[发明专利]一种多旋翼无人机桨叶优化设计方法

说明书

本发明公开了一种多旋翼无人机桨叶优化设计方法，包括以下步骤：确定工况条件参数，并选择参考翼型；将参考翼型参数化获得基础翼型；对基础翼型进行优化，获得最佳翼型；最佳翼型三维仿真验证。根据本发明所述的多旋翼无人机桨叶优化设计方法，具有适用性广、优化维度高、优化效率高、优化效果好等诸多优点。

技术领域

本发明涉及一种桨叶设计方法，尤其涉及一种多旋翼无人机桨叶优化设计方法，属于无人机领域。

背景技术

传统的桨叶设计大多是根据以往的经验数据，通过确定最大输出拉力与输入功率的关系，先初步选择桨叶的数目、直径和平均弦长等几何参数，在选择桨叶厚度的径向分布方式以及合适的翼型。

然而，这种单线设计的方式需要不断设计螺旋桨几何参数和计算：根据初步确定的桨叶几何参数，利用片条理论的知识计算评估螺旋桨在各种工况下的性能，如果计算结果不能满足设计目标，需要重新选择几何参数和建模计算，直到性能满足设计要求。由于此种设计方式反复验证环节多，导致桨叶设计效率低、任务量大。

此外，目前的桨叶优化设计研究大多只针对某一参数或某一工况进行优化设计以提高桨叶气动性能，通用性差，设计维度低，不具备普遍适用性，难以适应多样的需求。

由于上述原因，本发明人提出了一种多旋翼无人机桨叶通用的优化设计方法。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一种多旋翼无人机桨叶优化设计方法，包括以下步骤：

S1、确定工况条件参数，并选择参考翼型；

S2、将参考翼型参数化获得基础翼型；

S3、对基础翼型进行优化，获得最佳翼型；

S4、最佳翼型三维仿真验证。

在步骤S1中，所述工况条件参数包括桨叶转速n(rpm)及该转速下拉力、来流速度V和来流角度α；

所述选择参考翼型为从翼型库中选择一种满足工况使用条件或接近工况使用条件的翼型。

在步骤S2中，通过PARSEC法将基础翼型参数化，采用多项式的加权线性组合拟合来描述翼型的上表面和下表面，获得基础翼型。

在步骤S3中，通过遗传算法对基础翼型进行优化，包括以下子步骤：

S31、编码与群体初始化；

S32、选择运算、交叉运算与变异运算；

S33、个体适应度检测评估，获得理想翼型。

S34、对理想翼型进行优化，获得最佳翼型。

进一步地，在步骤S31中，所述编码是指将获得的基础翼型的曲线表达进行编码，所述群体初始化包括设置种群规模、变量字符串长度、进化代数、交叉概率和变异概率，优选地，种群规模为10～200，变量字符串长度为11，进化代数为100～200；

优选地，优化目标函数为翼型升阻比y：

其中α为翼型攻角，T为翼型拉力，D为翼型阻力，C_L为翼型升力系数，C_d为翼型阻力系数。

在步骤S32中，将选择运算、交叉运算与变异运算应用于群体，得到下一代群体。

其中，所述选择运算的选择算子为最佳保留选择：

所述交叉运算的算子或交叉概率为0.5～0.9；

所述变异运算的算子变异概率为0.1～0.3；