התקדמות בהנדסה אווירופייס יש שיפורים ממוקדים באופן עקבי בביצועי מטוסים, יעילות דלק ובטיחות.מתודולוגיה אחת עוצמתית שצמחה בשני העשורים האחרונים היא היישום של אופטימיזציה חישובית לתכנון מכשירים עתירי גבוה - במיוחד, מחסני מטוסים - עם תכונות גבוהות יותר אווירודינמית, על ידי מינוף של אלגוריתמים מתקדמים, דינמיקות גבוהות של חומרים חישוביים (CFD), ומחשובים חזקים, יכולים כעת לחקור כיוונים גאותיים וגמישות, באמצעות שיטות רוחיות מתקדמות, או , באמצעות שיטות חישוביות.

תפקיד ה-Flaps ב- Airdynamics

משטחים ממונעים על קצה השביל של כנפיים.כאשר הם פורסים, הם מגבירים את הסמן של הכנפיים, ובעיצובים רבים, שטח פני השטח היעיל שלה ואת אורך ה אקורד.זה משנה את זרימת האוויר, ומייצרים יותר מעליות גבוהות יותר במהירויות נמוכות יותר - דרישה חיונית במהלך ההמראה והנחתה.עם זאת, גם עלייה בגרורה.

פלמים באים במספר סוגים נפוצים: flaps, flaps מפוצל, flaps מעוות, pwler flaps, מכשירים מובילים כמו סלאטים.כל תצורה מציעה מרווח סחר שונה בין עלייה וגרור עלייה. לדוגמה, flaps מלוטש אפשרויות בחירה מאומצמות, רק מתפתלים פוטנציאליים מלמטה כדי לזרום דרך רווחים, מחדש מסורתי את השכבה על פני השטח העליון ועיכובים דרמטיים.

ההתנהגות האירודינמית של קפיצות נשלטת על ידי פיזיקה מורכבת, לא ליניארית - מעבר שכבתי, הפרדה זרימה, אינטראקציות ער ואפקטים דחיסה. שינויים גיאומטריים קטנים יכולים לייצר וריאציות ביצועים גדולות. אופטימיזציה משלימה מספקת שיטה שיטתית לנווט את המרחב עיצוב גבוה, לא לינארי לזהות גיאמטריה כי מניב ביצועים אווירודינמיים מעולים.

מימון של אופטימיזציה משלימה באירודינמיקה

(האופטימיזציה הניתנת להתאמה של עיצוב ה-Fap כוללת אלגוריתם אופטימיזציה מספרי עם מפתר זרימה (בדרך כלל CFD) כדי להעריך את הביצועים האירודינמיים של גיאמטריה המועמדת.התפקוד האובייקטיבי - לעתים קרובות שילוב של יעילות המעלית (CIRFLT:0LLFLT:1), גרור יעיל (CFLT:2DLT3), להורדת תהליכי חיפוש חזקים (L) ו-LGatericial Retratial Retratance)

אופטימיזציה של Algorithms

(הופנה מהדף אלגוריתמים) הם בדרך כלל אופטימיזציה לכושר אווירודינמיקה.(FLT:0 אלגוריתמים דינמית (GAs) סימולציות (GAs) של סימולציות (FLT) אשר דורשות שימוש בטכניקות חישוביות מותאמות אישית רבות (Creative Cost) ו-Creative Designspaces (Ricial designspace) הן לעתים קרובות מספר גדול של הערכות, אשר ניתן להעריך באופן משמעותי על ידי מספר גבוה של פונקציות עיצוב).

שילוב Fluid Dynamics

הערכה מדויקת של ביצועי אווירודינמיקה של פליפה דורש אישור CFD אמין.עבור תנאי קבלה תת-קוליים טיפוסיים לתנאי הנחיתה, ריינולדס-הובר Navier-Stokes (RANS) עם מודלים סוערים (למשל, ספלרנס-אלמראס, k-Averaged Navier-Stokes (RANS) משתמשים נרחב בשיטות נאמנות גבוהות יותר כמו סימולציה מנותקת (DES) או סימולציה גבוהה יותר (S) עלות) עלות גבוהה יותר (D) אבל תכונות חישוביות (D) עלות) עלות עלות עלות עלות יותר (D) עלות גבוהה יותר (D) עלות עלות עלות עלות עלות עלות עלות עלות עלות עלות יותר עלות גבוהה יותר עלות (D) או סימולציה עלות גבוהה יותר עלות (D) אבל עלות גבוהה יותר עלות (D) עלות גבוהה יותר עלות גבוהה יותר עלות גבוהה יותר עלות (D) אבל עלות (D) עלות (D) עלות גבוהה יותר עלות גבוהה יותר, אך עלות גבוהה יותר, אך עלות (D) עלות גבוהה יותר עלות גבוהה יותר עלות גבוהה יותר עלות גבוהה יותר, אך על

עיצוב Parameterization

הגיאומטריה השברירית חייבת להיות מוגדרת על ידי קבוצה של משתנים עיצוב כי אלגוריתם אופטימיזציה יכול להתאים.שיטות פרמטר משותף כוללות באמצעות עקומות ספירה (למשל, Bézier, B-spline, או NURBS) עבור טווח האוויר-טווח ופרופילים רפלקטיביים, הגדרת נקודות שליטה דיסקרטיות שיכולות לנוע.

היתרונות של אופטימיזציה עבור עיצוב Flap

היישום של אופטימיזציה חישובית עיצוב ap מניב כמה יתרונות משמעותיים על שיטות מסורתיות:

  • (FLT:0) ביצועים סופריאוראירודינמיקה: FIRLT:1 תצורה של תצורה מפלט אופטימיזציה יכול להשיג יותר מרבי חסכוניים להרים, שיפור יחסי המעלית-ל-דראג, ועוד תכונות דוכננות שפירות יותר. מחקרים הראו 5-15% שיפור CFLT:2L,maxFLT 3 והפחתה בגרור של 3–10% בהשוואה לעיצובים שפותחו באמצעות שיטות קונבנציונליות.
  • (FLT:0)iscovery of Unconventional Geometries:FLT ( 1:1 Algorithms) יכול לחקור אזורים של חלל העיצוב כי אינטואיציה אנושית עשויה להתעלם. לדוגמה, מערכות מרובות-החלות עם צורות מרווחיות מאוד לא לינאריות או סידורים לא-מתכננים עשויים להופיע כאופטימליים.
  • (FLT:0) ,הזמן הפיתוח והעלות:FreaLT:1) על ידי צמצום מספר דגמי הרוח הפיזיים וקמפיינים מבחן, אופטימיזציה חישובית יכולה לקצר את מחזור העיצוב של חודשים רבים עד שבועות ספורים.
  • (FLT:0) Multi-objective והחזקה עיצוב:03FLT) 1 אופטימיזציה יכול לקחת בו זמנית את מטרות סותרות - מקסימום העלאה תוך צמצום גרור, או שיפור ביצועים בטווח של תנאי טיסה (למשל, השתלטות, גישה, טיפוס, טכניקות אופטימיזציה Robust אופטימיזציה יכול גם לקחת בחשבון עבור ייצור סובלנות או ניידות תפעולית, ייצור עיוותים כי לבצע באופן עקבי למרות סטיות קטנות.

זרימת עבודה מתודולוגית עבור אופטימיזציה של Flap

בפועל, אופטימיזציה חישובית של מערכת צנרת עוקב אחר זרימת עבודה מובנית:

  1. (ב) הגדרה:0 (Problemהגדרה: 1) Define תנאי הטיסה (מספר Mach, ריינולדס מספר, זווית של טווח התקפה), מטרות (למשל, למקסם את L / D ב- Takeoff, או למקסם את CFLT:2L,maxigFLT 3), מגבלות (לחץ מבנה, עומסי הפעלה, מוטציות, גיאומטריה, גבולות), ומשתנה העיצוב.
  2. (FLT:0)Geometry פרמטריזציה ו- meshing:cioFLT:1) צור מודל משולש של מערכת החפיפה כנף.
  3. הערכה:0CFD: 1FLT לרוץ סדרה של סימולציות CFD בתנאים מוגדרים עבור עיצובים מועמדים.הפתר הזרמה צריך להיות מאומת נגד נתונים ניסיוניים עבור תצורה דומה כדי להבטיח אמינות.
  4. לולאה:0 (Optimization: FLT:1 הפעל את אלגוריתם האופטימיזציה, המציעה גיאוגרפיה חדשה. עבור שיטות מבוססות פונדקאית, עיצוב ראשוני של ניסויים (למשל, היפרקולב הלטיני דגימה) בונה את המודל הפונדקאי.
  5. (ב) ,0) ,Validation: (FLT:1) העיצוב המוטב מאומת באמצעות CFD נאמנות גבוהה (למשל, DES) ו- רצוי באמצעות בדיקות מנהרה רוח.אם ניתן למצוא, נאמנות המודל או הפונדקאית עשויה להיות revisited.

תוצאות חיפוש ויישומים אמיתיים

מחקר אקדמי: Single-Element Flap Optimization

מחקר מייצג שנערך במכון מחקר אווירי גדול של חלל החל אלגוריתם גנטי יחד עם פותר RANS כדי לייעל את הגיאומטריה של פליטה חד פעמית עבור כנף סילון אזורית.משתנה העיצוב כללו נספח (2-30% של כורד), דה זווית דה סטיית (30°-45°), פער, וחופיפות.לאחר 600D הערכות, התצורה האופטימלית השיגה עלייה של 8% בתצורה של CFLT0, ירידה של 5%.

יישום התעשייה: Multi-Element High-Lift Systems

יצרני מטוסים גדולים כמו Airbus ובואינג שילבו אופטימיזציה חישובית לתהליכי עיצוב מרומם גבוהים.לדוגמה, העיצוב של מסלולי ה-Fap, ירידות וצורות משבצות עבור Airbus A350 XWB מעורב אופטימיזציה מבוססי אדנג'וינט למזער את גרר תוך שמירה על המעלית הנדרשת. Adjoint שיטות אפשרה אופטימיזציה יעילה של מאות פרמטרים בצורת.

דוגמה נוספת מן הספרות החל אופטימיזציה המבוססת על פונדקאית ל-3 סוללת אוויר (שלל, כנף עיקרית, צנרת מלוטשת) אופטימיזציה שמטרתה למקסם את L / D בזווית של גישה מייצגת של התקפה.מודל הפונדקאית הפחית את מספר הסימולציות CFD המלאות ב -70% בהשוואה לאלגוריתם גנטי בלבד.החול האופטימלי הציג גליאומטריה מעוקלת שמשפרת את הלחץ על ה-F, הפחתת על בסיס 7%.

אתגרים ומגבלות

למרות ההבטחה, אופטימיזציה חישובית לעיצוב ה-Fap מתמודדת עם מספר אתגרים:

  • העלות:0 (FLT:1) סימולציות CFD גבוהה נאמנות יקר.דמיית 1D יחיד של תצורה של כנף-flap עשויה לקחת שעות על עשרות ליבות. אופטימיזציה עשויה לדרוש מאות עד אלפי הערכות.מודלים סוררוגייט מקטין את זה אך להציג שגיאות יישום.
  • (FLT:0)Fidelity לעומת מהירות המסחר: ההרחבה:cioFLT:1) נמוך נאמנות CFD (למשל, Inviscid, שיטות פאנל) יכול להיות מהיר אך לא יכול לתפוס במדויק הפרדה וזרימת חריצים קריטי לביצועים מפלה. over-reliance על מודלים דל נאמנות יכול להטעות את האופטימיזציה.
  • (FLT:0) עיוות ואינטנסיכות: ההרחבה האוטומטית של הדור הראשון (FLT:1) חייבת להתמודד עם שינויים גאומטריים גדולים ללא ייצור תאים רעים.
  • (FLT:0) אילוצים משמעתיים: FLT:1 , אופטימיזציה אירובית חייב להיות מיישב עם עומסים מבניים, כוחות אקטוטור, ומגבלות ייצור. coupling מבני ואירוליסטים מגבירים את המורכבות.
  • אי הוודאות: תחזיות ה-FLT:1, במיוחד עבור זרימה נפרדת - אינן מושלמות.התאמת הניסויית נותרה חיונית, אך בדיקת מנהרות רוח של פיות ממוטבות יכולה להיות יקרה.

כיוונים עתידיים

העתיד של אופטימיזציה חישובית בעיצוב ה-Fap קשור להתקדמות בכוח מחשוב, אלגוריתמים ויכולות דוגמנות. מגמות מסוימות נוטות לעצב את השדה:

שילוב של Machine Learning

מודלים של למידת מכונות (ML) מודלים, במיוחד רשתות עצביות עמוקות, מציעים חלופות מבטיחות לפונדקאים מסורתיים.הם יכולים להיות מאומן על מסדי נתונים גדולים של זוגות ביצועים גיאומטריה לחזות חסכוניים אווירודינמיקה כמעט מיידית.למשל, מודלים יצרניים (למשל, נוגדנים וריאציות, רשתות ניווניות) יכול להציע חידוש, גיאומטריה גבוהה, עם זאת, להבטיח תחזיות ML הן אזורי מחקר סטנדרטיים עדיין באופן פיזי.

נאמנות גבוהה ו- Multi-Physics Optimization

כאשר מחשוב עולה ירידה, אופטימיזציה ישירה עם שיטות נאמנות גבוהות (DES, LES) הופכת להיות יותר סבירה.זה יאפשר פתרון מדויק של תופעות זרימה לא יציבות (למשל, מזנון, דור רעש) בלולאה אופטימיזציה. coupling aeroדינמיקה עם אווירודינמיקה עם אווירואקטיקה, מכניקה מבנית, וחום העברה (ל de-icing) ייצור עיצובים יותר מקיף.

Robust ו- Reliability- Based Optimization

מסגרות אופטימיזציה עתידיות יכילו יותר ויותר אי-ודאות - בתנאי טיסה, סובלנות ייצור, תכונות חומריות - לתכנן סדקים שאינם רק אופטימליים אלא גם חזקים על המעטפה המבצעית שלהם.זה דורש שילוב של שיטות אי-ודאות קוונטיות (למשל, כאוס פולינומי, מונטה קרלו דגימה) לתוך הלולאה אופטימיזציה, העלאת דרישות חישוביות, אלא תשואות חישוביות יותר עיצובים אמינים.

מסקנה

אופטימיזציה משלימה הפכה כלי חיוני בעיצוב האווירודינמי של מטוסים flaps. על ידי שילוב אלגוריתמים חזקים, סימולציה מדויקת, וחיפוש יעיל של חללי עיצוב, מהנדסים יכולים להשיג תצורה של הצטברות העולה על הביצועים של מקבילים מעוצבים באופן מסורתי.היתרונות - שיפור יחסי טיטול-על-דראגס, לחץ על קיימות גבוהה, ניסיון פיתוח מופחת של גאומטריה, ויכולת להתמודד עם ריבוי-עקביות ועיצוב - הן אתגרים מתקדמים, תוך שיפור ביצועים גבוהים יותר, תוך שיפור ביצועים מתקדמים, תוך שיפור ביצועים גבוהים יותר, וכן שיפור ביצועים מתקדמים, וכן הלאה, צמיחה גבוהה יותר, לחץ אסטרטגי, לחץ גבוה יותר, צמיחה גבוהה יותר, שמירה על פני ביצועים מתקדמים, תוך שמירה על פני ביצועים מתקדמים, לחץ על פני ביצועים גבוהים יותר, צמיחה גבוהה יותר, לחץ גבוה יותר, צמיחה גבוהה יותר, לחץ על פני ביצועים מתקדמים, לחץ על פני ביצועים מתקדמים, צמיחה גבוהה יותר, צמיחה גבוהה יותר, צמיחה גבוהה יותר, צמיחה גבוהה יותר, צמיחה גבוהה יותר, צמיחה גבוהה יותר של יעילות גבוהה של יעילות גבוהה של יעילות גבוהה יותר של יעילות גבוהה יותר של יעילות גבוהה יותר של יעילות גבוהה של יעילות גבוהה יותר של יעילות גבוהה יותר של יעילות גבוהה יותר של יעילות מחשבתית, צמיחה גבוהה יותר, לחץ על פני ביצועים מתקדמים, תוך שמירה על פני ביצועים מתקדמים

(ב) [ה] [ה]] [ה]], ראה [ה], [ה], [ה], [ה]], [ה], [ה], [ה]]], [ה]], [ה'], [ה'], [ה']'[ה']'[ה']']']'[ה']']'[ה'[ה']']']'''[ה']'''[ה']'[ה'[ה']'[ה'[ה'[ה'[ה']']']'[ה'[ה']'[ה'[ה']']']']']']'[ה'[ה'[ה'[ה']']']']']'[ה'[ה']']'[ה']'[ה']']']'[ה']']']'[ה'[ה'[ה'[ה']'[ה']']'[ה'[ה'[ה'[ה'[ה