[發明專利]耦合微納表面控制技術的扇葉型總壓損失最小化設計方法

在審

• 申請號: 202111387683.7
• 申請日: 2021-11-22
• 公開（公告）號: CN114091198A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 孫剛;王聰;王立悅;王舒悅;游波
• 申請（專利權）人: 復旦大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06F30/28;G06N3/08;G06F111/10;G06F113/08;G06F119/14
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

1.一種耦合微納表面控制技術的跨音速風扇葉型總壓損失最小化設計方法，其特征在于，是在傳統的優化葉型基礎上，進行耦合表面結構的設計，以進一步提升風扇葉型的氣動性能，具體步驟如下：

步驟1，基于光滑表面的葉型輪廓設計

應用傳統的設計方法進行光滑葉型的設計，具體流程為：

首先，構建葉型幾何數據庫，即將初始葉型通過拉丁超立方采樣和幾何篩選，生成葉型樣本，構建得到葉型幾何數據庫；

其次，構建葉型氣動數據庫，即將幾何數據庫中的葉型通過CFD仿真，獲得其相應的氣動數據；

然后，以微納米表面的結構幾何數據庫和微納表面的氣動參數數據庫為基礎，構造人工神經網絡模型，根據差分進化優化算法進行優化設計；

步驟2：進行適用于工程優化的微納表面風扇葉型數值模擬，具體流程為：

從步驟1中，得到基于光滑表面的優化葉型輪廓，在后面的步驟中，要試圖將最優的微納結構表面與該優化葉型輪廓進行耦合；耦合微納表面控制技術進行風扇葉型氣動優化設計的主要難點在于，在宏觀構型上進行微納表面幾何的設計，直接進行傳統的數值模擬，實際上是一個復雜的跨尺度問題，多次迭代優化設計不具有可行性，需要非常昂貴的計算成本；

因此，為了解決這一問題，本發明首先提出適用于工程優化的微納表面風扇葉型數值模擬技術，其主要流程如下：

（1）邊界空氣動力學參數分布的統計分析；提取近壁區域局部近壁單元計算域即單元網格的空氣動力學參數，該參數包括速度和密度，并對其分布進行統計分析，根據該密度分布規律，在速度和密度分布較密集處加密采樣，其余區域均勻采樣，得到邊界氣動參數樣本集；

（2）微納表面微觀流動效應分析；將樣本集中的氣動參數組合分別作為微觀計算的入口條件，利用格子玻爾茲曼方法獲得相應的邊界微觀流場，根據流場分析微納表面的微觀流動效應，得到其速度剖面修正規律；

（3）微納表面風扇葉型數值模擬；將微納表面在不同來流條件下對應的速度剖面修正應用廣義回歸神經網絡訓練為代理模型；將該代理模型輸出的修改的邊界條件應用在光滑葉型邊界，該邊界條件替代復雜的小尺度表面結構；該步驟通過訓練代理模型得到可以復現微納表面幾何對應流動效應的修改邊界條件，為后續耦合微納表面的設計提供簡化的數值模擬手段；

步驟3：耦合微納表面控制技術的風扇葉型總壓損失最小化設計，具體流程如下：

以步驟1得到的基于光滑表面的優化葉型輪廓為基礎，設計該葉型輪廓對應的最優微納表面幾何參數；首先建立微納表面的結構幾何數據庫，根據步驟2中的得到幾何數據庫中各種微納表面對應的修改邊界條件；將該邊界條件施加到基于光滑表面的優化葉型輪廓邊界，應用雷諾平均方程進行數值模擬求解，得到微納表面氣動參數數據庫；通過以上方法得到對應的微納表面幾何-氣動參數數據庫，為后續建立代理模型和優化提供了基礎；然后，以微納米表面的結構幾何數據庫和微納表面氣動參數數據庫為基礎，建立人工神經網絡代理模型，而后應用差分進化優化算法進行最優葉型表面微納結構的幾何設計；將得到的最優表面微納結構與傳統設計的優化葉型進行耦合，即得到改進的優化葉型。