基于声爆高效预测的超声速民机优化设计与数据挖掘

doi:10.7527/S1000-6893.2025.31920

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 |

基于声爆高效预测的超声速民机优化设计与数据挖掘

李祚泰¹^,², 陈树生¹^,²(), 金世轶¹^,², 高正红¹^,², 周卫国²^,³

^1.西北工业大学航空学院，西安 710072
^2.飞行器基础布局全国重点实验室，西安 710072
^3.航空工业第一飞机设计研究院，西安 710089

收稿日期:2025-03-03 修回日期:2025-04-01 接受日期:2025-05-18 出版日期:2025-05-28 发布日期:2025-05-27
通讯作者: 陈树生 E-mail:sshengchen@nwpu.edu.cn

Optimization design and data mining for supersonic civil aircraft based on sonic boom efficient prediction

Zuotai LI¹^,², Shusheng CHEN¹^,²(), Shiyi JIN¹^,², Zhenghong GAO¹^,², Weiguo ZHOU²^,³

^1.School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China
^2.National Key Laboratory of Aircraft Configuration Design，Xi’an 710072，China
^3.AVIC The First Aircraft Design Institute，Xi’an 710089，China

Received:2025-03-03 Revised:2025-04-01 Accepted:2025-05-18 Online:2025-05-28 Published:2025-05-27
Contact: Shusheng CHEN E-mail:sshengchen@nwpu.edu.cn

摘要/Abstract

摘要：

绿色超声速民机是未来民用飞行器的重要发展方向，声爆是制约其发展的关键因素之一。传统的CFD方法计算量大、耗时长，难以直接用于初期迭代设计；基于面积律的声爆高效预测方法能够在保证一定精度的前提下大幅缩短计算时间，契合了超声速民机初期设计阶段大量、快速的计算需求。因此，首先基于声爆面积律高效预测方法，建立了一套超声速民机低声爆优化设计框架。然后以LM1021无短舱构型为初始构型，验证了多声爆传播角下优化设计的有效性，优化结果均经过高精度CFD验证：0°传播角优化下的远场最大过压降低了32.03%，0°和30°传播角协同优化下的远场最大过压分别降低了30.45%和32.66%。此外借助声爆高效预测方法快速生成超声速民机声爆数据集，采用随机森林和自适应增强算法进行智能数据挖掘，提取超声速民机低声爆关键设计变量。最后经对比验证，数据挖掘结果与CFD流场特征、面积律理论相吻合。结果表明，合理设计机鼻静音锥、翼根翼型及上反角、机尾外形是超声速民机低声爆设计的关键。基于高效预测方法开展的声爆优化设计和数据挖掘表现出显著的效率优势，能够为后续的超声速民机设计工作提供技术支撑。

关键词: 超声速民机, 声爆预测, 面积律, 优化设计, 数据挖掘

Abstract:

Green SuperSonic Transport （SST） is a key future direction in civil aircraft， with sonic boom remaining an important factor affecting its development. Traditional CFD method is unsuitable for massive and iterative designs， due to large computation quantity and time-consumption. Sonic boom efficient prediction method based on area rule can significantly reduce computation time with a certain level of accuracy， making it suitable for the requirement of a large number of rapid calculations in the initial design phase of SST. Therefore， based on the efficient prediction method， we first establishe a framework for low sonic boom optimization design of SST. Then LM1021 no-nacelle configuration is optimized to verify the optimization in multiple propagation angles. The optimization results are validated by high-accuracy CFD method： the maximum overpressure in the far field is reduced by 32.03% considering the propagation angle of 0°， while the maximum overpressures are decreased by 30.45% and 32.66% respectively when it takes the angles of 0° and 30° into account together. In addition，sonic boom dataset of SST is generated with the help of efficient prediction method. Random forest and AdaBoost algorithms are applied for intelligent data mining to extract the key design variables of low sonic boom. Finally， the results of data mining are consistent with CFD flow fields and area rule， highlighting that the designs of the Quiet Spike， the airfoil and dihedral angle of wing root， and the tail shape are crucial for sonic boom mitigation. The combination of sonic boom optimization and data mining based on efficient prediction method demonstrates advantage of high efficiency， offering technical support for future SST design.

Key words: supersonic civil aircraft, sonic boom prediction, area rule, optimization design, data mining

中图分类号:

V211.3

李祚泰, 陈树生, 金世轶, 高正红, 周卫国. 基于声爆高效预测的超声速民机优化设计与数据挖掘[J]. 航空学报, 2025, 46(20): 531920.

Zuotai LI, Shusheng CHEN, Shiyi JIN, Zhenghong GAO, Weiguo ZHOU. Optimization design and data mining for supersonic civil aircraft based on sonic boom efficient prediction[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(20): 531920.

图/表 30

图 1

图 2

表 1

表 2

图 3

图 4

图 5

图 6

表 3

图 7

图 8

图 9

图 10

图 11

图 12

图 13

表 4

图 14

图 15

图 16

图 17

图 18

表 5

图 19

图 20

图 21

表 6

图 22

图 23

图 24

参考文献 44

[1]	CANDEL S. Concorde and the future of supersonic transport［J］. Journal of Propulsion and Power， 2004， 20（1）： 59-68.
[2]	朱自强，兰世隆. 超声速民机和降低音爆研究［J］. 航空学报， 2015， 36（8）： 2507-2528.
	ZHU Z Q， LAN S L. Study of supersonic commercial transport and reduction of sonic boom［J］. Acta Aeronautica et Astronautica Sinica， 2015， 36（8）： 2507-2528 （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]	韩忠华，乔建领，丁玉临，等. 新一代环保型超声速客机气动相关关键技术与研究进展［J］. 空气动力学学报， 2019， 37（4）： 620-635.
	HAN Z H， QIAO J L， DING Y L， et al. Key technologies for next-generation environmentally-friendly supersonic transport aircraft： A review of recent progress［J］. Acta Aerodynamica Sinica， 2019， 37（4）： 620-635 （in Chinese）.
[5]	RICHWINE D， BRANDON J. Quiet supersonic technology （QueSST） aircraft preliminary design status and low-boom flight demonstration （LBFD） project update： NF1676L-28931［R］. Washington， D.C.： NASA， 2018.
[6]	兰世隆. 超声速民机声爆理论、预测和最小化方法概述［J］. 空气动力学学报， 2019， 37（4）： 646-654， 645.
	LAN S L. Overview of sonic boom theory， prediction and minimization methods for supersonic civil aircraft［J］. Acta Aerodynamica Sinica， 2019， 37（4）： 646-654， 645 （in Chinese）.
[7]	WHITHAM G B. The flow pattern of a supersonic projectile［J］. Communications on Pure and Applied Mathematics， 1952， 5（3）： 301-348.
[8]	THOMAS C L. Extrapolation of sonic boom pressure signatures by the waveform parameter method： NASA-TN-D-6832［R］. Washington， D.C.： NASA， 1972.
[9]	王刚，马博平，雷知锦，等. 典型标模音爆的数值预测与分析［J］. 航空学报， 2018， 39（1）： 121458.
	WANG G， MA B P， LEI Z J， et al. Simulation and analysis for sonic boom on several benchmark cases［J］. Acta Aeronautica et Astronautica Sinica， 2018， 39（1）： 121458 （in Chinese）.
[10]	ISHIKAWA H， TANAKA K， MAKINO Y， et al. Sonic-boom prediction using Euler CFD codes with structured/unstructured overset method［C］∥ 27th Congress of International Council of the Aeronautical Sciences. 2010： 2010-2012.
[11]	黄江涛，张绎典，高正红，等. 基于流场/声爆耦合伴随方程的超声速公务机声爆优化［J］. 航空学报， 2019， 40（5）： 122505.
	HUANG J T， ZHANG Y D， GAO Z H， et al. Sonic boom optimization of supersonic jet based on flow/sonic boom coupled adjoint equations［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（5）： 122505 （in Chinese）.
[12]	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）： 51-68.
	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）： 51-68 （in Chinese）.
[13]	WALKDEN F. The shock pattern of a wing-body combination， far from the flight path［J］. Aeronautical Quarterly， 1958， 9（2）： 164-194.
[14]	LIGHTHILL M J. Supersonic flow past slender bodies of revolution the slope of whose meridian section is discontinuous［J］. The Quarterly Journal of Mechanics and Applied Mathematics， 1948， 1（1）： 90-102.
[15]	BLACKSTOCK D T. Thermoviscous attenuation of plane， periodic， finite-amplitude sound waves［J］. The Journal of the Acoustical Society of America， 1964， 36（3）： 534-542.
[16]	CARLTON T W， BLACKSTOCK D T. Propagation of plane sound waves of finite amplitude in inhomogeneous fluids［J］. The Journal of the Acoustical Society of America， 1974， 56（S1）： S42.
[17]	PIERCE A D. Acoustics： An introduction to its physical principles and applications［M］. Gewerbesraße： Springer Cham， 2019： 56-57.
[18]	CLEVELAND R O. Propagation of sonic booms through a real， stratified atmosphere［D］. Austin： The University of Texas， 1995.
[19]	张绎典，黄江涛，高正红. 基于增广Burgers方程的音爆远场计算及应用［J］. 航空学报， 2018， 39（7）： 122039.
	ZHANG Y D， HUANG J T， GAO Z H. Far field simulation and applications of sonic boom based on augmented Burgers equation［J］. Acta Aeronautica et Astronautica Sinica， 2018， 39（7）： 122039 （in Chinese）.
[20]	顾奕然，黄江涛，陈树生，等. 基于逆向增广Burgers方程的声爆反演技术［J］. 航空学报， 2023， 44（2）： 626258.
	GU Y R， HUANG J T， CHEN S S， et al. Sonic boom inversion technology based on inverse augmented Burgers equation［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（2）： 626258 （in Chinese）.
[21]	CHEN S S， QIU J Y， YANG H， et al. Deep learning for inverse design of low-boom supersonic configurations［J］. Advances in Aerodynamics， 2023， 5（1）： 13.
[22]	PARK M A， MORGENSTERN J M. Summary and statistical analysis of the first AIAA sonic boom prediction workshop［J］. Journal of Aircraft， 2016， 53（2）： 578-598.
[23]	MELISSA C. Lockheed Martin 1021 full configuration （2014 optional）［EB/OL］. （2018-12-21）［2024-10-28］. .
[24]	BUONANNO M， CHAI S， MARCONI F， et al. Overview of sonic boom reduction efforts on the Lockheed Martin N+2 supersonic validations program［C］∥32nd AIAA Applied Aerodynamics Conference. Reston： AIAA， 2014： 2138.
[25]	PLOTKIN K. Review of sonic boom theory［C］∥12th Aeroacoustic Conference. 1989： 1105.
[26]	PARK M A， CAMPBELL R L， ELMILIGUI A A， et al. Specialized CFD grid generation methods for near-field sonic boom prediction［C］∥52nd Aerospace Sciences Meeting. Reston： AIAA， 2014： 0115.
[27]	PLOTKIN K， MAGLIERI D. Sonic boom research： History and future［C］∥33rd AIAA Fluid Dynamics Conference and Exhibit. Reston： AIAA， 2003： 3575.
[28]	SEDERBERG T W， PARRY S R. Free-form deformation of solid geometric models［C］∥Proceedings of the 13th Annual Conference on Computer Graphics and Interactive Techniques. 1986： 151-160.
[29]	LEE C， KOO D， ZINGG D W. Comparison of B-spline surface and free-form deformation geometry control for aerodynamic optimization［J］. AIAA Journal， 2016， 55（1）： 228-240.
[30]	KENNEDY J， EBERHART R. Particle swarm optimization［C］∥Proceedings of ICNN’95-International Conference on Neural Networks. Piscataway： IEEE Press， 1995： 1942-1948.
[31]	MIRJALILI S， SONG DONG J， LEWIS A， et al. Particle swarm optimization： Theory， literature review， and application in airfoil design［M］. Gewerbesraße： Springer Cham， 2020： 167-184.
[32]	张力文，宋文萍，韩忠华，等. 声爆产生、传播和抑制机理研究进展［J］. 航空学报， 2022， 43（12）： 025649.
	ZHANG L W， SONG W P， HAN Z H， et al. Recent progress of sonic boom generation， propagation， and mitigation mechanism［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（12）： 025649 （in Chinese）.
[33]	BAN N， YAMAZAKI W， KUSUNOSE K. Low-boom/low-drag design optimization of innovative supersonic transport configuration［J］. Journal of Aircraft， 2017， 55（3）： 1071-1081.
[34]	PLOTKIN K， SIZOV N， MORGENSTERN J. Examination of sonic boom minimization experienced indoors［C］∥46th AIAA Aerospace Sciences Meeting and Exhibit. Reston： AIAA， 2008： 57.
[35]	JEONG S， CHIBA K， OBAYASHI S. Data mining for aerodynamic design space［J］. Journal of Aerospace Computing， Information， and Communication， 2005， 2（11）： 452-469.
[36]	NUNEZ M， GUENOV M D. Design-exploration framework for handling changes affecting conceptual design［J］. Journal of Aircraft， 2013， 50（1）： 114-129.
[37]	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）.
[38]	金世轶，陈树生，杨华，等. 基于数据挖掘的翼型气动隐身多学科分析［J］. 航空动力学报， 2025， 40（8）： 20230435.
	JIN S Y， CHEN S S， YANG H， et al. Multi-disciplinary analysis of aerodynamics stealth of airfoil based on data mining［J］. Journal of Aerospace Power， 2025， 40（8）： 20230435 （in Chinese）.
[39]	BIAU G， SCORNET E. A random forest guided tour［J］. TEST， 2016， 25（2）： 197-227.
[40]	SCORNET E. On the asymptotics of random forests［J］. Journal of Multivariate Analysis， 2016， 146： 72-83.
[41]	ALTMAN N， KRZYWINSKI M. Ensemble methods： Bagging and random forests［J］. Nature Methods， 2017， 14： 933-934.
[42]	HU W M， HU W， MAYBANK S. AdaBoost-based algorithm for network intrusion detection［J］. IEEE Transactions on Systems， Man， and Cybernetics Part B， Cybernetics， 2008， 38（2）： 577-583.
[43]	PANDEY P， PRABHAKAR R. An analysis of machine learning techniques （J48 & AdaBoost）-for classification［C］∥2016 1st India International Conference on Information Processing （IICIP）. Piscataway： IEEE Press， 2016： 1-6.
[44]	HOWE D， SIMMONS III F， FREUND D. Development of the gulfstream quiet spike TM for sonic boom minimization［C］∥46th AIAA Aerospace Sciences Meeting and Exhibit. Reston： AIAA， 2008.

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

计算环节	计算耗时/s
	高效预测方法	CFD+增广Burgers方程
	高效预测方法	Euler	N-S
近场计算	241	24 915	53 665
远场计算	220	228	214
求和	461	25 143	53 879

最大过压/Pa		变化量/%
初始构型	Opt1构型	变化量/%
42.86	29.13	-32.03

传播角/（°）	最大过压/Pa		变化量/%
传播角/（°）	初始构型	Opt2构型	变化量/%
0	42.86	29.81	-30.45
30	40.81	27.48	-32.66

基于声爆高效预测的超声速民机优化设计与数据挖掘

Optimization design and data mining for supersonic civil aircraft based on sonic boom efficient prediction

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 30

参考文献 44

相关文章 15

编辑推荐

Metrics

本文评价

[1]	徐义皓, 董芃呈, 郑俊超, 谭春青, 唐海龙. 自适应循环推进系统总体性能优化方法[J]. 航空学报, 2025, 46(7): 130987-130987.
[2]	屈峰, 王青, 程少文, 王开强. 基于气动/轨迹/控制耦合的飞/发一体高超声速飞机气动外形优化设计[J]. 航空学报, 2025, 46(4): 130874-130874.
[3]	郑可风, 宋文萍, 聂晗, 丁玉临, 乔建领, 陈晴, 王奕衡, 宋科, 张科施. 考虑全机声爆特性的超声速自然层流机翼设计方法[J]. 航空学报, 2025, 46(20): 531214-531214.
[4]	杨超, 谭玉婷, 王伟, 赵彦, 余雄庆. 融入低声爆设计的超声速民机概念方案多学科优化[J]. 航空学报, 2025, 46(20): 531457-531457.
[5]	杨琳萱, 马慧才, 庞丽萍. 超声速民机环控系统设计及性能仿真[J]. 航空学报, 2025, 46(20): 531585-531585.
[6]	贡天宇, 单程军, 易理哲, 龙垚松, 成忠涛. 发动机几何参数对超声速民机声爆特性的影响[J]. 航空学报, 2025, 46(20): 531592-531592.
[7]	陈晴, 韩忠华, 张科施, 乔建领, 丁玉临, 宋文萍. 一种面向超声速民机低声爆布局的全声爆毯优化设计方法[J]. 航空学报, 2025, 46(20): 531909-531909.
[8]	廖振荣, 李军府, 赵博文, 张明, 谢露, 韩忠华, 艾梦琪. 基于工程的超声速民机宽速域机翼设计[J]. 航空学报, 2025, 46(20): 531915-531915.
[9]	李富霖, 陈敏, 唐海龙, 张纪元, 周越, 马静. 考虑环境指标的变循环发动机控制规律设计[J]. 航空学报, 2025, 46(16): 231624-231624.
[10]	张睿韬, 王聪, 陶俊, 王立悦, 孙刚. 基于潜在扩散模型的翼型参数化方法[J]. 航空学报, 2025, 46(10): 631180-631180.
[11]	姜璐璐, 潘鑫, 蒋伟, 冯瑞, 陈刚. 基于融合代理策略的超声速降落伞气动优化设计[J]. 航空学报, 2025, 46(1): 630471-630471.
[12]	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.
[13]	骆燕燕, 杨硕, 潘晓松, 赵绪怀, 张莉. 航空用高速连接器信号反射抑制与优化设计[J]. 航空学报, 2024, 45(7): 328937-328937.
[14]	贾文斌, 方磊, 张根, 史剑, 何泽侃, 宣海军. CNT树脂基复合材料断裂韧性的优化设计[J]. 航空学报, 2024, 45(7): 428971-428971.
[15]	戴今钊, 陈海昕. 流场波系引导的三维消波翼优化设计方法[J]. 航空学报, 2024, 45(6): 628942-628942.