基于分层插值的翼型CFD压力系数修正方法

doi:10.7527/S1000-6893.2025.32788

流体力学与飞行力学

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于分层插值的翼型CFD压力系数修正方法

张旭¹^,², 瓮哲³, 赵卓林³, 陈佳宁¹^,², 赵梓斌¹^,², 孙岩¹^,²()

^1.中国空气动力研究与发展中心计算空气动力研究所，绵阳 621000
^2.中国空气动力研究与发展中心空天飞行空气动力科学与技术全国重点实验室，绵阳 621000
^3.中国航空工业集团公司沈阳飞机设计研究所，沈阳 110035

收稿日期:2025-09-16 修回日期:2025-10-10 接受日期:2025-11-05 出版日期:2025-11-11 发布日期:2025-11-10
通讯作者: 孙岩 E-mail:y.sun@cardc.cn
基金资助:
国家数值风洞工程(NNW-FSI-2025);空天飞行空气动力科学与技术全国重点实验室基金(SKLA-JSSX-2024-JJXM-06)

Airfoil CFD pressure coefficient modification method based on layered interpolation

Xu ZHANG¹^,², Zhe WENG³, Zhuolin ZHAO³, Jianing CHEN¹^,², Zibin ZHAO¹^,², Yan SUN¹^,²()

^1.Computational Aerodynamics Institute，China Aerodynamics Research and Development Center，Mianyang 621000，China
^2.State Key Laboratory of Aerodynamics，China Aerodynamics Research and Development Center，Mianyang 621000，China
^3.Shenyang Aircraft Design and Research Institute，Aviation Industry Corporation of China，Shenyang 110035，China

Received:2025-09-16 Revised:2025-10-10 Accepted:2025-11-05 Online:2025-11-11 Published:2025-11-10
Contact: Yan SUN E-mail:y.sun@cardc.cn
Supported by:
National Numerical Wind Tunnel Engineering(NNW-FSI-2025);National Key Laboratory for Aerodynamics Science and Technology of Aerospace Flight(SKLA-JSSX-2024-JJXM-06)

摘要/Abstract

摘要：

由于计算网格分辨率、数值离散误差、湍流模型适配性等因素的影响，CFD预测的压力数据和试验压力数据之间会出现明显的偏差，直接使用CFD预测压力数据开展结构强度或气动弹性分析面临着一定的使用风险。针对传统单一插值方法在处理吸力峰和激波位置非连续变化压力系数修正时存在的精度不足和误差偏大问题，提出了一种基于分层插值的翼型CFD压力数据修正方法，用于获取高准确度、高分辨率的翼型压力分布数据。首先，采用线性插值计算试验点位置试验压力分布数据与CFD预测压力分布数据的差量。其次，利用拉普拉斯光顺方法将差量分解为连续光滑部分和非连续光滑部分，对压力差量连续光滑部分采用高阶插值、非连续光滑部分采用线性插值进行处理。插值后激波位置附近区域压力数据如仍存在局部跳跃现象，将采用激波位置检测和局部位置线性插值对翘曲部分进行光顺。最后，采用RAE2822翼型的试验和CFD计算压力数据对方法进行了测试，并应用于DLR-F6翼身组合体和HIRENASD机翼的计算压力系数修正。测试和应用数据结果表明：分层压力数据修正方法具有良好的精度，在较少的压力试验测量点情况下也可以获得比较准确的修正结果。

关键词: 分层插值, CFD, 风洞试验, 翼型, 压力系数修正, 拉普拉斯光顺

Abstract:

Due to actors such as calculation grid resolution， numerical discretization error， and turbulence model adaptability， obvious deviation often exist between CFD predicted pressure data and experimental pressure data. It is thus risky to directly use CFD predicted pressure data to carry out structural strength or aeroelastic analysis. To solve the problem of insufficient precision and large error of traditional single interpolation method when dealing with the pressure coefficient modified of discontinuous changes of suction peak and shock wave position， this paper develops a method for correcting airfoil CFD pressure data based on hierarchical interpolation， enabling high accuracy and high resolution pressure distribution reconstruction. Firstly， the difference between the pressure distribution data at the test point and the pressure distribution data predicted by CFD is calculated by linear interpolation， and then the difference is decomposed into continuous smooth part and discontinuous part by Laplace fairing method. The continuous smooth part of pressure difference is processed by high-order interpolation， and the discontinuous smooth part is processed by linear interpolation. If there is still warpage in the pressure data near the shock wave position after interpolation， the warped part will be smoothed by shock position detection and local position linear interpolation. The method is tested using the RAE2822 airfoil test and CFD computed pressure data， and applied to the DLR-F6 wing-body assembly and HIRENASD wing computed pressure coefficient modified.Results from both test and application show that the delamination pressure data modified method achieves high accuracy， and can obtain more accurate modified results even under the condition of less pressure test measurement points.

Key words: hierarchical interpolation, CFD, wind tunnel test, airfoil, pressure coefficient modified, Laplace fairing

中图分类号:

V211.3

张旭, 瓮哲, 赵卓林, 陈佳宁, 赵梓斌, 孙岩. 基于分层插值的翼型CFD压力系数修正方法[J]. 航空学报, 2026, 47(8): 132788.

Xu ZHANG, Zhe WENG, Zhuolin ZHAO, Jianing CHEN, Zibin ZHAO, Yan SUN. Airfoil CFD pressure coefficient modification method based on layered interpolation[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(8): 132788.

图/表 15

图 1

图 2

图 3

图 4

表1

径向基插值基函数

名称	表达式
Thin Plate Spline （TPS）	φ（r）=r²ln r²
Volume Spline （VS）	φ（r）=r
Wendland’s C0 （C0）	φ（η）=（1 $-$ η）²
Wendland’s C2 （C2）	φ（η）=（1 $-$ η）⁴（4η+1）
Wendland’s C4 （C4）	φ（η）=（1 $-$ η）⁶（35η²+18η+3）
Wendland’s C6 （C6）	φ（η）=（1 $-$ η）⁸（32η³+25η²+8η+1）

表1

图 5

图 6

图 7

图 8

图 9

图 10

图 11

图 12

图 13

图 14

参考文献 27

[1]	LI R Z， ZHANG Y F， CHEN H X. Knowledge discovery with computational fluid dynamics： Supercritical airfoil database and drag divergence prediction［J］. Physics of Fluids， 2023， 35： 016113.
[2]	ZHOU H J， XIE F F， JI T W， et al. Fast transonic flow prediction enables efficient aerodynamic design［J］. Physics of Fluids， 2023， 35（2）： 026109.
[3]	YANG H， CHEN S S， GAO Z H， et al. Reynolds number effect correction of multi-fidelity aerodynamic distributions from wind tunnel and simulation data［J］. Physics of Fluids， 2023， 35（10）： 103113.
[4]	WANG Z， ZHANG W W， WANG X， et al. High precision aerodynamic heat prediction method based on data augmentation and transfer learning［J］. Aerospace Science and Technology， 2024， 155： 109663.
[5]	樊云翔，艾化楠，王明振，等. 基于深度学习的水上飞机非定常水载荷重构［J］. 航空学报， 2024， 45（20）： 129882.
	FAN Y X， AI H N， WANG M Z， et al. Unsteady hydrodynamic load reconstruction of seaplane based on deep learning［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（20）： 129882 （in Chinese）.
[6]	ZHAO X， DENG Z C， ZHANG W W. Sparse reconstruction of surface pressure coefficient based on compressed sensing［J］. Experiments in Fluids， 2022， 63（10）： 156.
[7]	罗长童，胡宗民，刘云峰，等. 高超声速风洞气动力/热试验数据天地相关性研究进展［J］. 实验流体力学， 2020， 34（3）： 78-89.
	LUO C T， HU Z M， LIU Y F， et al. Research progress on ground-to-flight correlation of aerodynamic force and heating data from hypersonic wind tunnels［J］. Journal of Experiments in Fluid Mechanics， 2020， 34（3）： 78-89 （in Chinese）.
[8]	DOWELL E H. Eigenmode analysis in unsteady aerodynamics-reduced-order models［J］. AIAA Journal， 1996， 34（8）： 1578-1583.
[9]	邓晨，陈功，王文正，等. 基于飞行试验和风洞试验数据的融合算法研究［J］. 空气动力学学报， 2022， 40（6）： 45-50.
	DENG C， CHEN G， WANG W Z， et al. Research on the data fusion algorithm based on flight test data and wind tunnel test data［J］. Acta Aerodynamica Sinica， 2022， 40（6）： 45-50 （in Chinese）.
[10]	LI S Y， GAO Z H， GAO C， et al. A successive gappy proper orthogonal decomposition approach and its application to inverse airfoil design［C］∥55th AIAA Aerospace Sciences Meeting. Reston： AIAA， 2017.
[11]	JIANG C Y， SOH Y C， LI H. Sensor and CFD data fusion for airflow field estimation［J］. Applied Thermal Engineering， 2016， 92： 149-161.
[12]	MOHAMED A， WOOD D. Deep learning predictions of unsteady aerodynamic loads on an airfoil model pitched over the entire operating range［J］. Physics of Fluids， 2023， 35（5）： 053113.
[13]	LEI R W， BAI J Q， WANG H， et al. Deep learning based multistage method for inverse design of supercritical airfoil［J］. Aerospace Science and Technology， 2021， 119： 107101.
[14]	LI K， KOU J Q， ZHANG W W. Deep learning for multifidelity aerodynamic distribution modeling from experimental and simulation data［J］. AIAA Journal， 2022， 60（7）： 4413-4427.
[15]	KOU J Q， NING C J， ZHANG W W. Transfer learning for flow reconstruction based on multifidelity data［J］. AIAA Journal， 2022， 60（10）： 5821-5842.
[16]	WANG X， KOU J Q， ZHANG W W. Unsteady aerodynamic prediction for iced airfoil based on multi-task learning［J］. Physics of Fluids， 2022， 34（8）： 087117.
[17]	YU J， HESTHAVEN J S. Flowfield reconstruction method using artificial neural network［J］. AIAA Journal， 2019， 57（2）： 482-498.
[18]	LIU X F， FENG Z M， CHEN Y H， et al. Multiple optimized support vector regression for multi-sensor data fusion of weigh-in-motion system［J］. Proceedings of the Institution of Mechanical Engineers， Part D： Journal of Automobile Engineering， 2020， 234（12）： 2807-2821.
[19]	孙岩，邓小刚，张征宇，等. 跨声速风洞模型变形测量实验中标记点影响研究［J］. 空气动力学学报， 2013， 31（6）： 769-775.
	SUN Y， DENG X G， ZHANG Z Y， et al. Target influence on video model deformation experiments in transonic wind tunnel［J］. Acta Aerodynamica Sinica， 2013， 31（6）： 769-775 （in Chinese）.
[20]	孙岩，江盟，孟德虹，等. 交互式棱柱网格生成中翘曲现象形成机制及消除算法［J］. 航空学报， 2021， 42（6）： 124443.
	SUN Y， JIANG M， MENG D H， et al. Formation mechanism and elimination algorithm of warping in interactive prismatic grid generation［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（6）： 124443 （in Chinese）.
[21]	RENDALL T C S， ALLEN C B. Unified fluid-structure interpolation and mesh motion using radial basis functions［J］. International Journal for Numerical Methods in Engineering， 2008， 74（10）： 1519-1559.
[22]	RENDALL T S， ALLEN C B. Multi-dimensional aircraft surface pressure interpolation using radial basis functions［J］. Proceedings of the Institution of Mechanical Engineers， Part G： Journal of Aerospace Engineering， 2008， 222（4）： 483-495.
[23]	孙岩，孟德虹，王运涛，等. 基于径向基函数与混合背景网格的动态网格变形方法［J］. 航空学报， 2016， 37（5）： 1462-1472.
	SUN Y， MENG D H， WANG Y T， et al. Dynamic grid deformation method based on radial basis function and hybrid background grid［J］. Acta Aeronautica et Astronautica Sinica， 2016， 37（5）： 1462-1472 （in Chinese）.
[24]	NANS Glenn Research Center. RaE2822 airfoil Pressure distributions and flowfield date ［EB/OL］. （2021-02-10）［2025-10-24］. .
[25]	CHWALOWSKI P， HEEG J. FUN3D analyses in support of the first aeroelastic prediction workshop［C］∥ 51st AIAA Aerospace Sciences Meeting Including the New Horizons Forum and Aerospace Exposition. Reston： AIAA， 2013.
[26]	BALLMANN J， DAFNIS A， KORSCH H， et al. Experimental analysis of high Reynolds number aero-structural dynamics in ETW［C］∥46th AIAA Aerospace Sciences Meeting and Exhibit， Reston： AIAA， 2008.
[27]	郭秋亭，孙岩，郭正，等. 风洞试验雷诺数/静气动弹性效应分离方法［J］. 航空学报， 2022， 43（11）： 526312.
	GUO Q T， SUN Y， GUO Z， et al. Separation method for Reynolds number/static aeroelastic coupling effect in wind tunnel test［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（11）： 526312 （in Chinese）.

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

基于分层插值的翼型CFD压力系数修正方法

Airfoil CFD pressure coefficient modification method based on layered interpolation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 27

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李佳忆, 司海青, 董昊, 仇静轩, 夏天宇. 深度动态失速数值模拟方法验证与确认[J]. 航空学报, 2026, 47(6): 132671-132671.
[2]	张悦, 杨刚, 谭慧俊, 张晗天, 庞明池, 张龙芝, 高夏豪. 外并联型进气道模态转换过程中低速通道再起动特性[J]. 航空学报, 2026, 47(6): 132842-132842.
[3]	刘备, 达兴亚, 朱耀武, 易渊. 分布式推进飞行器纵向气动/推进耦合效应[J]. 航空学报, 2026, 47(4): 132280-132280.
[4]	孙伟, 张羽霓, 刘婷, 史喆羽, 林永峰. 旋翼流动对桨-涡干扰噪声的影响机理试验[J]. 航空学报, 2026, 47(3): 132182-132182.
[5]	杨一言, 傅岸祥, 王昱辉, 田照阳, 石磊. 高速火箭增强冲压发动机内转进气道气动设计与风洞试验[J]. 航空学报, 2026, 47(3): 132202-132202.
[6]	刘洋, 史勇杰, 徐国华. 低空复杂风场下旋翼气动干扰特性风洞试验[J]. 航空学报, 2026, 47(1): 632054-632054.
[7]	王科雷, 周洲, 李明浩. 动力翼单元松耦合设计方法研究及试验验证[J]. 航空学报, 2025, 46(9): 212-229.
[8]	魏礼响, 徐惊雷, 陈匡世, 黄帅, 葛建辉, 宋光韬. 宽域高超声速飞行器可调矢量喷管方案设计与性能研究[J]. 航空学报, 2025, 46(8): 631086-631086.
[9]	易贤, 任靖豪, 赖庆仁, 刘宇, 王强. 大型飞机全尺寸多段翼结冰特性计算和试验[J]. 航空学报, 2025, 46(5): 531575-531575.
[10]	万志强, 张珊珊, 王晓喆, 马靓, 许翱, 吴志刚, 杨超. 弹性飞机机动载荷分析与减缓技术综述[J]. 航空学报, 2025, 46(3): 30279-030279.
[11]	马诺, 卫社春, 孟军辉, 刘清洋, 雷宇声. 考虑减速伞作用的无人机内埋舱体分离流场特性与动力学[J]. 航空学报, 2025, 46(3): 130755-130755.
[12]	梁彬, 赵俊波, 付增良, 周家检, 周平, 张石玉, 孙玮琪. 气体质量引射对钝锥俯仰特性的影响[J]. 航空学报, 2025, 46(3): 130822-130822.
[13]	梁勇, 张卫国, 车兵辉, 袁红刚, 魏春华, 杨柠檬. 直升机全机气动噪声特性风洞试验[J]. 航空学报, 2025, 46(24): 132072-132072.
[14]	吴军强, 魏志, 刘洋, 钟敏, 杨福军, 余永刚. 民机标准模型体系及气动主题数据库建设[J]. 航空学报, 2025, 46(24): 132030-132030.
[15]	王伟, 李军府, 钱丰学, 谭玉婷, 赵彦, 赵博文, 陈晴, 宋科. 一种超声速民机低声爆高效气动布局风洞试验[J]. 航空学报, 2025, 46(20): 531941-531941.