CFD仿真技术助力四旋翼无人机续航与范围升级

空中无人机主要有两大类：能够垂直起降 (VTOL) 的旋翼机和固定翼飞行器。与固定翼系统相比，旋翼无人机具有重要优势，因为它们可以悬停（保持恒定高度）并且通常更易于控制和操作。然而，多旋翼也有先天的缺点，最重要的是飞行时间和航程有限。即使是现代和创新的电动无人机也有大约 20-30 分钟的有限飞行时间，具体取决于飞行条件。高端舱中很少有人能达到接近一小时的飞行时间。

计算流体动力学（CFD）的应用可以帮助显着提高无人机的效率并延长其飞行时间和航程。在本文中，我们将通过一个示例演示如何：工业无人机在悬停模式下的空气动力学仿真和优化，这是此类无人机中能量最密集的模式。

四轴飞行器几何

我们选择了当今使用最广泛的旋翼无人机配置之一：四轴飞行器。私人消费领域的无人机制造商（业余视频拍摄、赛车无人机、儿童无人机等）主要依赖此类配置。

无人机 CAD 文件由西英格兰大学的 Monasor 先生和 Weerasinghe 博士提供。

考虑到所需的推力，螺旋桨叶片使用 Fidelity 的参数化建模器进行建模。从原始几何体中提取多个部分并堆叠在一起以构建 3D 叶片。提供了适当的扭曲分布以确保参数化刀片尽可能接近原始几何形状。

该设置受益于这种无人机几何结构的对称性：只有四分之一的无人机需要包含在计算域中，因此只有一只手臂。

所选的域定义代表了一个实际案例，对应于悬停高度足以忽略任何地面效应的“自由空气”模拟。

结构化和非结构化网格划分相结合

由于无人机领域的复杂性，使用Fidelity Automesh生成了一个非结构化网格，它会自动细化高曲率区域和边缘附近的网格，从而最大限度地减少用户交互和工程时间。这会产生足够稳健的高质量网格以用于优化。

对于螺旋桨叶片，使用 Fidelity 的向导式方法生成多块结构化网格，这使得生成具有多个网格级别的高质量结构化网格变得非常容易和快速。应用可变尖端间隙，并自动计算两个周期性面之间的匹配周期性连接。结合我们只需要对一个叶片进行网格化这一事实，这种匹配连接使单元数量减少了两倍并加快了仿真速度。

在 Fidelity Automesh 中，结构化和非结构化网格可以组合并在同一计算中运行，因此用户可以利用结构化网格的速度和非结构化网格的稳健性，而无需调整任何求解器设置。这也减少了 RAM 和磁盘消耗。

四轴飞行器机身周围的旋转块（灰色）和体积网格

稳态和非稳态 CFD 模拟

稳定和不稳定的模拟都可以在Fidelity Flow中运行。我们将螺旋桨设置为以 5,000 RPM 的速度旋转，而无人机的手臂是静止的。为了预测流动湍流，我们使用了 Spalart-Allmaras 模型。混合平面接口用于稳定模拟。对于不稳定的非线性谐波 (NLH) 模拟，应用了基于傅立叶分解的特定处理，提供域缩放，其计算成本类似于混合平面的计算成本。

NLH 方法提供不稳定流结果，与域缩放和相位滞后方法相比，约束要少得多。对于这个项目，每个域添加一个谐波以捕获域中的不稳定扰动。

仿真结果揭示了流场中的强烈不稳定特征。机身上的压力分布在很大程度上受到螺旋桨瞬时位置的影响，无人机周围的速度场受到与转子旋转相关的强烈周期性振荡的影响。

阈值场等高线 - 左：采用稳态（混合平面）方法的平均轴向速度，右：采用非稳态（非线性谐波法）方法的瞬时轴向速度

结果的比较表明，虽然稳态模拟可以很好地表示平均流场，但只有 NLH 分析才能提供有关流场不稳定的准确信息，从而在非稳态流动物理、叶片和机身载荷方面提供有价值的数据，以及叶尖涡流和钝体再循环动力学，其成本与稳定模拟相当。

无人机设计优化

Fidelity 为设计参数化和优化提供了多种可能性。可用的优化方法范围从单目标优化到多目标和鲁棒设计优化 (RDO)，其中考虑了操作和制造的不确定性。无人机优化过程可以从所有这些方法中受益。该技术的最终选择主要取决于预期的操作模式。

下图显示了几何参数化的示例。螺旋桨几何形状在 CAD 模型级别进行了参数化，其在三个展向截面的攻角被作为设计变量。每个几何体都在 Fidelity Automesh 中自动重新划分网格。无人机手臂使用三个变形向量进行参数化，这可以通过变形优化无人机的形状，同时还满足为确保可行设计而应用的多个约束。

Cadence 的优化例程基于无梯度算法，对于复杂的多组件系统（例如无人机），该算法比基于梯度的优化更有效。由于内置代理模型或人工神经网络，所采用的优化过程受益于巨大的加速。基础进化和遗传算法确保根据定义的目标（例如飞行时间最大化）提供最佳收敛解决方案。此类算法的实际使用证实，它们可以带来新颖、创新，有时甚至是意想不到的最佳系统设计。

概括

该案例研究展示了 Fidelity 在无人机 CFD 仿真方面的强大功能。无缝组合结构化和非结构化网格划分，使用 NLH 进行快速、高精度的非稳态仿真，以及基于高效进化算法、参数化和变形的全自动优化工具，确保快速稳健的工作流程和最佳设计结果，以实现既定目标：最大化飞行时间和范围。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删