声明
致谢
摘要
1 引言
1.1 背景
1.2 研究现状
1.2.1 翼型参数化设计理论研究
1.2.2 风力机叶片参数化设计理论研究
1.2.3 聚能风力机风轮结构设计理论研究
1.3 课题的提出和研究目标
1.4 论文研究的内容
2 风力机翼型气动性能计算方法研究
2.1 引言
2.2 翼型研究基础理论
2.2.1 风力机翼型几何参数
2.2.2 翼型气动性能参数
2.2.3 翼型气动性能数值模拟计算
2.3 提高翼型气动性能计算精度的方法
2.3.1 影响湍流模型计算精度的模型参数
2.3.2 模型改进结果分析
2.3.3 流场对比分析
2.3.4 湍流输运特性分析
2.4 翼型噪声计算模型分析
2.4.1 噪声方向函数
2.4.2 BPM噪声模型
2.4.3 噪声计算对比分析
2.5 本章小结
3 风力机翼型集成参数化表达和收敛特性研究
3.1 引言
3.2 风力机翼型集成参数化表达方法
3.2.1 儒可夫斯基翼型变换
3.2.2 翼型形状函数方程
3.2.3 翼型集成表达方法拟合的问题
3.2.4 翼型形状函数参数α的修正
3.3 拟合阶数对收敛特性的影响
3.3.1 几何收敛特性分析
3.3.2 气动收敛特性分析
3.4 实例分析
3.4.1 冀型控制系数的获得
3.4.2 几何收敛特性
3.4.3 气动收敛特性
3.4.4 噪声收敛特性
3.5 本章小结
4 风力机叶片三维参数化表达与设计
4.1 引言
4.2 速度诱导因子的设计
4.2.1 基于叶片局部功率系数最大化
4.2.2 基于叶素功率系数最大化
4.2.3 翼型功率系数分析
4.3 Bezier曲线翼型拟合反求控制点推导
4.3.1 Bezier曲线
4.3.2 反求控制点
4.4 风力机叶片参数化表达
4.5 参数化表达方法的收敛特性
4.5.1 叶片的气动收敛特性
4.5.2 叶片的噪声收敛特性
4.6 本章小结
5 风力机翼型综合设计方法
5.1 引言
5.2 翼型气动特性的BP神经网络模型的建立
5.2.1 神经网络预测精度的分析
5.2.2 多输入参数的神经网络模型
5.3 翼型气动性能与噪声的综合优化设计研究
5.3.1 优化模型建立
5.3.2 改进的自适应遗传算法
5.3.3 优化结果与对比分析
5.4 小型风力机叶片设计
5.4.1 叶根翼型的改进
5.4.2 叶中翼型的改进
5.4.3 叶尖翼型的改进
5.4.4 叶片气动性能分析
5.5 本章小结
6 聚能风力机结构设计及其特性研究
6.1 引言
6.2 扩散器聚能原理研究
6.2.1 扩散器模型
6.2.2 扩散器的数值模拟
6.2.3 流场计算结果及分析
6.3 聚能风力机气动性能计算模型的推导
6.3.1 速度诱导因子
6.3.2 载荷、功率与功率系数
6.4.1 扩散器对输出功率的影响
6.4.2 叶片数对输出功率的影响
6.4.3 扭角对输出功率的影响
6.5 小型聚能风力机叶片结构设计
6.5.1 构型优化配置
6.5.2 优化结果与分析
6.5.3 基于优化翼型的聚能风力机叶片性能分析
6.6 本章小结
7 结论
参考文献
附录
作者简历
学位论文数据集