通常的CFD计算都是确定性的,然而复杂工程数值模拟中必然存在误差与不确定度,分析与辨识其不确定度来源,对不确定度进行量化分析,对数值模拟可信度评估有重要意义。在高超声速飞行器气动热计算中,为获得更加可靠的气动热数据和鉴定影响气动热预测的关键因素,对返回舱开展了气动热不确定度量化分析和敏感性分析。首先选取来流速度、来流温度、壁面温度和来流密度4个不确定性输入变量,并且假定来流速度变化范围为±120 m/s(±2%),来流温度、壁面温度和来流密度变化范围为±10%。然后采用拉丁超立方抽样法生成样本,再通过热化学非平衡数值模拟方法进行气动热计算,最后分别运用基于非嵌入式多项式混沌(NIPC)的方法和基于Sobol指数的方法开展不确定度量化和敏感性分析。结果表明,在给定的输入变量不确定度的条件下,壁面热流不确定度不小于15.9%...

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以RAE2822翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。