-
公开(公告)号：CN114218697A
公开(公告)日：2022-03-22
申请号：CN202111486780.1
申请日：2021-12-07
Applicant: 复旦大学
IPC: G06F30/17 , G06N3/08 , G06F111/10
Abstract: 本发明属于发动机流动控制技术领域，具体为一种应用微纳沟槽表面结构的叶栅数值模拟与湍流控制方法。本发明方法包括微纳沟槽表面的叶栅数值模拟和微纳沟槽表面对叶栅流道的湍流控制两个部分。本发明通过对表面近壁区域的大量微观模拟结果，得到由表面微纳沟槽引起的沿周向不同雷诺数区域的速度修正；将这些速度修正单元整合为滑移等效边界条件，并将其施加在叶栅边界，即完成简化的覆盖微纳沟槽的跨尺度数值模拟；通过对模拟所得的流场特征分析，研究表面微纳沟槽结构的湍流控制效果。本发明可以很好地平衡精度和效率，适于工程应用；应用本发明方法进行覆盖微纳沟槽表面结构叶栅的数值模拟，证明微纳沟槽表面的湍流控制作用。
-
公开(公告)号：CN112580151B
公开(公告)日：2022-03-18
申请号：CN202011572071.0
申请日：2020-12-27
Applicant: 复旦大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/12 , G06F111/04 , G06F111/06 , G06F113/08 , G06F119/14
Abstract: 本发明属于航空机械设计技术领域，具体为目标空间的自然层流翼型的优化问题指标的获取方法。本发明方法包括：几何外形参数化；从目标空间获取特征向量，在已构成的目标空间中采用PCA方法，得出优化问题的权重系数，得出合理的优化问题指标。本发明方法在两个实例下得到验证。这种新方法可以应用于层流相关的外形优化设计中，例如自然层流翼型和发动机叶片的设计优化设计中。
-
公开(公告)号：CN112580151A
公开(公告)日：2021-03-30
申请号：CN202011572071.0
申请日：2020-12-27
Applicant: 复旦大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/12 , G06F111/04 , G06F111/06 , G06F113/08 , G06F119/14
Abstract: 本发明属于航空机械设计技术领域，具体为目标空间的自然层流翼型的优化问题指标的获取方法。本发明方法包括：几何外形参数化；从目标空间获取特征向量，在已构成的目标空间中采用PCA方法，得出优化问题的权重系数，得出合理的优化问题指标。本发明方法在两个实例下得到验证。这种新方法可以应用于层流相关的外形优化设计中，例如自然层流翼型和发动机叶片的设计优化设计中。
-
公开(公告)号：CN104834772A
公开(公告)日：2015-08-12
申请号：CN201510198979.2
申请日：2015-04-22
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于飞机设计技术领域，具体为一种基于人工神经网络的飞机翼型/机翼反设计方法。本发明方法包括：利用翼型/机翼PARSEC参数化方法重构翼型/机翼的表达方式，通过人工神经网络（ANN）算法，实现反设计技术。本发明撇开了传统的翼型/机翼设计繁琐而低效率的枚举-迭代方法（cut-and-try），直接建立翼型/机翼气动性能与翼型/机翼几何外形的关系，实现了基于人工神经网络的翼型/机翼参数化反设计。本发明特点：一是快速，十分适合于飞机的总体设计尤其是初始设计中；二是由于应用人工神经网络算法到位，使得产生的结果非常准确。
-
公开(公告)号：CN114091198A
公开(公告)日：2022-02-25
申请号：CN202111387683.7
申请日：2021-11-22
Applicant: 复旦大学
IPC: G06F30/17 , G06F30/27 , G06F30/28 , G06N3/08 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明属于航空发动机技术领域，具体为一种耦合微纳表面控制技术的扇叶型总压损失最小化设计方法。本发明方法是在传统优化叶型基础上，进行耦合表面结构设计，包括：建立微纳表面的结构几何数据库；根据传统设计的优化叶型边界空气动力学参数分布统计，进行微纳表面微观流动效应分析，提出反映微纳表面流动效应的修改边界条件，将此条件施加到传统设计的优化叶型边界，应用雷诺平均方程进行数值模拟求解，得到微纳表面气动参数数据库；建立人工神经网络代理模型；再应用差分进化优化算法进行最优叶型表面微纳结构几何设计；将得到的最优表面微纳结构与传统设计的优化叶型耦合，即得到改进的优化叶型，该叶型可使风扇的总压损失进一步减小。
-
Patent Agency Ranking
公开(公告)号：CN104778327B
公开(公告)日：2018-02-27
申请号：CN201510196146.2
申请日：2015-04-23
Applicant: 复旦大学
Abstract: 本发明属于机械设计技术领域，具体为一种基于人工神经网络的飞机翼型优化设计方法。本发明是在基于人工神经网络的翼型参数化反设计的基础上，进一步提出新型翼型优化方法，以此技术进行翼型数据库的扩充，增加设计人员的可利用技术资源。本发明通过分析研究参数化翼型数据的结构与人工神经网络的联系，寻找实现优化方向的手段；从理论和实验比较不同的学习关系对于人工神经网络的优化工作的影响，最终建构适合应用人工神经网络的翼型新型优化方法，使人工神经网络的智能化特点体现在满足更理想气动要求的翼型生成上。本发明将智能化地生成具备比原有的翼型更优良的气动性能的新翼型，形成设计工作的良性循环。
-
公开(公告)号：CN106189631A
公开(公告)日：2016-12-07
申请号：CN201610537263.5
申请日：2016-07-11
Applicant: 复旦大学
IPC: C09D133/12 , C09D183/06 , C09D175/14 , C09D127/12 , C09D175/06 , C09D5/03 , C09D7/12 , B64C21/10 , B64C3/36 , B64D15/00
CPC classification number: C09D133/12 , B64C3/36 , B64C21/10 , B64D15/00 , C08K2201/011 , C08L2205/02 , C08L2205/025 , C08L2205/035 , C08L2205/18 , C09D5/032 , C09D5/033 , C09D7/61 , C09D7/62 , C09D7/63 , C09D7/65 , C09D7/70 , C09D175/14 , C09D183/06 , C08L33/12 , C08K9/06 , C08K3/36 , C08L83/06 , C08L27/12 , C08L83/04 , C08K13/02 , C08K2003/2241 , C08K3/346 , C08K2003/3045 , C08L75/06 , C08K9/02 , C08K7/20 , C08K9/04
Abstract: 本发明属于机械设计技术领域，具体为一种基于微纳米涂层的飞机机翼延迟转捩方法。本发明通过在飞机机翼表面装配微纳米涂层，利用其低表面能特性，使得飞机机翼在飞行时边界层转捩延迟，实现表面层流浸润面积增大、湍流区域减小的目的。本发明采用数值和实验的手段研究微纳米涂层对边界层流动的影响机理，建立涂层设计方法，制备合适的微纳米涂层装配于飞机机翼表面。本发明可以减小飞机机翼表面摩擦阻力，降低湍流激励噪声，推迟边界层转捩的发生，扩大层流区域；同时利用低表面能微纳米涂层在化学性能上突出的高度热稳定性和化学惰性，减小水滴对飞机机翼的附着力，获得自清洁和防冰等多种综合效果。
-
公开(公告)号：CN112989718A
公开(公告)日：2021-06-18
申请号：CN202110177911.1
申请日：2021-02-08
Applicant: 复旦大学
IPC: G06F30/28 , G06F30/23 , G06F113/08 , G06F119/14
Abstract: 本申请公开了一种翼型前缘CST的全局转换修正方法，包括：首先，经过旋转几何坐标系后，将前缘放置在几何的中心位置，通过全局变换方式将翼型旋转并展开，使x轴上的投影为uni值的单一函数；再应用在传统的CST方法，定义该扩展轮廓的参数，调整前缘区域直接相关的参数，利用伯恩斯坦多项式的运算，得到了四个新生成的翼型，包括但不限于加宽前缘、扭转前缘；最后选用SST作为湍流模型，并完成网格分析，分析变化后的参数对应的优化效果。通过旋转几何坐标系后能将前缘放到几何的中心位置，能提高前缘部分的描述精确度，对传统CST方法的改进措施来提高原有方法对翼型前缘部分的敏感度，从而建立起更加适合气动分析的模型，提高优化工作的工作效率。
-
公开(公告)号：CN112417785A
公开(公告)日：2021-02-26
申请号：CN202011334037.X
申请日：2020-11-25
Applicant: 复旦大学
IPC: G06F30/28 , G06F113/08
Abstract: 本发明属于跨尺度数值模拟技术领域，具体为一种基于微纳米沟槽壁面滑移效应的跨尺度数值模拟方法。本发明首先利用考虑稀薄效应的粒子玻尔兹曼方法模拟近壁区域流动，基于大量模拟数据训练替代模型，通过模型准确地复现了微纳米沟槽表面结构的流动特性。接着将该代理模型作为修正的壁面条件施加在宏观模型的边界，在宏观模拟中用RANS或LES方法对亚音速和跨音速流动进行数值模拟，从而为飞机设计领域应用微纳米沟槽结构进行流动控制提供了模拟方法，实现了跨尺度模拟，大大提高了计算效率。
-
公开(公告)号：CN104834772B
公开(公告)日：2018-01-12
申请号：CN201510198979.2
申请日：2015-04-22
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于飞机设计技术领域，具体为一种基于人工神经网络的飞机翼型/机翼反设计方法。本发明方法包括：利用翼型/机翼PARSEC参数化方法重构翼型/机翼的表达方式，通过人工神经网络（ANN）算法，实现反设计技术。本发明撇开了传统的翼型/机翼设计繁琐而低效率的枚举‑迭代方法（cut‑and‑try），直接建立翼型/机翼气动性能与翼型/机翼几何外形的关系，实现了基于人工神经网络的翼型/机翼参数化反设计。本发明特点：一是快速，十分适合于飞机的总体设计尤其是初始设计中；二是由于应用人工神经网络算法到位，使得产生的结果非常准确。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.02 seconds)
