气动模型

气动模型（精选六篇）

气动模型篇1

研究表明，上述问题的研究难点在于两个方面，分别为：(1)建立精确的飞机机翼损伤数学模型；(2)进行快速而又准确的故障诊断.

机翼损伤故障直接影响飞机的气动导数，如果能在线辨识出这些气动导数，不仅能进行精确的数学建模，还能有助于实现飞机机翼的故障诊断.目前，在线辨识最快的算法是最小二乘法[1]，但使用最小二乘法对飞行参数辨识存在一定困难，如输入信号可能较弱，使得辨识发散；飞机大部分时间处于稳定的平飞状态，控制信号将处于平稳过程，无法充分激励出系统特性；信噪比较小时，辨识结果严重偏离真值等不利因素均制约了最小二乘法在数据辨识的应用[2].因此，为了实现对飞机气动导数的在线辨识，当飞机发生故障的情况下，文献[3,4]对最小二乘法进行了相关改进，分别提出了限制最小二乘法和限定记忆最小二乘法.

在对飞机故障诊断的研究过程中，随着多模型方法的提出，出现了一系列改进的多模型方法，如主要基于多模型方法与扩展卡尔曼滤波(extended Kalman filter,EKF)的扩展多模型自适应估计器[5,6,7].但是，当系统拥有较强的非线性特性时，EKF将产生一定的线性化误差，影响了非线性滤波的精度和故障诊断的准确率.为此，出现了有关EKF的改进算法，如强跟踪滤波器(strong track filter,STF)[8]，可以在线调整滤波增益，从而达到算法自适应的目的.而随着近几年出现的全新非线性滤波方法，用确定的Sigma点近似概率分布取代了局部线性化，实现对系统的状态估计，在滤波精度和实现方式上体现出更大的优越性.如Ito等[9]和Nφgaard等[10]提出的基于Stirling多项式插值的中心差分卡尔曼滤波(central difference Kalman filter,CDKF)，主要是基于多项式函数拟合的思想来实现，可以获取较高的精度估计，成功地克服了EKF的一阶截断的理论局限性.

本文采用遗忘因子递推最小二乘法对机翼损伤故障下的气动导数进行在线辨识，从而实现对机翼损伤的故障建模；然后，在CDKF中引入STF渐消因子，并将其与多模型方法相结合，以应用于飞机机翼损伤的故障诊断中.

1 机翼损伤故障模型

机翼故障将影响整个飞机的气动参数，故障类型可分为尖端损伤、后缘损伤和翼面损伤.尖端损伤就是沿着翼展方向翼弦被切断，使得机翼展长、机翼面积和平均气动弦长发生改变；后缘损伤可认为副翼损伤，具体通过改变副翼操纵输出设置故障；翼面损伤为机翼表面被击穿，主要影响机翼面积和飞机重心.

本文仅以机翼的翼面损伤为例，考虑机翼故障对飞机气动数据的影响.

1.1 飞机的运动方程

飞机的非线性微分方程为，其中，x为系统状态向量；u为控制输入向量；f(·)为非线性函数；v为空速；α为迎角；q为俯仰角速度；θ为俯仰角.

当飞机满足水平无侧滑的飞行状态时，纵向运动时的力和力矩方程组为

由式(1)可得飞机的升力系数(CL)、阻力系数(CD)和俯仰力矩系数(Cm)，具体为

其中，T为发动机推力；m为飞机质量；g为重力加速度；Iy为转动惯量；D为阻力，D=QSCD;L为升力，L=QSCL;MA为俯仰力矩，MA=QScACm;Q为动压，Q=ρv2S/2；ρ为空气密度；S为机翼面积；cA为翼平均几何弦长.

1.2 气动导数辨识

1.2.1 气动导数辨识模型

机翼故障打破了飞机原有的平衡，为了保证飞机的稳定性和可控性必须对其进行配平.飞机在配平的状态下，v,α,q,θ和操纵面偏转量δ的数据均可通过机载传感器测量得到，将它们代入式(2)即可计算得到气动系数(CL,CD和Cm).

有关气动系数的经验公式为

其中，CDα,CDq,CDδ,CD0,CLα,CLq,CLδ,CL0,Cmα,Cmq,Cδm,Cm0分别为对应的气动导数.

将式(3)配置成标准的最小二乘的形式，以式(3a)的配置为例加以说明，具体如下所示

其中

式(4)中，为测量值；ϑ为待辨识的参数；ξ(k)为测量噪声.

1.2.2 遗忘因子递推最小二乘法

性能指标为

其中，λ为遗忘因子[11](0<λ1)，意味着对数据施加了时变加权系数，解决了数据饱和的问题.针对形如式(5)的目标函数，遗忘因子递推最小二乘法为

其中,P(0)=ζI,ζ为充分大的正实数(104~1010);，ε为零向量或充分小的正的实向量；遗忘因子λ选择接近于1的正数，不小于0.9.

1.2.3 激励信号

当飞机长时间处于近似稳定的飞行状态时，操纵面偏转角将基本不变，使得ϕT(k)中存储的各组数据向量可能线性相关，影响各气动导数的精确辨识.因此，需要在飞机的输出操纵指令上叠加激励信号，使各个信号持续变化，以充分激励出该操纵面的气动特征.

本文采用余弦信号作为系统的激励信号，为

其中，∆δi为叠加在第(i-th)操纵面上的激励信号；Ai,ηi和βi分别为该激励信号的幅值、频率和初始相位.为确保激励信号不影响飞机完成正常飞行任务，与正常操纵面偏转相比，∆δi的偏转量较小.

2 故障诊断策略

2.1 诊断框架

有一种检测和孤立诊断对象故障的方法为多模型方法，它基于一组并列运行的滤波器，结构如图1所示.

如图1所示，滤波器组包括一个无故障模式，其他的每个滤波器均代表一种故障模式，滤波器的输入为系统的控制量u和测量值z，输出为状态估计值ˆxi、残差ri和残差协方差PiZ；然后根据每个滤波器输出的残差，基于贝叶斯后验概率方法，可以计算出每个滤波器的概率值p(δi)(i=1,2,···,m)；最后，通过比较各个模型的概率值，便可判断当前系统处于哪种故障模式.

2.2 故障诊断递推新算法

考虑有系统噪声和测量噪声的非线性系统为

其中，z为测量向量；w和υ分别为过程噪声和测量噪声，且协方差分别为Q和R的零均值且相互独立的高斯白噪声.

当飞机发生机翼损伤故障的情况下，采用1.2节所述的方法辨识出各种损伤类型的气动导数，将上述导数代入式(8)，即可得到相应的故障飞机模型，有

其中，ffault(·)和hfault(·)为故障后的非线性函数.

2.2.1 滤波更新

初始状态x的特性可统计为

对于n维状态变量，通过对称采样策略，由ˆx(k-1)和P(k-1)可产生(2n+1)个Sigma点χCDKF(k-1)，即

其中，h称为中心差分步长，决定了Sigma点围绕均值的分布，当x为高斯分布时，h=1.732.

计算均值和方差时的权值为W0=(h2-n)/h2,i=0;Wi=1/(2h2),i=1,2,···,2n.

(1)预测方程

当模型存在不确定性以及发生突变状态的情况下，为了强迫强跟踪滤波器保持对实际系统状态的跟踪，式(13)，式(16)和式(17)可改进为

其中，LMD(k)=diag[λ1(k),λ2(k),···,λm(k)]，限于篇幅，状态渐消因子λi(k)的定义和详细求解可参考文献[8].

(2)测量更新

在获得新的测量数据z(k)后，即可计算出k时刻的状态估计和协方差PCDKF(k).

如式(18)所示，当系统状态发生突变时，残差r(k)变大导致LMD(k)变大，PCDKF(k|k-1)也随之增大，从而使得增益K(k)、状态估计值ˆx(k)和估计协方差PCDKF(k)做出相应的调整，使得滤波器跟踪上系统状态，增强了算法的适应能力.

2.2.2 概率更新

无论系统是否存在故障，测量向量z(k)总是与多模型中的一个模式同时发生，且|p(δi)|>0(i=1,2,···,m)，根据贝叶斯公式有

当机翼发生损伤故障δi的情况下，当前测量值的概率密度函数服从高斯分布，其函数形式为

其中，ri和PiZ(k)分别为对应的残差和残差协方差.

因此，各个模型的概率值均可通过式(22)计算获得，哪个概率值最大，即可隔离出代表该概率的模型.其中，为了避免故障概率递推运算永远为0的情况出现，概率一旦为0，将0.001设定为概率下限.

3 仿真验证

3.1 气动导数辨识结果

本文仿真对象为：F-16；仿真条件为：飞行高度6 096 m，飞行速度121.9 m，翼面损伤25%.

在飞机发生翼面损伤故障后进行配平，飞机的飞行数据为α=9.416 7◦;δ=-4.044 6◦;q=0;T=11 881 N.由于篇幅有限，本文仅以与阻力和升力相关的气动导数的辨识结果进行说明.气动导数辨识数据如图2所示，其中，曲线(1)为对应气动导数Cα(·)的辨识曲线；曲线(2)为对应气动导数Cq(·)的辨识曲线；曲线(3)为对应气动导数Cδ(·)的辨识曲线；曲线(4)为对应气动导数C(·)0的辨识曲线.

图2表明，气动导数辨识的结果曲线均能在不到2 s的时间范围内收敛，具体数据如表1所示.

如表1所示，Preq为平飞所需推力.将辨识出的数据与吹风数据相比，可以看出辨识的结果在误差可以接受的范围之内.

3.2 故障诊断仿真结果

本文分别针对5种翼面损伤程度建立了相应的模型，分别为：P0为无损伤；P1为损伤5%;P2为损伤10%;P3为损伤15%;P4为损伤20%;P5为损伤25%.故障注入序列为：2 s∼5 s，翼面发生损伤20%的故障.

分别采用多模型--CDKF和多模型-强跟踪CDKF算法对飞机机翼进行故障诊断，故障诊断的仿真结果如图3所示，图中纵坐标表示机翼发生不同损伤程度的概率，如果P0曲线的概率值从0.995变为0.001即表示机翼发生故障，P1∼P5中任意一条曲线从0.001变为0.995表示翼面发生何种程度的损伤故障.

图3给出CDKF和强跟踪CDKF算法在翼面损伤20%故障情况下进行一次独立实验所产生的故障诊断结果，可以看出强跟踪CDKF算法能快速准确地隔离出故障，诊断效果优于CDKF.

此外，本文给出了CDKF和强跟踪CDKF在同一实验平台上经过100次独立实验的计算效率仿真比较.

硬件平台:Intel T5250 1.50 GHz CPU,2GROM;

软件平台:Windows XP SP3 OS,MatlabR2007b.

表2为翼面损伤故障下的诊断结果和平均运行时间效果比较，可以看出，在平均运行时间方面，强跟踪CDKF稍长于CDKF，但差距不大；在检测结果方面，当2s注入故障后，CDKF直到2.5 s才能诊断出翼面发生损伤20%的故障，甚至在3.6 s∼3.8 s会出现诊断错误；而强跟踪CDKF能在2.2s时就检测出故障的发生，并且能一直准确地跟踪上注入的故障.

4 结论

在飞机翼面发生损伤的情况下，本文对其故障建模及故障诊断进行了深入研究.首先，在操纵指令上叠加一个不影响操纵力矩的激励信号充分激励出各操纵面的气动特征，并采用遗忘因子递推最小二乘法实现对飞机故障后的气动导数辨识，实现翼面损伤建模；然后，基于CDKF与多模型方法推导出针对翼面损伤的故障诊断方法，并在此基础上，利用强跟踪滤波器在线调整滤波器的每个采样点，提高了系统的自适应能力；最后，仿真验证了本文所提方法在飞行控制系统中应用的可行性.

摘要：为了确保机翼损伤后飞机的飞行安全,提出了一种在线的故障诊断方法.首先,根据输入输出特性,采用遗忘因子递推最小二乘法对飞机故障后的气动导数进行辨识,建立了机翼损伤故障的数学模型;然后,结合多模型方法和中心差分卡尔曼滤波器(central difference Kalman filter,CDKF)各自的优点,实现对机翼损伤的故障诊断,并采用强跟踪滤波器在线更新CDKF的采样点,以增强CDKF的自适应能力.最后,通过仿真结果验证了本文所提方法的有效性.

关键词：机翼损伤,气动导数,最小二乘法,中心差分卡尔曼滤波器

参考文献

[1] 邓扬晨,孙聪.飞行器板筋结构优化设计的试验验证及分析.力学与实践,2012,34(6):18-22(Deng Yangchen,Sun Cong.Experiment and analysis of optimization design on platerib structure of aircraft.Mechanics in Engineering,2012,34 (6):18-22(in Chinese))

[2] 苏浩秦,宋述杰,邓建华.适用于飞机舵面损伤情况下的一种在线辨识算法研究.西北工业大学学报,2005,23(3):316-320(Su Haoqin,Song Shujie,Deng Jianhua.A better on line identification algorithm with impairment of aircraft control surfaces considered.Journal of Northwestern Polytechnical University,2005,23(3):316-320(in Chinese))

[3] 苏浩秦,宋述杰,邓建华.基于限制最小二乘估计的飞机舵面故障诊断方法.机械科学与技术,2005,24(9):1033-1035(Su Haoqin,Song Shujie,Deng Jianhua.Detection and diagnosis method of impairment effectors based on the constraint least square method.Mechanical Science and Technology,2005,24(9):1033-1035(in Chinese))

[4] 黄成涛,王立新.多操纵面飞翼构型飞机舵面故障在线诊断方法.航空学报,2011,32(1):58-66(Huang Chengtao,Wang Linxin.On-line fault diagnosis for control surfaces of multicontrol surfaces of multi-control effector flying wings.Acta Aeronautica et Astronautica Sinica,2011,32(1):58-66(in Chinese))

[5] Rupp D,Ducard G,Shafai E,et al.Extended multiple model adaptive estimation for the detection of sensor and actuator faults.In:Proceedings of the 44th IEEE Conference on Decision and Control,Seville,Spain,2005

[6] Ducard G,Hans PG.Efficient nonlinear actuator fault detection and diagnosis system for unmanned aerial vehicles.Journal of Guidance,Control and Dynamics,2008,31(1):225-237

[7] Qiu Yueheng,Zhang Weiguo.EMMAE failure detection system and failure evaluation over flight performance.International Journal of Intelligent Computing and Cybernetics,2012,3(5):401-420

[8] 周东华,叶银忠.现代故障诊断与容错控制(第1版).北京:清华大学出版社,2000

[9] Ito Kazufumi,Xiong Kaiqi.Gaussian filters for nonlinear filtering problems.IEEE Transactions on Automatic Control,2000,45(5):910-927

[10] Nφgaard M,Poulsen NK,Ravn O.Advances in derivative free state estimation for nonlinear systems.Automatica,2000,36(11):1627-1638

大迎角非定常气动力建模与模型比较篇2

大迎角非定常气动力建模与模型比较

应用系统识理论,以600三角翼纵向俯仰运动为例,在频率域内建立了基于Fourier变换法的非定常气动力数学模型及非线性代数模型,在时间域内建立了基于Fourier反变换法及数据库法的`阶跃函数模型.用大振幅非定常实验数据进行模型参数辨识.本文主要对Fourier变换模型初值的选取进行讨论,并对所建立的几种数学模型进行比较.结果表明,基于Fourier变换法的数学模型,有明确的表达式,拟合结果较好;非线性代数模型表达式简单,便于应用,但对于不同实验模型,表达式不同;基于Fourier反变换法的阶跃函数模型,表达式复杂,而且当时间趋于零时,计算误差较大;基于数据库法的阶跃函数模型没有明确表达式,但其精度较高,可以用于对其他模型结果的比较.

作者：史志伟吴根兴 Shi Zhiwei Wu Genxing 作者单位：南京航空航天大学,南京,210016 刊名：空气动力学学报 ISTIC EI PKU英文刊名：ACTA AERODYNAMICA SINICA 年，卷(期)： 17(4) 分类号：V212 关键词：大迎角非定常气动力模型辨识

气动模型篇3

关键词：蒙皮气动热；红外热像仪；热电偶；铂电阻

中图分类号：U467 文献标识码：A 文章编号：1674-098X（2012）10（a）-0014-02

飞机在高速飞行时由于气体与蒙皮表面摩擦，使大量的动能转变为热能并传递到蒙皮表面[1]，这种由气动力加热引起的长波8～14μm蒙皮辐射使得高速飞行的作战飞机在单调的天空背景中成为一个明显的红外辐射目标[2，3]，而风洞试验则是研究和预测超声速飞机气动热环境的主要技术途径[4]。我国在飞机蒙皮气动热风洞试验方面起步较晚，目前对蒙皮材料及涂层在飞行环境下的红外辐射、散射特性参数缺乏必要的试验测量。

中航工业气动院的直流连续式跨音速FL-7风洞经过适当改造后即可成为气动加热红外测试平台。但由于该风洞试验段尺寸小、风速高，因此在该风洞内实现对模型的表面温度测量具有一定的技术难度。

本文从某型号飞机全机模型的迎头红外特性测试试验入手，详述了飞机蒙皮气动热试验温度测量的方法，并为下一阶段的试验提出改进方案。

1　测量方法

针对风洞中模型表面温度分布测量，目前采取非接触式和接触式测量相结合的方式。其中非接触式选用红外热像仪测量模型正前方温度场，结合风洞实际情况，将热像仪安装于蜂窝器处，使热像仪光轴同飞机缩比模型纵轴重合。示意图参见图1。

接触式测量则选用热电偶和铂电阻布置在机翼，测量表面特征点温度。在位于相对较薄的机翼中段采用热电偶，在相对较厚的机翼根部使用铂电阻。

2 FL-7风洞气动加热试验

2.1　试验风洞及设备

FL-7风洞试验段口径：0.52m×0.64m，马赫数从0.2～1.5连续可调，并可持续吹风达0.5小时。

试验所用红外热像仪型号为FILR SC3000，工作波段8～9μm。热电偶为T型微细铠装热电偶，量程-200～+300℃，精度0.5℃。铂电阻为薄膜型铂电阻，量程-80～+80℃，精度0.1℃。

2.2　试验过程

模型机身材质为碳钢，为了提高模型表面发射率，在模型表面喷涂了亚光黑漆。试验段环境参数：温度266K，1标准大气压，空气密度1.225kg/m3。热像仪采集帧频为60Hz，图像分辨率为320×240，热电偶与铂电阻采集周期0.3s。

试验过程如下：1）将模型与测量系统安置于风洞内；2）对红外热像仪进行标定；3）采集风洞吹风时的测量数据并存储到计算机；4）气动加热过程达到稳态后，停车。

2.3　试验结果及分析

本次试验分别在马赫数1.2和1.4下对碳钢和尼龙机头进行了吹风测试，并利用红外热像仪对两种马赫数下两种材质机头进气道堵锥中心点采集了温度数据，此外还借助热电偶和铂电阻对相应马赫数下机翼上不同特征点采集了温度数据。

试验结果参见图1～图6，图中横轴为时间，纵轴为温度。

从图1～图4以及图5、图6中机翼前缘都能看出，风洞开始吹风后，被测点温度迅速下降至大气环境温度，经过小幅度波动之后，温度缓慢上升，并最终趋于稳定，而尼龙机头由于导热慢，温度上升的趋势更为明显。这个过程验证了飞机在超声速巡航状态下蒙皮气动加热现象，试验测量结果与理论分析符合得较好。尽管温度提高幅度不大，但是根据斯忒藩-波耳兹曼定律，红外辐射强度与热力学温度的4次方成正比，因此模型表面红外辐射强度提升得依然很可观。接下来，只要再得到模型表面发射率，传热系数等物性参数就可以进一步获得模型的红外特性。

3　存在的问题及解决途径

本次试验只是定性的验证了蒙皮气动加热现象，试验中暴露了红外背景干扰过于严重的问题。从图2、图3的对比可知，吹风后发动机的高温导致模型后方红外特征明显，再加上洞壁反射等因素干扰了红外热像仪的测量，同时模型支撑系统与模型本身温度相近，难以将模型红外轮廓与支撑系统精确分离。预计的解决途径是在试验段后方加装遮挡装置，在风洞内壁刷黑漆降低反射，增加冷却设备降低支撑系统温度，同时加工新镜头，调整焦距，使得模型尽量充满视野，减小背景区域。此外，为了实现模型红外辐射的定量计算，还需使用标准黑体面源校准红外热像仪。

4　结语

这种将热电偶、铂电阻和红外热像仪组合应用在风洞飞机蒙皮测温试验中的测量手段在国内尚属首次实施。最终成功地实现了对气动加热现象的实时观测和各个特征点温度值的定量测量。由此证明了这种非接触式和接触式测量相结合的测量方案是可行的，有效的。为下一阶段红外特性测试试验奠定了基础，确定了改进方向。

参考文献

[1]　范绪箕.气动加热与热防护系统[M]. 北京：科学教育出版社，2004.

基于代理方法的带小翼翼型气动模型篇4

关键词：直升机,旋翼,气动力,后缘小翼,代理模型

旋翼气动力计算是旋翼气动弹性研究的重要部分。由于前飞运动、旋转运动、周期变距等多重因素,旋翼上气动力分布极不均匀,准确预估旋翼气动载荷是直升机研究的一大难点。对于带后缘小翼的旋翼,小翼通常以桨叶旋转频率的2~5倍偏转以实现旋翼振动抑制,叠加在震荡桨叶基础上的小翼偏转,产生更加复杂的非定常气动载荷,增加了气动力计算的难度[1]。

针对带小翼翼型的半经验气动力模型的精度对经验参数依赖太强,对不同翼型形状适用性较差[2,3];基于风洞试验或CFD仿真的常规翼型查表法无需经验参数,可使用几百个样本点对马赫数和迎角这两个参数建立数据表,未知状态的气动力可由其附近样本点的气动力插值得到。对于带后缘小翼的翼型,除了迎角、马赫数两个参数外,小翼偏转角、小翼弦长、转轴偏置等增加了参数的个数,即使当小翼的形状固定时,仅对马赫数、迎角、偏转角三个参数建立数据库的工作量也比建立普通翼型数据库大了一个数量级。代理模型方法[4]通过高效、准确的代理方法对离散数据点进行拟合,在多学科设计优化的研究中常被用于替换数值仿真或物理实际模型,以在可接受的范围内实现优化等研究。本文利用代理模型高效、准确的特点,建立一种基于代理方法的带小翼翼型气动模型。

1 后缘小翼翼型气动建模

从小翼偏转后的翼型实际形状出发,使用CFD方法计算带后缘小翼翼型的气动力,在气动弹性迭代求解时为了节约计算量,建立CFD方法的代理模型,并结合薄翼型理论计算翼型气动力的非环量部分,建立一种适合于旋翼气动弹性分析的高精度后缘小翼翼型气动力模型。其计算流程如图1。

1.1 带小翼翼型CFD计算方法

计算带后缘小翼翼型气动力时,忽略小翼与基础翼型间的缝隙,小翼偏转轴的坐标为(xf,yf),弦长为cf的后缘小翼偏转δf的角度后的翼型形状如图2所示,基础翼型表面上任一点(x,y)的位置变换为(x',y'),翼型形状的变换公式为

使用以上翼型形状变换公式可以对小翼偏转后的翼型形状进行自动生成,对形状更新后的翼型附近流场划分C型结构网格。以NACA23012翼型为例,基础翼型和带后缘小翼翼型(cf=0.3 c,δf=5°)的形状及翼型附近网格如图3、图4所示。

流场网格划分完成后,使用二维CFD方法对流场进行求解。在直角坐标系中,无量纲形式的非定常二维N-S(Navier-Stokes)方程为

式中,W=[ρ ρu ρv ρE]T是守恒变量,F、G是对流通量项,Fv、Gv分别是F、G的黏性通量,分别定义为

式中,u、v、w是流场速度,ρ、p、E分别为密度、压强、总能,τ是剪切应力。

方程求解时,采用有限体积法离散方程组,使用双时间推进法加速方程求解,湍流模型选用S-A模型[5]。

1.2 代理模型方法

建立代理模型之前,需要首先确定代理问题的维度及计算域,维度即需要考虑的变量个数,计算域即各变量的变化范围。在计算域内生成一定数目的样本点,对各样本点进行CFD计算,然后使用合适的代理函数对翼型气动力问题建立代理模型。

常用的代理模型有Kriging模型、径向基函数(radial based function,RBF)模型、多项式响应面模型(response surface model,RSM)、多变量自适应回归曲线模型(multivariate adaptive regression splines,MARS)等。当样本点足够多时,这些代理模型的精度和鲁棒性都很好,当样本点数目有限时,RBF模型的代理精度要高于其他模型,并且RBF模型对高阶非线性问题的适应性也很好[3,6],所以选用RBF模型作为CFD翼型气动力计算方法的代理模型。径向基函数模型以基于欧氏距离的对称径向函数线性组合得到,其基本表达式为

式中wi是权重系数,xj是计算点位置,n是样本点个数,xi是第i个样本点位置,rji=‖xj-xi‖表示计算点与样本点间的欧式距离,φ是径向函数。常用的径向函数有高斯函数φ(r)=exp(-r2/c2)、复二次函数φ(r)=(r2+c2)1/2等,其中c是给定正常数。

对于一副智能旋翼,其后缘小翼的尺寸是确定的,在建立带后缘小翼翼型CFD计算方法的代理模型时,仅考虑马赫数Ma、迎角α和小翼偏角δf三个变量,考虑到三个变量在数值大小上的差异,建立计算点向量x时使用权重系数k对其加权处理,表达式为

使用复二次函数作为径向函数,则径向基函数的表达形式变为

分别对翼型升力系数Cl、阻力系数Cd、俯仰力矩系数Cm、小翼铰链力矩系数Ch四个气动力参数建立上述形式的径向基函数,最终得到组合形式的后缘小翼翼型气动力代理模型

式中,j点对各样本点的基函数矢量为φj=[φj1φj2…φjn]T;W为权重系数矩阵,其完整形式为

依次对n个样本点使用二维CFD方法计算气动力Y,将计算结果代入下式,确定权重系数矩阵

使用建立的RBF模型可将计算域内任一点xx=[k1Maxk2αxk3δfx]的气动力表示为

1.3 非环量力计算方法

本文1.1节和1.2节给出了计算翼型环量气动力的代理模型方法,非环量部分气动力由基于薄翼型理论的Theodorsen模型[7]进行计算。为描述方便,此处定义几个新参数:b是弦长的一半,xc与小翼的尺寸有关,xa与气动中心位置有关,其定义如图5所示。

带小翼翼型的非环量气动力表达式为

式中,h为翼型浮沉运动,向下为正。表达式中一组系数Tc与小翼的尺寸有关,与运动状态无关,其具体形式见文献[8]。

2 模型验证与讨论

2.1 常规翼型CFD计算方法验证

使用CFD方法对不带后缘小翼的NACA 0012翼型进行分析,计算Ma=0.5,Re=17.6×106,α=5.0°状态翼型表面的静压分布。从图6可以看出,本文的计算结果和实验值[9]吻合得非常好,说明本文使用的CFD方法能够对常规翼型的气动力分布细节进行分析。

计算Re=1.99×106和Re=1.76×107两种雷诺数状态下NACA 0012翼型升力系数随迎角的变化曲线,从图7的结果可以看出,本文计算的升力系数曲线和风洞实测结果[10,11]一致。随着雷诺数的增加,翼型的升力线斜率和最大升力系数均有所增加,使用本文建立的CFD模型能够分析雷诺数对翼型气动特性的影响。

2.2 后缘小翼翼型CFD方法验证

计算cf=0.2c的带后缘小翼NACA 23012翼型的压力系数分布,验证本文CFD模型计算带小翼翼型气动力的能力,计算状态为:α=8°,δf=15°,Ma=0.105,Re=2.19×106。从图8可以看出,计算值与试验值[12]吻合很好,能够分析小翼转轴处局部压力的变化细节,进一步证实了本文二维翼型CFD模型的精度,可以将其用于带后缘小翼的旋翼气动弹性分析。

2.3 Theodorsen模型验证

本文计算了小翼在以δf(t)=2.5°sin(2πft)规律周期运动时的法向力系数及力矩系数,计算状态见图中标示,从图9、图10中可以看出,Theodorsen薄翼型理论能够较好地预测小翼周期运动时的气动力,计算结果和试验值[13]吻合较好。

2.4 非定常气动力模型验证

分别使用RBF代理模型和Theodorsen模型计算环量气动力和非环量气动力,以带0.2c后缘小翼的NACA0012翼型风洞试验结果和非定常理论计算结果[7]验证本文建立的带小翼翼型气动力模型,翼型弦长c=0.18 m,Ma=0.4。翼型与后缘小翼的周期运动规律表达式为

图11、图12分别将升力系数和力矩系数的计算值与实验值及文献中的非定常理论计算结果进行了比较,可以看出本文计算结果和文献中理论计算结果以及非定常风洞试验结果吻合的都很好,证明本文建立的RBF-Theodorsen混合模型可以用于计算带后缘小翼翼型的非定常气动力。

3 结论

对建立的带小翼翼型气动模型的多方面验证得出如下结论:

(1)建立的模型能够精度较高,可以分析常规翼型和带偏转小翼翼型的气动力分布细节。

(2)模型对不同的翼型形状适应性较好,在不同雷诺数条件下可保证其精度。

气动模型篇5

气体模型对高超声速再入钝体气动参数计算影响的研究

本文采用完全气体模型、振动激发气体模型、平衡气体模型、一温度非平衡气体模型、两温度非平衡气体模型和三温度非平衡气体模型进行了钝体高超声速绕流流场的数值计算。分析了各种气体模型对激波脱体距离、壁面热流、温度分布和密度分布等的影响。结果表明：采用两温度（或三温度）非平衡气体模型计算的.激波脱体距离更接近实验情况；采用平衡气体模型计算的壁面热流最高，一温度非平衡气体模型完全非催化的壁面热流最低，而完全气体模型的壁面热流在两者之间。最后给出了各种气体模型的密度等值线比较图。

作者：董维中 DONG Wei-zhong 作者单位：中国空气动力研究与发展中心, 刊名：空气动力学学报 ISTIC EI PKU英文刊名：ACTA AERODYNAMICA SINICA 年，卷(期)： 19(2) 分类号：V211.3 关键词：激波脱体距离热化学模型热流

气动模型篇6

1.1 单边单向输入斜杆一次增力机构

图1所示为气动肌腱与斜杆一次增力机构的组合系统,其工作原理是:当气动肌腱内部充入压缩空气后,就会在产生径向膨胀的同时伴随着轴向收缩,从而提供一个收缩力[1]。该收缩力通过斜杆的角度效应进行一次力放大后,传递到力输出件上,最后由力输出件输出力Fo,作用于相应的工作对象上。

1.2 双边单向输入斜杆一次增力机构

图2是图1的改进装置,将两者进行比较,可以看出:图2所示系统的理论增力系数是图1的二分之一;但是,图1中气动肌腱与斜杆连接处的滚轮与地面之间不可避免地存在着较大的摩擦力,并且该装置的刚度运动稳定性也不如图2。

图2所示系统的理论增力系数it(前面已介绍)和实际增力系数ip的计算公式分别是:

式中:α———理论压力角(如图1所示);

φ———斜杆两铰接处的当量摩擦角,(l———斜杆两铰链的中心距;r———铰链轴的半径;f———铰链副的摩擦因数);

γ———力输出件与其导向孔间的当量摩擦角,其值由力输出件的受力及约束方式决定。

由图2中可看出,这种气动肌腱与斜杆增力机构的组合,与传统由铰接式气缸驱动的同类系统相比,结构上变得简约多了[2]。与传统以气缸作为驱动的系统相比,由于工作过程中斜杆增力机构中间的铰点是做摆动运动,所以需要选用铰接式气缸。但是,铰接式气缸的结构刚性差,并且缸体摆动与活塞直线运动同时进行,容易造成冲击和噪声。而柔性的气动肌腱对铰接点的位置变化具有自适应的能力,用它代替传统的铰接式气缸既简单又实用。

但系统中的力输出件与其约束件的导向孔内壁之间,不可避免地存在一定的摩擦损失,从而影响力的传递效率,以及系统的使用寿命。为有效解决摩擦损失这一问题,可以使用下面的对称型双边双向输入斜杆增力机构。

为了获得较大的增力系数,可以采用二次增力机构与气动肌腱组合。

2 二次增力力输出装置

2.1 双向对中及自动定心力输出装置

图3为设计的基于气动肌腱的斜杆-杠杆增力机构组成的双向对中自动定心夹紧装置。从气动肌腱输出端到杠杆之间的对称型斜杆增力机构,是一个对称型的一次正交增力机构。而杠杆本身也能完成一次增力,所以本机构是一个二次增力机构。该装置主要由气动肌腱、斜杆和杠杆组成。当压缩空气充入气动肌腱内部后,它就产生相应的双向收缩力。在气动肌腱的双向收缩力作用下,拉动斜杆运动,通过斜杆角度效应一次把力放大后,传递到杠杆;而后,通过杠杆机构又一次放大传递夹紧工件。当压缩空气撤除后,气动肌腱恢复到松弛状态,工件即可被松开。

通过建立力学模型,可得图3所示机构的理论力放大系数it的计算公式为:

考虑摩擦后,实际力放大系数ip可由下式计算:

式中:η1杠杆的传递效率。

2.2 基于角度-角度效应的力输出装置

(1)工作原理

图4所示为气动肌腱与双边装置-双边组合单向输入斜杆二次增力机构的组合。该装置巧妙地利用了气动肌腱能提供双向张力的功能,且因该系统中的力输出件在径向上所受的力是对称平衡的,所以力输出件与其导向孔之间理论上不存在摩擦损失。其工作原理是:当气动肌腱内部充入压缩空气后,就会在产生径向膨胀的同时伴随着轴向收缩,从而提供一个收缩力。该收缩力通过斜杆的角度效应连续进行二次力放大后,传递到力输出件上,最后由力输出件输出力Fo,作用于相应的工作对象上。

由于该机构以串联的方式,两次运用了斜杆的角度效应进行力的放大与传递;同时,对称型机构的力输出件与导向孔之间理论上没有摩擦损失,所以该装置的力传递效率更为显著。

图4系统的理论增力系数it和实际增力系数ip分别是

式中:α,β———理论压力角(如图示);

φ———铰杆两铰接处的当量摩擦角,(l为铰杆两铰链的中心距;r为铰链轴的半径;f为铰链副的摩擦因数)。

3 三次增力力输出装置

将气动肌腱与三次增力机构组合,即解决了传统的以液压缸或者气缸作为驱动的直接夹紧机构体积大、结构不紧凑,输出力不稳定等缺点;同时,由于使用了三次增力机构,能够迅速获得较大的夹紧力,从而夹紧工件。

这种装置可以广泛应用于装置体积受限制,但是需要较大夹紧力的场合。

容易得到,该装置的理论增力系数即为斜杆、杠杆增力系数的乘积:

4 结束语

气动肌腱以其结构简单、易于小型化、柔顺性好、无污染、功率/重量比高及安装方便等优点收到研究人员的关注[3]。气动肌腱作为一种气动元件,正处于研究、开发阶段,它除了在机器人技术、医疗校正技术等方面应用外,将会有更广阔的用途及应用前景。

参考文献

[1]侯伟丽.21世纪中国绿色发展问题研究[J].南都学坛:人文社会科学报,2004,24(3):106-110.