幾種仿生翼型動態(tài)失速特性的數值分析

吳立明,姜怡欣,劉小民,覃萬翔,席光

(1.西安交通大學能源與動力工程學院,710049,西安;2.廣東順威精密塑料股份有限公司,528305,廣東佛山)

翼型是葉輪機械和飛行器的基本組成單元,當翼型發(fā)生動態(tài)失速時,迎角的劇烈變化會引起翼型強烈的氣動載荷變化和非定常分離,使得葉輪機械和飛行器的氣動性能惡化,甚至降低結構壽命。因此,對翼型的動失速研究及控制是十分重要的[1-3]。隨著仿生學和流動控制的發(fā)展,仿生流動控制[4-6]逐漸成為具有重要發(fā)展前景的流動控制技術之一。受鳥類自由飛翔能力的啟發(fā),研究者試圖從鳥類翅膀功能和結構的研究中,提出和發(fā)展新的翼型失速控制方法,以達到不同應用場景下提升翼型氣動性能的目的[7]。

Liu等[8]對海鷗、秋沙鴨、水鴨和長耳鸮的翅膀進行了3D點云掃描,并對不同截面的翼型進行了逆向重構。同時他們基于拍攝的海鷗(seagull)、鶴(crane)、鵝(goose)的飛行視頻,給出了這些鳥類飛行過程中翅膀的運動學方程,為仿生翼型和撲翼運動提供了研究基礎。廖庚華[9]對長耳鸮和雀鷹翅膀進行了幾何參數測量,建立了滑翔姿態(tài)的仿生翼型,研究發(fā)現三維雀鷹翅膀翼型的氣動特性要優(yōu)于長耳鸮翅膀的氣動特性,這主要是由于兩種翼型的厚度分布、彎度等因素的影響。為了揭示鳥翼特征結構與其氣動性能的關系,李丹宇等[10]基于紅嘴相思鳥、黑尾蠟嘴雀、八哥和家鴿的翅膀重構了沿展向方向不同截面位置出的仿生翼型,數值分析了不同攻角和雷諾數條件下仿生翼型的氣動性能。Ge等[11]基于3D長耳鸮翅膀的掃描點云數據,通過提取翅膀結構參數,重構了仿長耳鸮3D直翼型。在此基礎上,研究了前緣縫翼對仿生直翼型氣動性能的影響,前緣縫翼可以提高升力系數峰值和延緩失速。Wang等[12]在仿生光滑鸮翼的基礎上,采用多元耦合仿生設計方法,對仿生光滑鸮翼進行了降噪設計和優(yōu)化研究,獲得了前尾緣非光滑的多元耦合仿生翼型。與NACA0012翼型對比發(fā)現,仿生光滑翼型和多元耦合仿生翼型的噪聲均有所下降,多元耦合仿鸮翼的氣動噪聲比仿生光滑鸮翼的氣動噪聲降低了9.94 dB。Kl?n等[13]對光滑仿鸮翼和添加絨毛的鸮翼分別進行了研究,發(fā)現吸力面添加絨毛的鸮翼在大攻角和高雷諾數條件下的流動分離尺寸明顯減小。詹樅州等[14]以鳥類覆羽為仿生對象,在NACA0018翼型吸力面布置仿生翅片翼,當翅片翼處于最佳控制角時翼型升力系數最大可以增大約12.76%,16°攻角時升力系數增大約23.79%。侯宇飛等[15]受座頭鯨良好的動態(tài)傾轉特性的啟發(fā),采用仿生波狀前緣翼面來實現SC1095翼型的動態(tài)失速控制。結果表明采用正弦前緣,翼型在最大迎角附近的失速特性得到緩和,載荷變化平緩。陳柳等[16]基于座頭鯨鰭肢前緣的不規(guī)則凸節(jié)對于空化的控制作用,應用于泵葉片的抗空化設計。研究結果表明,仿生凸節(jié)對于軸流泵葉片的剖面薄翼空化同樣具有良好的控制效果。汪睿等[17]基于鴿子翅膀的掃描,逆向重構出了鴿子的3D光滑翼型和非光滑翼型,采用數值模擬方法對兩種翼型的氣動性能進行分析,研究發(fā)現非光滑翼型在大攻角下具有更好的氣動性能和流動控制能力,在一定程度上揭示了鴿子在大攻角下高效飛行的原因。許風玉[18]將座頭鯨鰭前緣波狀結構以及鸮類尾緣鋸齒結構進行組合設計,用于控制軸流散熱風扇轉靜干涉噪聲,計算和實驗結果表明,在不同運行工況條件下,組合仿生設計對風扇的降噪效果是不同的。王雷等[19]從長耳鸮靜音飛行的翅膀結構特征及其前緣和尾緣結構獲取靈感,采用多元耦合仿生葉片實現軸流風機增效和降噪,結果表明,采用多元耦合仿生葉片的軸流風機在風量增加4.69%的同時,噪聲降低了2.0 dB(A)。Tian等[20]對具有不同厚度的仿貓頭鷹翼型的氣動性能進行研究,篩選出氣動性能優(yōu)異的翼型,用以進行風力機葉片性能的優(yōu)化設計,有效提升了風力機的發(fā)電效率。

從以上研究可以看出,仿生翼型及其表面非光滑結構在降低翼型氣動噪聲和靜態(tài)失速控制方面具有較大的潛能,但是關于不同仿生翼型的動態(tài)失速特性的研究還鮮有報道?；诖?本文針對4種具有不同飛行特性的鳥類,采用逆向工程技術方法,重構獲得了4種鳥類沿翅膀展向40%截面位置處的仿生翼型,并采用數值模擬方法對4種仿生翼型的俯仰振蕩非定常流場進行研究,揭示了4種仿生翼型在不同攻角下的氣動性能和動態(tài)失速特性,以期為葉輪機械和飛行器的優(yōu)化設計提供理論支撐。

1 仿生翼型的建立

長耳鸮、海鷗、水鴨、雀鷹的翅膀在展向比大于0.7的位置處只有初級飛羽,沒有覆羽,而且充分展開的初級飛羽也分開較大,不能形成連續(xù)的翼型。有研究表明,這4種鳥類翅膀沿展向40%截面位置處的翼型的氣動性能表現優(yōu)異,升阻比最大[8-9]。因此,本文選擇具有不同飛翔特性的長耳鸮、海鷗、水鴨和雀鷹作為仿生對象,如圖1所示。提取這4種鳥類翅膀40%截面位置處的翼型型線進行重構,獲得仿生翼型。

翼型型線通過中弧線和厚度的關系得到,相應的型線控制方程如下

Zu=Z(c)+Z(t)

(1)

Zl=Z(c)-Z(t)

(2)

式中:Zu和Zl分別為上、下表面的型線分布坐標;Z(c)為翼型中弧線分布坐標;Z(t)為翼型厚度分布坐標。Z(c)和Z(t)的計算公式如下

(3)

(4)

式中:η=x/c為無量綱化弦長坐標;Z(c)max為翼型最大弧度坐標;Z(t)max為翼型最大厚度坐標。

基于文獻[8]的研究,海鷗翼型彎度和最大厚度分布函數擬合關系式分別如下

(5)

(6)

水鴨翼型彎度和最大厚度分布函數擬合關系式分別如下

(7)

(8)

長耳鸮翼型彎度和最大厚度分布函數擬合關系式分別如下

(9)

(10)

式中:ξ為翼型展向比,取ξ=0.4。

式(3)和(4)中的系數Sn和An分別是描述翼型中弧線和厚度分布的多項式系數。通過最小二乘法擬合得到各多項式系數的數值,從而獲得4種仿生翼型的具體型線。4種仿生翼型函數表達式中的系數如表1所示。

表1 4種仿生翼型函數表達式中的系數Table 1 Coefficients in the function expressions of four kinds of bionic airfoils

采用軟件Geomagic Studio將雀鷹仿生翼型的坐標導出,再利用軟件Matlab進行上下翼面坐標擬合,得出雀鷹翼型上翼面的坐標滿足方程[21]為

yup=0.000 6x3-0.036 7x2+1.109 4x+1.198 5

(11)

雀鷹翼型下翼面的坐標滿足方程為

ylow=-0.011x3+0.045x2-0.379 3x-1.362 3

(12)

據此得到4種鳥類的仿生翼型,如圖2所示。

2 網格劃分及數值計算方法

2.1 計算域與網格劃分

對翼型動態(tài)失速的模擬需要動網格技術,動網格技術包括滑移網格和動網格兩種模型,考慮到滑移網格模型不涉及網格變形問題,本文采用滑移網格模型對翼型的動態(tài)失速進行數值模擬。進出口邊界與翼型表面的距離為20c,其中c代表翼型的弦長。采用速度進口和壓力出口的邊界條件,進口速度設定為14.6 m/s,出口壓力設定為0 Pa。計算域和劃分網格見圖3。

2.2 邊界條件及湍流模型

翼型繞1/4弦長處,在0°～20°攻角范圍內做俯仰振蕩,運動方程為

α(t)=αm-Δαcos(2πft)

(13)

式中:α(t)為攻角;αm為平均攻角;Δα為振幅,給定αm=Δα=10°;f為俯仰運動的頻率。翼型俯仰運動頻率通常用折合頻率F表示:F=πfc/u,其中c代表翼型弦長,u代表來流速度。經過換算,得到F=0.05。翼型表面設定為無滑移邊界。對于湍流計算,采用計算流體力學商業(yè)軟件ANSYS FLUENT中的SSTk-ω湍流模型[22-23]。

2.3 計算準確性驗證

目前對仿生翼型動態(tài)特性的研究相對匱乏,基本沒有仿生翼型動態(tài)失速特性的實驗數據可供參考,為了驗證本文動態(tài)失速數值計算的有效性,選用具有較多實驗數據的NACA0012翼型[24]作為動態(tài)失速計算準確性驗證的基準翼型。同時,與文獻[25-26]的數值計算結果進行對比,圖4為翼型動態(tài)失速計算準確性的驗證結果。

圖4中,實驗中的升力由翼型上不同位置的表面壓力測量計算得到,數值計算結果也是基于相同雷諾數和縮減頻率下的SSTk-ω湍流模型(詳見ANSYS FLUENT軟件說明手冊)基礎上進行的。目前,采用的數值計算模型可以在一定程度上有效預測數值結果的變化趨勢。在上沖階段,升力系數(Cl)與實驗結果一致,但失速比實驗提前出現。這主要是因為非定常雷諾時均法具有一定的數值耗散性,降低了流動強度,從而使得湍動能的計算值較小。因此,流動分離點可能發(fā)生上游偏移,加速了失速的發(fā)展和出現。另一方面,在風洞實驗測量中,對高衰減頻率下表面壓力值的實驗測量也是難以得到準確的測量結果。

從以上分析可以看出,盡管數值計算數值與實驗值有一定的誤差,但是采用SSTk-ω湍流模型的數值計算可以預測出翼型動態(tài)失速過程中的升力系數變化趨勢。

3 結果與分析

3.1 升阻力系數

圖5給出了4種翼型在Re=2.0×105工況下的動態(tài)升力曲線。如圖5所示,所有翼型的升力系數在動態(tài)失速開始階段,翼型升力系數隨著攻角的增大保持線性增長,超過一定攻角后,翼型升力系數增長緩慢。當翼型攻角大于動態(tài)失速角時,翼型升力系數逐漸下降。翼型達到最大攻角20°之后,翼型開始進入下俯階段,隨著攻角的減小,翼型表面的流動開始重新附著。在4種翼型中,水鴨翼型的升力系數峰值最小,為1.75。同時,水鴨的動態(tài)失速角在4種翼型中也是最小的,為15°。水鴨翼型的升力系數在α=18°～20°的范圍內波動劇烈,動態(tài)載荷的劇烈波動不利于葉輪機械和飛行器的性能優(yōu)化設計。長耳鸮翼型升力系數峰值為2.2,在4種仿生翼型中為最大,動態(tài)升力系數的遲滯曲線環(huán)的面積也最大,說明其動態(tài)失速的穩(wěn)定性差。雀鷹翼型的升力系數在上仰階段明顯小于海鷗翼型的升力系數,同樣其升力系數的遲滯環(huán)面積大于海鷗翼型,穩(wěn)定性劣于海鷗翼型。綜上,海鷗翼型不僅具有較高的動態(tài)升力系數峰值1.94,而且其動態(tài)遲滯環(huán)面積較小,穩(wěn)定性優(yōu)于其他3種仿生翼型。

圖6給出了4種翼型在Re=2.0×105工況下的動態(tài)阻力曲線。如圖6所示,水鴨翼型的阻力系數峰值為0.43,明顯大于其他3種仿生翼型的阻力系數,水鴨翼型的阻力系數峰值比海鷗翼型升力系數的峰值0.25高39%。鸮翼翼型的阻力系數峰值次之,為0.32,鸮翼翼型的阻力系數峰值比海鷗翼型阻力系數峰值高22%。雀鷹翼型的阻力系數峰值與海鷗翼型的阻力系數峰值比較接近,數值為0.25。在翼型下俯的過程中,雀鷹的阻力系數峰值與海鷗翼型的阻力系數峰值基本相同,而在翼型上仰的過程中,雀鷹的阻力系數峰值大于海鷗翼型的阻力系數峰值。

綜合圖5和圖6可以看出,水鴨翼型的最大升力系數最小,最大阻力系數最大,同時其動態(tài)升力系數遲滯環(huán)面積較大,穩(wěn)定性較差。長耳鸮翼型的升力系數峰值最大,穩(wěn)定性較差。雀鷹的升力系數在上仰階段小于海鷗翼型的升力系數。因此,從翼型的升阻力系數、動態(tài)遲滯效應、穩(wěn)定性來看,在Re=2.0×105工況下,海鷗翼型的整體性能最優(yōu)。

3.2 壓力系數及流場特性

為進一步分析翼型升力系數的變化原因,并探究4種仿生翼型的動態(tài)氣動特性,對上仰階段8.85°、15.77°、19.32°、19.98°這4個攻角和下俯階段15.88°、10.44°這2個攻角下的流場特征進行對比分析。圖7給出4種翼型在各攻角下的壓力系數變化曲線。

如圖7(a)所示,在α=8.85°時,壓力系數包圍面積能夠反映出翼型升力系數的大小,此攻角下長耳鸮翼型壓力系數所圍面積最大,故長耳鸮翼型在此攻角下的升力系數最大。長耳鸮翼型、海鷗翼型、雀鷹翼型的壓力系數在弦長的25%處達到峰值,而水鴨翼型由于前緣較薄,壓力系數的峰值在此攻角下出現前緣處,且水鴨翼型前緣駐點形成了較高的壓差(Cp=-2.3～1.0)。雀鷹翼型在前緣的彎度比較小,壓力系數在弦長的前25%區(qū)域內變化相對平緩,壓力系數從前緣到弦長的25%處呈現一個平臺(0.01 m

當α=15.77°時,長耳鸮翼型壓力系數所圍面積同樣最大,故長耳鸮翼型在此攻角下的升力系數最大。長耳鸮翼型的壓力系數在弦長的25%處達到峰值,海鷗翼型、雀鷹翼型的壓力系數峰值處于翼型的前緣,而水鴨翼型壓力系數的峰值出現在翼型80%的弦長處,表現為低頭力矩。此時,海鷗翼型、雀鷹翼型和長耳鸮翼型的駐點附近壓差變大,吸力面的壓力系數增長速度變快,壓力面壓力系數降低速度變慢;在吸力面的尾緣處(0.15 m

當α=19.32°時,4種翼型進入失速區(qū)域,翼型的升力系數開始下降,壓力系數所圍面積開始減小。水鴨翼型的氣流分離程度最大,翼型上下表面的壓差顯著減小。由于氣流的分離,海鷗翼型、長耳鸮翼型和雀鷹翼型弦長后50%的壓差增大,造成翼型升力的減小。此時,水鴨翼型的分離線在前緣駐點附近,流體在前緣就進入流動分離,故駐點附近形成的壓差較低。當翼型上揚到最大攻角19.98°處,翼型處于完全失速的狀態(tài),與α=19.98°時相比翼型吸力面的流動分離情況進一步加劇,此時4種翼型的壓力系數所圍成的面積明顯降低。4種翼型的升力系數較失速前也會明顯減小。

接下來翼型開始進入下俯階段,隨著攻角的減小,翼型表面的流動分離情況開始改善。從圖7(e)可以看出,海鷗翼型壓力系數所圍面積最大,升力系數回升最快,這與圖5反映出的趨勢比較一致。其他翼型的動態(tài)遲滯現象比海鷗翼型嚴重。當α=10.44°時,如圖7(f)所示,海鷗翼型上下表面的壓差最大,此時海鷗翼型在4種仿生翼型中的升力系數最大。

圖8給出了4種仿生翼型在不同攻角下的渦量流線云圖。在上揚階段中當α=8.85°時,水鴨翼型在前緣出現了分離渦。其余3種各翼型表面流動附著,只有長耳鸮翼型在翼型尾緣處出現了極小的分離渦。當α=15.77°時,分離渦覆蓋了幾乎水鴨翼型全部吸力面,接著分離渦向下游移動,低壓區(qū)向后移動,此攻角下,雀鷹、長耳鸮和海鷗翼型僅在尾緣出現流動分離。當α=19.32°時,水鴨翼型表面產生了逆時針渦結構,流場結構更加復雜,并引起氣動性能的進一步惡化。長耳鸮、海鷗翼型的分離程度次之,此攻角下雀鷹翼型的流動分離程度最小。隨著攻角進一步增大,翼型達到最大迎角19.98°時,結合圖5看到由于低壓區(qū)和分離渦逐漸遠離以及渦誘導產生的速度損失,造成翼型升力系數驟降。隨著攻角開始下俯,翼型表面的流動分離逐漸減小,并最終重新附著。

綜上所述,通過翼型流場的可視化,可看到水鴨翼型首先在前緣形成分離渦,屬于前緣失速類型,隨后該分離渦在翼型上表面運動,引起二次分離渦,造成水翼翼型的升力系數和阻力系數的劇烈變化。雀鷹、長耳鸮、海鷗翼型的流動分離主要由尾緣分離引起,分離渦的影響范圍主要集中在尾緣附近,屬于輕失速類型。從圖8中也可以看出,在整個動態(tài)失速過程中,水鴨翼型在上仰和下俯階段同一攻角下的流場差異較大,顯現出來的動態(tài)失速遲滯效應明顯,水鴨翼型的穩(wěn)定性最差。海鷗翼型在下俯過沖中的氣流再附著過程快于雀鷹翼型和長耳鸮翼型,因此海鷗翼型在動態(tài)失速過程中的遲滯效應最小,并且動態(tài)穩(wěn)定性最好。

4 結 論

本文針對長耳鸮、海鷗、水鴨、雀鷹4種鳥類翅膀進行了仿生翼型的重構,采用數值模擬計算方法對雷諾數Re=2.0×105工況下仿生翼型的動態(tài)失速特性進行了數值研究,得到的主要結論如下。

(1)4種仿生翼型中,仿海鷗翼型動態(tài)升力系數所形成的遲滯環(huán)最小,穩(wěn)定性最好。同時,仿海鷗翼型具有較高的動態(tài)升力系數峰值(Cl max=1.94)和較低的阻力系數峰值(Cd max=0.25),這種翼型適用于高效、穩(wěn)定的飛行器設計。

(2)仿水鴨翼型動態(tài)升力系數所形成的遲滯環(huán)最大,穩(wěn)定性差,并且具有較低的氣動性能,即仿水鴨翼型產生的升力小(Cl max=1.75)、阻力大(Cd max=0.43);仿雀鷹翼型的穩(wěn)定性與仿海鷗翼型的穩(wěn)定性差不多,但是在上仰階段,仿雀鷹翼型的升力系數小于仿海鷗翼型。在這4種仿生翼型中,仿長耳鸮翼型的動態(tài)升力系數峰值最大(Cl max=2.2),但是穩(wěn)定性低于仿海鷗翼型。