12-25 出版日期:2024-05-15 发布日期:2024-01-04
通讯作者: 陈荣钱 E-mail:rqchen@xmu.edu.cn
基金资助:
国家自然科学基金(12072305);旋翼空气动力学重点实验室开放课题(2102RAL202101-2);气动噪声控制重点实验室开放课题(ANCL20220203);航空科学基金(20200057068001)

Aerodynamic shape optimization of high-speed helicopter rotor airfoil based on deep learning

Jiaqi LIU, Rongqian CHEN(), Jinhua LOU, Xu HAN, Hao WU, Yancheng YOU

School of Aerospace Engineering，Xiamen University，Xiamen 361005，China

Received:2023-11-02 Revised:2023-11-27 Accepted:2023-12-25 Online:2024-05-15 Published:2024-01-04
Contact: Rongqian CHEN E-mail:rqchen@xmu.edu.cn
Supported by:
National Natural Science Foundation of China(12072305);Rotor Aerodynamics Key Laboratory Project(2102RAL202101-2);Key Laboratory of Aerodynamic Noise Control(ANCL20220203);Aeronautical Science Foundation of China(20200057068001)

摘要/Abstract

摘要：

针对高速直升机旋翼翼型的气动优化问题，建立了一种基于深度学习的翼型多目标气动优化框架。首先，搭建深度神经网络预测旋翼翼型气动力系数的代理模型。以SC1095旋翼翼型作为基准翼型，采用CST方法对翼型进行参数化表示，采用拉丁超立方采样方法生成用于深度神经网络训练的翼型数据集。综合考虑直升机前飞、机动和悬停状态等多设计点的气动性能，开展了基于深度神经网络的代理模型结合多岛遗传算法的高速直升机旋翼翼型多目标气动优化设计。优化结果显示：相比于基准翼型，在没有损失悬停和机动性能的前提下，优化翼型显著改善了前飞性能。分别采用基准翼型和优化翼型建立共轴刚性旋翼，计算并分析前飞状态下基准旋翼和优化旋翼的气动性能，结果表明优化翼型可以显著地提升高速直升机旋翼的气动性能。

关键词: 旋翼翼型, 气动优化, 深度学习, 代理模型, 共轴刚性旋翼

Abstract:

To optimize the aerodynamic shape of high-speed helicopter rotor airfoils， a multi-objective optimization framework is proposed based on deep learning. Firstly， a deep neural network is constructed as a surrogate model to predict the aerodynamic coefficients of rotor airfoils. The rotor airfoil SC1095 is selected as the baseline airfoil. The Class function/Shape function Transformation （CST） method is employed to parameterize the airfoil， and the Latin hypercube sampling method is used to generate the airfoil dataset for training deep neural networks. Then， comprehensively considering the aerodynamic performance of multiple design points such as forward flight， maneuvering and hover of the helicopter， a multi-objective aerodynamic shape optimization of the high-speed helicopter rotor airfoil is conducted by combining the deep neural network surrogate model with the multi-island genetic algorithm. The optimization results show that compared with the baseline airfoil， the optimized airfoil can significantly improve its forward flight performance without compromising hover and maneuvering performance. Finally， a rigid coaxial rotor is generated using the baseline and optimized airfoil respectively. The aerodynamic performance of these rotors in forward flight is computed and analyzed. The results indicate that the optimized airfoil significantly enhances the aerodynamic performance of the high-speed helicopter rotor.

Key words: rotor airfoil, aerodynamic shape optimization, deep learning, surrogate model, rigid coaxial rotor

中图分类号:

V221⁺.3

柳家齐, 陈荣钱, 楼锦华, 韩旭, 吴昊, 尤延铖. 基于深度学习的高速直升机旋翼翼型气动优化设计[J]. 航空学报, 2024, 45(9): 529828-529828.

Jiaqi LIU, Rongqian CHEN, Jinhua LOU, Xu HAN, Hao WU, Yancheng YOU. Aerodynamic shape optimization of high-speed helicopter rotor airfoil based on deep learning[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(9): 529828-529828.

图/表 22

图1

图2

表1

图3

图4

表 2

图5

图6

图7

表3

图8

图9

图10

表4

图11

图12

图13

图14

图15

图16

图17

图18

参考文献 34

1	吴希明，牟晓伟. 直升机关键技术及未来发展与设想［J］. 空气动力学学报， 2021， 39（3）： 1-10.
	WU X M， MU X W. A perspective of the future development of key helicopter technologies［J］. Acta Aerodynamica Sinica， 2021， 39（3）： 1-10 （in Chinese）.
2	邓景辉. 直升机技术发展与展望［J］. 航空科学技术， 2021， 32（1）： 10-16.
	DENG J H. Development and prospect of helicopter technology［J］. Aeronautical Science & Technology， 2021， 32（1）： 10-16 （in Chinese）.
3	吴希明. 高速直升机发展现状、趋势与对策［J］. 南京航空航天大学学报， 2015， 47（2）： 173-179.
	WU X M. Current status， development trend and countermeasure for high-speed rotorcraft［J］. Journal of Nanjing University of Aeronautics & Astronautics， 2015， 47（2）： 173-179 （in Chinese）.
4	ALLEN L D， LIM J W， HAEHNEL R B， et al. Rotor blade design framework for airfoil shape optimization with performance considerations［C］∥AIAA Scitech 2021 Forum. Reston： AIAA， 2021： 0068.
5	韩忠华，高正红，宋文萍，等. 翼型研究的历史、现状与未来发展［J］. 空气动力学学报， 2021， 39（6）： 1-36.
	HAN Z H， GAO Z H， SONG W P， et al. On airfoil research and development： history， current status， and future directions［J］. Acta Aerodynamica Sinica， 2021， 39（6）： 1-36 （in Chinese）.
6	张卫国，孙俊峰，招启军，等. 旋翼翼型气动设计与验证方法［J］. 空气动力学学报， 2021， 39（6）： 136-148， 155.
	ZHANG W G， SUN J F， ZHAO Q J， et al. Aerodynamic design and verification methods of rotor airfoils［J］. Acta Aerodynamica Sinica， 2021， 39（6）： 136-148， 155 （in Chinese）.
7	李萍，庄开莲，李静. 国外直升机旋翼翼型研究综述［J］. 直升机技术， 2007（3）： 103-109.
	LI P， ZHUANG K L， LI J. Summary of research on helicopter rotor airfoil abroad［J］. Helicopter Technique， 2007（3）： 103-109 （in Chinese）.
8	丁存伟，杨旭东. 一种旋翼翼型多点多约束气动优化设计策略［J］. 航空计算技术， 2013， 43（1）： 52-57.
	DING C W， YANG X D. Multi-point aerodynamic optimization design strategy of rotor airfoil with multi-constrain conditions［J］. Aeronautical Computing Technique， 2013， 43（1）： 52-57 （in Chinese）.
9	JONES B， CROSSLEY W， LYRINTZIS A. Aerodynamic and aeroacoustic optimization of airfoils via a parallel genetic algorithm［C］∥ 7th AIAA/USAF/NASA/ISSMO Symposium on Multidisciplinary Analysis and Optimization. Reston： AIAA， 1998： 4811.
10	王清，招启军. 基于遗传算法的旋翼翼型综合气动优化设计［J］. 航空动力学报， 2016， 31（6）： 1486-1495.
	WANG Q， ZHAO Q J. Synthetical optimization design of rotor airfoil by genetic algorithm［J］. Journal of Aerospace Power， 2016， 31（6）： 1486-1495 （in Chinese）.
11	宋超，周铸，李伟斌，等. 旋翼翼型高维多目标气动优化设计［J］. 北京航空航天大学学报， 2022， 48（1）： 95-105.
	SONG C， ZHOU Z， LI W B， et al. Many-objective aerodynamic optimization design for rotor airfoils［J］. Journal of Beijing University of Aeronautics and Astronautics， 2022， 48（1）： 95-105 （in Chinese）.
12	VU N A， LEE J W， SHU J I. Aerodynamic design optimization of helicopter rotor blades including airfoil shape for hover performance［J］. Chinese Journal of Aeronautics， 2013， 26（1）： 1-8.
13	杨慧，宋文萍，韩忠华，等. 旋翼翼型多目标多约束气动优化设计［J］. 航空学报， 2012， 33（7）： 1218-1226.
	YANG H， SONG W P， HAN Z H， et al. Multi-objective and multi-constrained optimization design for a helicopter rotor airfoil［J］. Acta Aeronautica et Astronautica Sinica， 2012， 33（7）： 1218-1226 （in Chinese）.
14	孙俊峰，卢风顺，黄勇，等. 旋翼翼型气动设计与评估软件HRADesign［J］. 空气动力学学报， 2021， 39（4）： 59-68.
	SUN J F， LU F S， HUANG Y， et al. Rotor airfoil aerodynamic design and evaluation software HRADesign［J］. Acta Aerodynamica Sinica， 2021， 39（4）： 59-68 （in Chinese）.
15	孙俊峰，刘刚，江雄，等. 基于Kriging模型的旋翼翼型优化设计研究［J］. 空气动力学学报， 2013， 31（4）： 437-441.
	SUN J F， LIU G， JIANG X， et al. Research of rotor airfoil design optimization based on the Kriging model［J］. Acta Aerodynamica Sinica， 2013， 31（4）： 437-441 （in Chinese）.
16	崔森润，李国强，张卫国，等. 直升机旋翼翼型高效优化设计方法［J］. 航空动力学报， 2023，doi： 10.13224/j.cnki.jasp.20220819 .
	CUI S R， LI G Q， ZHANG W G， et al. Efficient optimization design method of helicopter rotor airfoil［J］. Journal of Aerospace Power， 2023，doi： 10.13224/j.cnki.jasp.20220819 （in Chinese）.
17	ZHAO K， GAO Z H， HUANG J T， et al. Aerodynamic optimization of rotor airfoil based on multi-layer hierarchical constraint method［J］. Chinese Journal of Aeronautics， 2016， 29（6）： 1541-1552.
18	尚克明，招启军，王海. 基于Euler方程的直升机旋翼翼型反设计方法［J］. 直升机技术， 2008（3）： 92-97.
	SHANG K M， ZHAO Q J， WANG H. An inverse design method for the helicopter rotor airfoil based on Euler equation［J］. Helicopter Technique， 2008（3）： 92-97 （in Chinese）.
19	尚克明，招启军，赵国庆，等. 直升机旋翼翼型及桨叶气动外形反设计分析［J］. 南京航空航天大学学报， 2010， 42（5）： 550-556.
	SHANG K M， ZHAO Q J， ZHAO G Q， et al. Inverse design analysis on helicopter rotor airfoils and aerodynamic shapes［J］. Journal of Nanjing University of Aeronautics & Astronautics， 2010， 42（5）： 550-556 （in Chinese）.
20	赵国庆，招启军. 基于目标压力分布的旋翼先进气动外形反设计分析方法［J］. 航空学报， 2014， 35（3）： 744-755.
	ZHAO G Q， ZHAO Q J. Inverse design analysis method on rotor with advanced aerodynamic configuration based upon target pressure distribution［J］. Acta Aeronautica et Astronautica Sinica， 2014， 35（3）： 744-755 （in Chinese）.
21	赵欢，高正红，夏露. 基于新型多可信度代理模型的多目标优化方法［J］. 航空学报， 2023， 44（6）： 126962.
	ZHAO H， GAO Z H， XIA L. Novel multi-fidelity surrogate model assisted many-objective optimization method［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（6）： 126962 （in Chinese）.
22	陈笑天，吴裕平，田旭. 旋翼翼型中高速综合气动优化设计方法研究［J］. 航空科学技术， 2019， 30（9）： 19-24.
	CHEN X T， WU Y P， TIAN X. Research on comprehensive aerodynamic optimum design method of rotor airfoil at medium and high speed［J］. Aeronautical Science & Technology， 2019， 30（9）： 19-24 （in Chinese）.
23	张伟伟，寇家庆，刘溢浪. 智能赋能流体力学展望［J］. 航空学报， 2021， 42（4）： 524689.
	ZHANG W W， KOU J Q， LIU Y L. Prospect of artificial intelligence empowered fluid mechanics［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 524689 （in Chinese）.
24	BRUNTON S L， NOACK B R， KOUMOUTSAKOS P. Machine learning for fluid mechanics［J］. Annual Review of Fluid Mechanics， 2020， 52： 477-508.
25	LING J L， KURZAWSKI A， TEMPLETON J. Reynolds averaged turbulence modelling using deep neural networks with embedded invariance［J］. Journal of Fluid Mechanics， 2016， 807： 155-166.
26	陈海昕，邓凯文，李润泽. 机器学习技术在气动优化中的应用［J］. 航空学报， 2019， 40（1）： 522480.
	CHEN H X， DENG K W， LI R Z. Utilization of machine learning technology in aerodynamic optimization［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（1）： 522480 （in Chinese）.
27	孙刚，王聪，王立悦，等. 人工智能在气动设计中的应用与展望［J］. 民用飞机设计与研究， 2021（3）： 1-9， 147.
	SUN G， WANG C， WANG L Y， et al. Application and prospect of artificial intelligence in aerodynamic design［J］. Civil Aircraft Design & Research， 2021（3）： 1-9， 147 （in Chinese）.
28	LI J C， DU X S， MARTINS J R R A. Machine learning in aerodynamic shape optimization［J］. Progress in Aerospace Sciences， 2022， 134： 100849.
29	KUTZ J N. Deep learning in fluid dynamics［J］. Journal of Fluid Mechanics， 2017， 814： 1-4.
30	Dadone L U. Dynamic and analytical study of a rotor airfoil： NASA CR-2988［R］. Washington， D. C.： NASA， 1987.
31	COOK P H， FIRMIN M C P， MCDONALD M A. Aerofoil RAE 2822： Pressure distributions， and boundary layer and wake measurements［R］. Pairs： AGARD， 1979.
32	KULFAN B M. Universal parametric geometry representation method［J］. Journal of Aircraft， 2008， 45（1）： 142-158.
33	BAGAI A. Aerodynamic Design of the Sikorsky X2 Technology Demonstrator™ Main Rotor Blade［C］∥American Helicopter Society 64th Annual Forum Proceedings. Rockville： American Helicopter Society， 2008： 1-16.
34	LIU J Q， CHEN R Q， SONG Q C， et al. Active flow control of helicopter rotor based on coflow jet［J］. International Journal of Aerospace Engineering， 2022， 2022： 9299470.

编辑推荐 0

Metrics

阅读次数

全文

347

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	31	37	0	279

来源	本网站	其他网站

次数	305	42
比例	88%	12%

摘要

651

最新录用	在线预览	正式出版

74	0	577

来源	本网站	其他网站

次数	442	209
比例	68%	32%

本文评价

地址：北京市海淀区北四环中路辅路238号柏彦大厦

邮政编码：100083

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

Design point	Parameter	Objective	Constraint
No.1	Ma = Ma_dd， C_L = 0， $α$ =-0.74°， Re=3.59×10⁶	min C_D₁	$C m 1 ≤ C m 1 0$
No.2	Ma = 0.4， C_L = C_l_max， $α$ = 10.5°， Re = 1.84×10⁶	max C_L₂
No.3	Ma = 0.6， C_L = 0.6， $α$ = 3.6°， Re = 2.76×10⁶	min C_D₃

Item	$C L$	$Δ C L$ /%	$C D$	$Δ C D$ /%
Experiment	0.803		0.016 8
Coarse grid	0.791	-1.49	0.019 2	14.29
Medium grid	0.793	-1.25	0.017 5	4.17
Fine grid	0.802	-0.12	0.017 1	1.79

Layer number	Neuron number	Activation function
Hidden layer 1	512	ReLU
Hidden layer 2	256	ReLU
Hidden layer 3	128	ReLU
Hidden layer 4	64	ReLU
Output layer	3

Coefficient	Baseline	Optimized	Δ/%
C_D₁	0.010 6	0.009 7	-8.5
C_L₂	1.233 8	1.257 6	9.1
C_D₃	0.012 8	0.012 6	-1.6

[1]	王海峰, 刘坤澎, 江泓鑫, 杜晨曦. 螺旋桨多设计点气动优化方法和变桨距角策略[J]. 航空学报, 2024, 45(9): 528831-528831.
[2]	刘琦, 史勇杰, 胡志远, 徐国华. 共轴刚性旋翼气动及噪声特性的参数影响分析[J]. 航空学报, 2024, 45(9): 528856-528856.
[3]	崔壮壮, 原昕, 赵国庆, 井思梦, 招启军. 共轴刚性旋翼高速直升机前飞性能操纵策略影响[J]. 航空学报, 2024, 45(9): 529256-529256.
[4]	孙朋朋, 刘平安, 樊枫, 曾伟. 悬停状态共轴刚性旋翼机身气动干扰特性[J]. 航空学报, 2024, 45(9): 529284-529284.
[5]	王畅, 何龙, 徐栋霞, 唐敏, 马率, 吴希明. 共轴刚性旋翼桨毂流动控制减阻研究[J]. 航空学报, 2024, 45(9): 529084-529084.
[6]	韩少强, 宋文萍, 韩忠华, 许建华. 高速共轴刚性旋翼非定常流动高精度数值模拟[J]. 航空学报, 2024, 45(9): 529064-529064.
[7]	王梓旭, 李攀, 鲁可, 朱振华, 陈仁良. 共轴刚性旋翼高速直升机配平策略优化设计[J]. 航空学报, 2024, 45(9): 529069-529069.
[8]	李玉涵, 杨宝玉, 吴亦农, 张强, 唐晓. 卫星光机载荷热模型参数高效修正方法研究进展[J]. 航空学报, 2024, 45(6): 628814-628814.
[9]	罗旭东, 吴一全, 陈金林. 无人机航拍影像目标检测与语义分割的深度学习方法研究进展[J]. 航空学报, 2024, 45(6): 28822-028822.
[10]	陈树生, 冯聪, 张兆康, 赵轲, 张新洋, 高正红. 基于全局/梯度优化方法的宽速域乘波-机翼布局气动设计[J]. 航空学报, 2024, 45(6): 629596-629596.
[11]	孙蓬勃, 周洲, 李旭, 王科雷. 目标气动特性下动力翼参数影响分析与优化[J]. 航空学报, 2024, 45(6): 629368-629368.
[12]	刘海桥, 刘萌, 龚子超, 董晶. 基于深度学习的图像匹配方法综述[J]. 航空学报, 2024, 45(3): 28796-028796.
[13]	苏鑫, 管润程, 王桥, 苑伟政, 吕湘连, 何洋. 基于深度学习的结冰区域和厚度检测方法[J]. 航空学报, 2023, 44(S2): 729283-729283.
[14]	陈立群, 邹旭, 张磊, 朱颖盼, 王港, 陈金勇. 基于国产商用器件的星载智能目标检测技术[J]. 航空学报, 2023, 44(S2): 728860-728860.
[15]	刘鹏宇, 朱雪耀. 基于深度学习的融合空域空管指令语义解析技术[J]. 航空学报, 2023, 44(S1): 727592-727592.

基于深度学习的高速直升机旋翼翼型气动优化设计

Aerodynamic shape optimization of high-speed helicopter rotor airfoil based on deep learning

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 22

参考文献 34

相关文章 15

编辑推荐 0

Metrics

本文评价