摘要：边界层抽吸式推进系统(BLI)因具有降低未来商用飞机燃油消耗率的巨大潜力而备受关注。但风扇叶片作为关键组件,需要受到由于边界层吸入而导致的畸变来流的挑战。基于本团队前期在NASA Rotor 67进行的数值模拟,在设计转速附近风扇因受到二阶激励而以一阶弯曲的形式发生低阶模态振动,同时,激发的强度足以引起叶片振动。由于来流周向畸变变化范围随BLI推进系统而变化,因此其对低阶振动的影响值得研究。本文考虑了五个不同畸变来流角度,进行了NASA Rotor 67的三维非定常仿真和模态力分析。结果表明,低阶振动形式在不同的畸变角度下保持不变,但随着变形程度的增加,模态力的大小先增大然后减小。存在两个引起叶片振动的激励源,它们包含在畸变来流中,并在叶片通道中的引发。

摘要：重点研究了综合考虑变形代价及气动收益的可控变形叶型优化设计方法。利用机器学习算法构建叶型几何与关键气动参数之间的预测模型,量化变形代价及气动收益,并搭建贝叶斯优化框架进行寻优。结果表明:基于机器学习的预测及优化框架能够准确预测风扇变形后的气动性能,且在考虑变形代价的条件下对叶型变形收益边界进行评估。主要结论是利用机器学习算法结合叶斯寻优框架可以获得兼顾变形代价以及气动收益的变形方案。相比于单纯的气动优化方案,此方案可以在保证气动性能提升的同时,使叶片最大应力降低14.17%,压电片驱动能耗降低67.45%。