超声速层流翼自主标模转捩预测及不确定性分析

doi:10.7527/S1000-6893.2025.31923

超声速民机关键技术专刊

本期目录 | 过刊浏览 | 高级检索

前一篇 |

超声速层流翼自主标模转捩预测及不确定性分析

史亚云¹^,²(), 季昕泽³^,⁴, 杨体浩³^,⁴, 吴鹏飞³^,⁴, 谢露⁵, 白俊强⁶^,⁷, 冯凯旋¹^,²

^1.西安交通大学航天航空学院，西安 710049
^2.复杂服役环境重大装备结构强度与寿命全国重点实验室，西安 710049
^3.西北工业大学航空学院，西安 710072
^4.飞行器基础布局全国重点实验室，西安 710072
^5.航空工业第一飞机设计研究院，西安 710089
^6.西北工业大学无人系统研究院，西安 710072
^7.无人飞行器技术全国重点实验室，西安 710072

收稿日期:2025-03-03 修回日期:2025-03-24 接受日期:2025-04-07 出版日期:2025-05-20 发布日期:2025-05-19
通讯作者: 史亚云 E-mail:yayunshi@xjtu.edu.cn

Transition prediction and uncertainty analysis of self-developed benchmark models for supersonic laminar wings

Yayun SHI¹^,²(), Xinze JI³^,⁴, Tihao YANG³^,⁴, Pengfei WU³^,⁴, Lu XIE⁵, Junqiang BAI⁶^,⁷, Kaixuan FENG¹^,²

^1.School of Aerospace Engineering，Xi’an Jiaotong University，Xi’an 710049，China
^2.State Key Laboratory for Strength and Vibration of Mechanical Structures，Xi’an 710049，China
^3.School of Aeronautic，Northwestern Polytechnical University，Xi’an 710072，China
^4.National Key Laboratory of Aircraft Configuration Design，Xi’an 710072，China
^5.AVIC The First Aircraft Design Institute，Xi’an 710089，China
^6.Unmanned System Research Institute，Northwestern Polytechnical University，Xi’an 710072，China
^7.National Key Laboratory of Unmanned Aerial Vehicle Technology，Xi’an 710072，China

Received:2025-03-03 Revised:2025-03-24 Accepted:2025-04-07 Online:2025-05-20 Published:2025-05-19
Contact: Yayun SHI E-mail:yayunshi@xjtu.edu.cn

摘要/Abstract

摘要：

层流减阻技术是超声速民机实现综合性能提升的关键技术之一。但是超声速层流转捩预测模型标定以及超声速层流翼层流维系能力对外界扰动的敏感性仍需进一步研究。设计了分别具有超声速前缘及亚声速前缘的2副超声速层流翼自主标模。风洞试验结果显示，超声速前缘层流翼可维持30%~60%当地弦长的层流区，亚声速前缘层流翼可维持约20%~70%当地弦长的层流区。试验与数值分析表明，构建的基于线性稳定理论的e^N 转捩预测方法能够准确地捕捉超声速层流翼的转捩现象，并标定转捩阈值为5.2。进一步，发展了自适应Kriging方法量化揭示了转捩阈值、运营工况及几何等多源不确定性因素影响层流翼标模层流维系能力的规律。不确定性量化分析表明各不确定性因素对不同超声速层流翼标模性能的影响程度差异显著。超声速前缘层流翼标模的转捩位置受转捩阈值影响最大，而亚声速前缘层流翼标模受马赫数扰动最为明显。设计的超声速层流自主标模、标定的转捩阈值及揭示的不确定性影响规律对实现超声速层流翼的转捩精确预测及气动稳健优化设计具有重要意义。

关键词: 超声速层流翼, 自主标模, 转捩预测, 自适应Kriging, 不确定性分析, 转捩阈值

Abstract:

Laminar flow drag reduction is one of the key technologies for enhancing the comprehensive performance of supersonic civil aircraft. However， further research is required in its engineering application， particularly regarding the calibration of transition prediction models for supersonic laminar wings and their sensitivity to external disturbances. In this paper， two self-developed benchmark models of supersonic laminar wing are designed， one with a supersonic leading edge and the other with a subsonic leading edge. Wind tunnel test results demonstrated that the supersonic leading-edge laminar wing maintained a laminar region of 30%c to 60%c， while the subsonic leading-edge laminar wing exhibited laminar regions spanning approximately 20%c to 70%c. Experimental and numerical analysis confirmed that the e^N transition prediction method， based on linear stability theory， accurately captured the transition phenomena of supersonic laminar wings， with a calibrated critical N factor of 5.2. Furthermore， the self-adaptive Kriging method was developed to quantify the impact of high-dimensional， multi-source uncertainties， including critical N factor， operating conditions， and geometry deviation on transition prediction. Uncertainty quantification analysis reveals substantial variation in the influence degree of uncertainty factors on the performance metrics of different supersonic laminar wing benchmark models. The critical N factor has the greatest influence on transition prediction for the supersonic leading-edge laminar model. For the subsonic leading-edge laminar model， Mach number disturbances have the most significant impact on transition prediction. The self-developed benchmark models for supersonic laminar wings designed in this paper， along with the calibrated critical N factor and revealed uncertainty influence mechanisms， are of significant importance for achieving precise transition prediction and aerodynamic robust design optimization for supersonic laminar wings.

Key words: supersonic laminar wings, self-developed benchmark models, transition prediction, adaptive Kriging, uncertainty analysis, transition critical

中图分类号:

V221.3

史亚云, 季昕泽, 杨体浩, 吴鹏飞, 谢露, 白俊强, 冯凯旋. 超声速层流翼自主标模转捩预测及不确定性分析[J]. 航空学报, 2025, 46(20): 531923.

Yayun SHI, Xinze JI, Tihao YANG, Pengfei WU, Lu XIE, Junqiang BAI, Kaixuan FENG. Transition prediction and uncertainty analysis of self-developed benchmark models for supersonic laminar wings[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(20): 531923.

图/表 26

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

表 1

图 11

图 12

图 13

图 14

图 15

图 16

图 17

图 18

图 19

图 20

图 21

图 22

表 2

表 3

图 23

参考文献 45

[1]	LYNDE M N， CAMPBELL R L. Expanding the natural laminar flow boundary for supersonic transports［C］∥34th AIAA Applied Aerodynamics Conference. Reston：AIAA， 2016.
[2]	徐悦，韩忠华，尤延铖，等. 新一代绿色超声速民机的发展现状与挑战［J］. 科学通报， 2020， 65（2）：127-133.
	XU Y， HAN Z H， YOU Y C， et al. Progress and challenges of next generation green supersonic civil aircraft［J］. Chinese Science Bulletin， 2020， 65（2）：127-133 （in Chinese）.
[3]	丁玉临，韩忠华，乔建领，等. 超声速民机总体气动布局设计关键技术研究进展［J］. 航空学报， 2023， 44（2）： 626310.
	DING Y L， HAN Z H， QIAO J L， et al. Research progress in key technologies for conceptual-aerodynamic configuration design of supersonic transport aircraft［J］. Acta Aeronautica et Astronautica sinica， 2023， 44（2）： 626310 （in Chinese）.
[4]	DING Y L， HAN Z H， QIAO J L， et al. Inverse design method for low-boom supersonic transport with lift constraint［J］. AIAA Journal， 2023， 61（7）： 2840-2853.
[5]	MUNGUÍA B C， ECONOMON T D， ALONSO J J. A Discrete adjoint framework for low-boom supersonic aircraft shape optimization［C］∥18th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference. Reston： AIAA， 2017.
[6]	ISHIKAWA H， UEDA Y， TOKUGAWA N. Natural laminar flow Wing design for a low-boom supersonic aircraft［C］∥55th AIAA Aerospace Sciences Meeting. Reston： AIAA， 2017.
[7]	李军府，陈晴，王伟，等. 一种先进超声速民机低声爆高效气动布局设计［J］. 航空学报， 2024， 45（6）： 629613.
	LI J F， CHEN Q， WANG W， et al. Design of low sonic boom high efficiency layout for advanced supersonic civil aircraft［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（6）： 629613 （in Chinese）.
[8]	单程军，贡天宇，易理哲，等. 超声速民机高效高可信度声爆/气动多学科优化方法［J］. 航空学报， 2024， 45（24）： 630573.
	SHAN C J， GONG T Y， YI L Z， et al. High-efficiency and high-reliability sonic boom/aerodynamic multidisciplinary optimization method for supersonic civil aircraft［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（24）： 630573 （in Chinese）.
[9]	袁吉森，孙爵，李玲玉，等. 超声速飞机层流布局设计与评估技术进展［J］. 航空学报， 2022， 43（11）： 526316.
	YUAN J S， SUN J， LI L Y， et al. Progress of supersonic aircraft laminar flow layout design and evaluation technologies［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（11）： 526316 （in Chinese）.
[10]	VERMEERSCH O， YOSHIDA K， UEDA Y， et al. Natural laminar flow wing for supersonic conditions： Wind tunnel experiments， flight test and stability computations［J］. Progress in Aerospace Sciences， 2015， 79： 64-91.
[11]	UEDA Y， YOSHIDA K， MATSUSHIMA K， et al. Supersonic natural-laminar-flow wing-design concept at high-Reynolds-number conditions［J］. AIAA Journal， 2014， 52（6）： 1294-1306.
[12]	NORRIS G. Picture： Boeing plans plain grey natural laminar flow nacelles for 787s in bid to reduce fuel burn［EB/OL］. （2006-6-12）［2025-1-13］. .
[13]	Union European. Hybrid laminar flow control on tails & sing［EB/OL］.（2025-1-13）［2025-03-01］. .
[14]	SCHRAUF G， VON GEYR H. Hybrid laminar flow control on A320 fin： Retrofit design and sample results［J］. Journal of Aircraft， 2021， 58（6）： 1272-1280.
[15]	KRISHNAN K S G， BERTRAM O， SEIBEL O. Review of hybrid laminar flow control systems［J］. Progress in Aerospace Sciences， 2017， 93： 24-52.
[16]	SCHRAUF G. Large-scale laminar flow tests evaluated with linear stability theory［J］. Journal of Aircraft， 2004， 41（2）： 224-230.
[17]	SHI Y Y， CAO T S， YANG T H， et al. Estimation and analysis of hybrid laminar flow control on a transonic experiment［J］. AIAA Journal， 2020， 58（1）： 118-132.
[18]	SHI Y Y， YANG T H， BAI J Q， et al. Research of transition criterion for semi-empirical prediction method at specified transonic regime［J］. Aerospace Science and Technology， 2019， 88： 95-109.
[19]	YANG T H， CHEN Y F， SHI Y Y， et al. Stochastic investigation on the robustness of laminar-flow wings for flight tests［J］. AIAA Journal， 2022， 60（4）： 2266-2286.
[20]	YANG T H， ZHONG H， CHEN Y F， et al. Transition prediction and sensitivity analysis for a natural laminar flow wing glove flight experiment［J］. Chinese Journal of Aeronautics， 2021， 34（8）： 34-47.
[21]	STREIT T， WEDLER S， KRUSE M. DLR natural and hybrid transonic laminar wing design incorporating new methodologies［J］. The Aeronautical Journal， 2015， 119（1221）： 1303-1326.
[22]	SHI Y Y， MADER C A， HE S C， et al. Natural laminar-flow airfoil optimization design using a discrete adjoint approach［J］. AIAA Journal， 2020， 58（11）： 4702-4722.
[23]	杨体浩，王一雯，王雨桐，等. 基于离散伴随的层流翼优化设计方法［J］. 航空学报， 2022， 43（12）： 126132.
	YANG T H， WANG Y W， WANG Y T， et al. Discrete adjoint-based optimization approach for laminar flow wings［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（12）： 126132 （in Chinese）.
[24]	CHEN Y F， RAO H Y， XIONG N， et al. Adjoint-based robust optimization design of laminar flow airfoil under flight condition uncertainties［J］. Aerospace Science and Technology， 2023， 140： 108465.
[25]	CHEN Y F， RAO H Y， DENG Y J， et al. Adjoint-based robust optimization design of laminar flow wing under flight condition uncertainties［J］. Chinese Journal of Aeronautics， 2023， 36（6）： 19-34.
[26]	BARKLAGE A， RÖMER U， BERTRAM A， et al. Analysis and uncertainty quantification of a hybrid laminar flow control system［J］. AIAA Journal， 2022， 60（10）： 5735-5749.
[27]	SABATER C， BEKEMEYER P， GÖRTZ S. Robust design of transonic natural laminar flow wings under environmental and operational uncertainties［C］∥ AIAA Scitech 2021 Forum. Reston： AIAA， 2021.
[28]	OWENS L R， BEELER G， KING R， et al. Supersonic traveling crossflow wave characteristics in ground and flight tests［C］∥AIAA Scitech 2020 Forum. Reston： AIAA， 2020.
[29]	BARKLAGE A， RÖMER U， SEITZ A， et al. Validation of suction velocity analysis for active laminar flow control with uncertainties［J］. AIAA Journal， 2023， 61（9）： 3910-3922.
[30]	YANG T H， WANG Y W， SHI Y Y， et al. Transition prediction for hybrid laminar flow control flight test considering geometric uncertainties［J］. Journal of Aerospace Engineering， 2022， 35（6）： 04022100.
[31]	ZHENG X H， YAO W， GONG Z Q， et al. Learnable quantile polynomial chaos expansion： An uncertainty quantification method for interval reliability analysis［J］. Reliability Engineering & System Safety， 2024， 245： 110036.
[32]	赵超帆，袁修开，陈敬强. 结构全局失效概率函数估计的自适应增强线抽样方法［J］. 西北工业大学学报， 2023， 41（1）： 105-114.
	ZHAO C F， YUAN X K， CHEN J Q. Structural global failure probability function estimation based on adaptive augmented line sampling method［J］. Journal of Northwestern Polytechnical University， 2023， 41（1）： 105-114 （in Chinese）.
[33]	CHEN Y G， ZHONG R， WANG Q S， et al. Uncertain stochastic vibration characteristic analysis of composite laminated rectangular plate based on improved Kriging model［J］. Composite Structures， 2024， 340： 118180.
[34]	ZHANG W， ZHAO Z Y， XU H W， et al. AK-Gibbs： An active learning Kriging model based on Gibbs importance sampling algorithm for small failure probabilities［J］. Computer Methods in Applied Mechanics and Engineering， 2024， 426： 116992.
[35]	韦新鹏，姚中洋，宝文礼，等. 一种基于主动学习克里金模型的证据理论可靠性分析方法［J］. 机械工程学报， 2024， 60（2）： 356-368.
	WEI X P， YAO Z Y， BAO W L， et al. Evidence-theory-based reliability analysis method using active-learning Kriging model［J］. Journal of Mechanical Engineering， 2024， 60（2）： 356-368 （in Chinese）.
[36]	CEBECI T. Stability and transition： Theory and application： Efficient numerical methods with computer programs［M］. Cham：Springer， 2004.
[37]	ARNAL D. Boundary layer transition： Predictions based on linear theory［J］. AGARD， 1994.
[38]	UEDA Y， YOSHIDA K， MATSUSHIMA K， et al. Supersonic natural-laminar-flow wing-design concept at high-Reynolds-number conditions［J］. AIAA Journal， 2014， 52（6）： 1294-1306.
[39]	OWENS L R， BEELER G， KING R， et al. Supersonic crossflow transition control in ground and flight tests［C］∥2019 AIAA SciTech Forum and Exposition. Reston： AIAA， 2019.
[40]	ECHARD B， GAYTON N， LEMAIRE M. AK-MCS： An active learning reliability method combining Kriging and Monte Carlo simulation［J］. Structural Safety， 2011， 33（2）： 145-154.
[41]	FENG K X， LU Z Z， WANG L. A novel dual-stage adaptive Kriging method for profust reliability analysis［J］. Journal of Computational Physics， 2020， 419： 109701.
[42]	GARZON V E， DARMOFAL D L. Impact of geometric variability on axial compressor performance［J］. Journal of Turbomachinery， 2003， 125（4）： 692-703.
[43]	KENWAY G， KENNEDY G， MARTINS J R R A. A CAD-free approach to high-fidelity aerostructural optimization［C］∥13th AIAA/ISSMO Multidisciplinary Analysis Optimization conference. Reston： AIAA， 2010.
[44]	LIU D S， LITVINENKO A， SCHILLINGS C， et al. Quantification of airfoil geometry-induced aerodynamic uncertainties： Comparison of approaches［J］. ASA Journal on Uncertainty Quantification， 2017， 5（1）： 334-352.
[45]	ADLER R J， TAYLOR J E. Random fields and geometry［M］. Cham： Springer， 2009.

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

序号	后掠角/（°）	攻角/（°）	马赫数	雷诺数/10⁶
1	30	0.0	1.6	8.0
2	30	2.0	1.6	8.0
3	60	2.0	1.9	4.0
4	60	2.5	1.9	4.0
5	60	0.0	1.9	8.0

后掠角/（°）	展向站位	马赫数	转捩区长/当地弦长
30	40%	1.6	0.399 0
	50%	1.6	0.456 0
	60%	1.6	0.490 4
60	50%	1.9	0.198 5
	60%	1.9	0.215 8
	70%	1.9	0.220 2

后掠角/（°）	展向站位	马赫数	转捩位置期望	转捩位置标准差
30	40%	1.6	0.370 1	0.036 5
	50%	1.6	0.420 4	0.040 2
	60%	1.6	0.452 1	0.039 3
60	50%	1.9	0.216 2	0.041 5
	60%	1.9	0.235 6	0.044 3
	70%	1.9	0.236 9	0.038 4

超声速层流翼自主标模转捩预测及不确定性分析

Transition prediction and uncertainty analysis of self-developed benchmark models for supersonic laminar wings

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 26

参考文献 45

相关文章 15

编辑推荐

Metrics

本文评价

序号	后掠角/（°）	攻角/（°）	马赫数	雷诺数/10⁶
1	30	0.0	1.6	8.0
2	30	2.0	1.6	8.0
3	60	2.0	1.9	4.0
4	60	2.5	1.9	4.0
5	60	0.0	1.9	8.0

[1]	但玥, 高丽敏, 余华蔚, 李瑞宇, 罗秋生, 郝玉扬. 考虑偏峰统计特征的压气机叶栅前缘半径加工误差不确定性量化[J]. 航空学报, 2024, 45(19): 630366-630366.
[2]	陈艺夫, 马宇航, 蓝庆生, 孙卫平, 史亚云, 杨体浩, 白俊强. 基于多项式混沌法的翼型不确定性分析及梯度优化设计[J]. 航空学报, 2023, 44(8): 127446-127446.
[3]	郑新前, 王钧莹, 黄维娜, 伏宇, 程荣辉, 熊洪洋. 航空发动机不确定性设计体系探讨[J]. 航空学报, 2023, 44(7): 27099-027099.
[4]	陈艺夫, 王一雯, 邓一菊, 王波, 白俊强, 卢磊. 自然层流机翼的翼套试验及数值方法[J]. 航空学报, 2022, 43(11): 526793-526793.
[5]	唐松祥, 李杰, 张恒, 牛笑天. 某层流验证机中央翼段失速分离特性优化及分析[J]. 航空学报, 2022, 43(11): 526765-526765.
[6]	姜丽红, 饶寒月, 兰夏毓, 杨体浩, 耿建中, 白俊强. 混合层流机翼气动设计与综合收益影响[J]. 航空学报, 2022, 43(11): 526791-526791.
[7]	聂晗, 宋文萍, 韩忠华, 陈坚强, 段茂昌, 万兵兵. 面向超声速民机层流机翼设计的转捩预测方法[J]. 航空学报, 2022, 43(11): 526342-526342.
[8]	曹凡, 张美芳, 胡骁, 唐智礼. 轴对称短舱自然层流优化及转捩敏感性分析[J]. 航空学报, 2022, 43(11): 527330-527330.
[9]	王娜娜, 解青, 苏星宇, 任祝寅. 湍流燃烧机理和调控的活性子空间分析方法[J]. 航空学报, 2021, 42(12): 625228-625228.
[10]	周苏婷, 吕震宙, 凌春燕, 王燕萍. 可靠性全局灵敏度求解的Meta-IS-AK算法[J]. 航空学报, 2020, 41(1): 223088-223088.
[11]	史朝印, 吕震宙, 李璐祎, 王燕萍. 基于自适应Kriging代理模型的交叉熵重要抽样法[J]. 航空学报, 2020, 41(1): 223123-223123.
[12]	韩忠华, 王绍楠, 韩莉, 刘方良, 许建华, 宋文萍. 一种基于动模态分解的翼型流动转捩预测新方法[J]. 航空学报, 2017, 38(1): 120034-120034.
[13]	陈立立, 郭正. 基于γ-Re_θt转捩模型的低雷诺数翼型数值分析[J]. 航空学报, 2016, 37(4): 1114-1126.
[14]	郁嘉, 杨鹏飞, 严德. 高超声速飞行器模型不确定性影响分析[J]. 航空学报, 2015, 36(1): 192-200.
[15]	陈琦, 王中原, 常思江, 舒敬荣. 不确定飞行环境下的滑翔制导炮弹方案弹道优化[J]. 航空学报, 2014, 35(9): 2593-2604.

序号	后掠角/（°）	攻角/（°）	马赫数	雷诺数/10⁶
1	30	0.0	1.6	8.0
2	30	2.0	1.6	8.0
3	60	2.0	1.9	4.0
4	60	2.5	1.9	4.0
5	60	0.0	1.9	8.0

序号	后掠角/（°）	攻角/（°）	马赫数	雷诺数/10⁶
1	30	0.0	1.6	8.0
2	30	2.0	1.6	8.0
3	60	2.0	1.9	4.0
4	60	2.5	1.9	4.0
5	60	0.0	1.9	8.0