一种低雷诺数旋翼翼型选型方法、系统、电子设备及介质

1.本发明涉及旋翼翼型选型技术领域，特别是涉及一种低雷诺数旋翼翼型选型方法、系统、电子设备及介质。


背景技术：

2.旋翼是旋翼飞行器关键的升力部件，旋翼翼型的气动特性对旋翼的气动性能以及操纵特性具有重要影响。目前旋翼翼型设计工作主要分为两个步骤，第一步，依据旋翼的设计工况(马赫数、雷诺数)和设计经验来查找相关翼型的气动资料，最终确定初始翼型；第二步，对选定的初始翼型完成气动特性优化，以达到设计要求。
3.近十年来，雷诺数在104～105量级之间的低雷诺数翼型随着小型旋翼无人机的快速发展和高空低速飞行器的研制而产生了广泛的应用需求，因此有必要对低雷诺数翼型进行专门研究，但目前针对低雷诺数翼型的气动外形优化设计研究相比传统翼型还不是很丰富。目前大多数设计人员还是主要依据设计经验和常见翼型的风洞试验数据来确定初始翼型。而在实际过程中，特别是针对低雷诺数工况，可用的翼型风洞数据较为稀少，供设计人员参考选择的典型翼型较少，较难通过实际经验筛选出合适翼型。


技术实现要素：

4.本发明的目的是提供一种低雷诺数旋翼翼型选型方法、系统、电子设备及介质，以实现低雷诺数旋翼翼型的快速寻优选型。
5.为实现上述目的，本发明提供了如下方案：
6.一方面，本发明提供一种低雷诺数旋翼翼型选型方法，包括：
7.对旋翼翼型参数进行二进制基因编码并随机产生规模为n的初始种群；所述翼型参数包括翼型的最大弯度f、最大弯度位置p以及最大厚度t；
8.对种群个体基因进行解码，得到十进制翼型参数；
9.根据所述十进制翼型参数生成个体翼型；
10.调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型的目标函数值作为种群个体的适应度值，并对整个当前种群的适应度值按从大到小顺序进行排序；
11.判断当前种群最高适应度值是否大于种群历史最高适应度值，得到第一判断结果；
12.若所述第一判断结果为当前种群最高适应度值大于种群历史最高适应度值，则种群迭代次数t+1，并把种群历史最高适应度值替换成当前种群最高适应度值，并判断当前种群迭代次数是否大于设定的最大种群迭代次数tmax，得到第二判断结果；
13.若所述第二判断结果为当前种群迭代次数大于设定的最大种群迭代次数tmax，输出当前种群最高适应度值个体的十进制翼型参数作为最佳翼型参数；
14.根据所述最佳翼型参数生成最优旋翼翼型；
15.若所述第一判断结果为当前种群最高适应度值小于等于种群历史最高适应度值，
则将种群历史最高适应度值个体重新加入到当前种群中并执行精英保留操作，得到剩余种群个体；
16.若所述第二判断结果为当前种群迭代次数小于等于设定的最大种群迭代次数tmax，执行精英保留操作，得到剩余种群个体；
17.对所述剩余种群个体执行基因单点交叉操作，使种群个体数目达到设定值n；
18.按照设定的基因变异率对种群个体进行遍历，对个体基因进行单点变异操作，生成新的当前种群，并返回所述对种群个体基因进行解码，得到十进制翼型参数的步骤。
19.可选地，所述对旋翼翼型参数进行二进制基因编码并随机产生规模为n的初始种群，具体包括：
20.采用17位二进制数对各翼型参数分别进行编码，并通过计算机随机产生0、1两种随机数，生成n个二进制的个体基因编码，构成规模为n的初始种群；其中17位二进制数表示六位十进制数，六位十进制数中前两位数表示整数，后四位数表示小数。
21.可选地，所述根据所述十进制翼型参数生成个体翼型，具体包括：
22.根据所述十进制翼型参数中的最大弯度f和最大弯度位置p，由naca-四系翼型的中弧线方程求导得到中弧线切线斜率其中yf为中弧线的纵坐标；x为不同弦向位置；
23.根据所述中弧线切线斜率确定中弧线切线与x轴方向夹角θ；
24.根据所述十进制翼型参数中的最大厚度t，基于naca-四系翼型的经验厚度分布公式确定不同弦向位置x的翼型厚度y
t
；
25.根据所述中弧线的纵坐标yf、所述中弧线切线与x轴方向夹角θ以及对应翼型厚度y
t
确定翼型曲线上下表面坐标点；
26.根据所述翼型曲线上下表面坐标点生成对应的个体翼型。
27.可选地，所述调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型的目标函数值作为种群个体的适应度值，具体包括：
28.给定马赫数和雷诺数，调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型在预设迎角范围内的升力系数和阻力系数；
29.根据每个个体翼型在预设迎角范围内的升力系数和阻力系数计算每个个体翼型在不同迎角时的升阻比之和作为目标函数值；
30.将所述目标函数值作为种群个体的适应度值。
31.可选地，所述执行精英保留操作，得到剩余种群个体，具体包括：
32.保留当前种群前40％适应度值靠前的个体，将其余60％个体数据删除，得到剩余种群个体。
33.可选地，所述对所述剩余种群个体执行基因单点交叉操作，使种群个体数目达到设定值n，具体包括：
34.从所述剩余种群个体中任选两个个体，对两个个体的同类基因进行任意的单点标序，然后交换其基因片段产生新的个体，使种群个体数目达到设定值n。
35.可选地，所述按照设定的基因变异率对种群个体进行遍历，对个体基因进行单点
变异操作，生成新的当前种群，具体包括：
36.设定基因变异率为0.2；
37.对种群个体进行遍历，针对每个种群个体，由计算机在[0,1]之间随机生成一个小数a，若这个小数a大于0.2则不执行个体基因的变异，若a小于等于0.2则由计算机继续在[0,16]之间随机生成一个整数b，然后将整数b对应到17位的二进制基因编码中，若第b位的基因编码为0，则改为1；若为1，则改为0；
[0038]
遍历完所有种群个体后，得到生成新的当前种群。
[0039]
另一方面，本发明提供一种低雷诺数旋翼翼型选型系统，包括：
[0040]
二进制基因编码模块，用于对旋翼翼型参数进行二进制基因编码并随机产生规模为n的初始种群；所述翼型参数包括翼型的最大弯度f、最大弯度位置p以及最大厚度t；
[0041]
个体基因解码模块，用于对种群个体基因进行解码，得到十进制翼型参数；
[0042]
个体翼型生成模块，用于根据所述十进制翼型参数生成个体翼型；
[0043]
适应度值计算模块，用于调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型的目标函数值作为种群个体的适应度值，并对整个当前种群的适应度值按从大到小顺序进行排序；
[0044]
最高适应度值判断模块，用于判断当前种群最高适应度值是否大于种群历史最高适应度值，得到第一判断结果；
[0045]
迭代次数判断模块，用于若所述第一判断结果为当前种群最高适应度值大于种群历史最高适应度值，则种群迭代次数t+1，并把种群历史最高适应度值替换成当前种群最高适应度值，并判断当前种群迭代次数是否大于设定的最大种群迭代次数tmax，得到第二判断结果；
[0046]
最佳翼型参数输出模块，用于若所述第二判断结果为当前种群迭代次数大于设定的最大种群迭代次数tmax，输出当前种群最高适应度值个体的十进制翼型参数作为最佳翼型参数；
[0047]
最优旋翼翼型生成模块，用于根据所述最佳翼型参数生成最优旋翼翼型；
[0048]
第一精英保留操作模块，用于若所述第一判断结果为当前种群最高适应度值小于等于种群历史最高适应度值，则将种群历史最高适应度值个体重新加入到当前种群中并执行精英保留操作，得到剩余种群个体；
[0049]
第二精英保留操作模块，用于若所述第二判断结果为当前种群迭代次数小于等于设定的最大种群迭代次数tmax，执行精英保留操作，得到剩余种群个体；
[0050]
基因单点交叉操作模块，用于对所述剩余种群个体执行基因单点交叉操作，使种群个体数目达到设定值n；
[0051]
基因单点变异操作模块，用于按照设定的基因变异率对种群个体进行遍历，对个体基因进行单点变异操作，生成新的当前种群，并返回所述对种群个体基因进行解码，得到十进制翼型参数的步骤。
[0052]
另一方面，本发明还提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的低雷诺数旋翼翼型选型方法。
[0053]
另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程
序，所述计算机程序被执行时实现所述的低雷诺数旋翼翼型选型方法。
[0054]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0055]
本发明提供了一种低雷诺数旋翼翼型选型方法、系统、电子设备及介质，所述方法包括：对旋翼翼型参数进行二进制基因编码并随机产生规模为n的初始种群；对种群个体基因进行解码，得到十进制翼型参数；根据十进制翼型参数生成个体翼型；调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型的目标函数值作为种群个体的适应度值，并对整个当前种群的适应度值按从大到小顺序进行排序；若当前种群最高适应度值大于种群历史最高适应度值，则种群迭代次数t+1，并把种群历史最高适应度值替换成当前种群最高适应度值，并判断当前种群迭代次数是否大于设定的最大种群迭代次数tmax；若当前种群迭代次数大于tmax，输出当前种群最高适应度值个体的十进制翼型参数作为最佳翼型参数；根据最佳翼型参数生成最优旋翼翼型；若当前种群最高适应度值小于等于种群历史最高适应度值，则将种群历史最高适应度值个体重新加入到当前种群中并执行精英保留操作，得到剩余种群个体；若当前种群迭代次数小于等于tmax，也执行精英保留操作，得到剩余种群个体；对剩余种群个体执行基因单点交叉操作，使种群个体数目达到设定值n；按照设定的基因变异率对种群个体进行遍历，对个体基因进行单点变异操作，生成新的当前种群，并返回所述对种群个体基因进行解码，得到十进制翼型参数的步骤。本发明采用遗传算法，外部通过调用程序来生成翼型、调用xfoil软件来进行翼型气动特性计算；通过种群样本迭代，最终输出满足设计工况下的最优旋翼翼型。本发明方法收敛时间较短，求解精度较高，具备较高的实际应用价值。
附图说明
[0056]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0057]
图1为本发明一种低雷诺数旋翼翼型选型方法的流程图；
[0058]
图2为本发明一种低雷诺数旋翼翼型选型方法的技术路线图；
[0059]
图3为本发明提供的旋翼翼型参数设置示意图；
[0060]
图4为本发明提供的xfoil软件在马赫数0.1、雷诺数7.0
×
105状态下的naca0018翼型气动特性计算示意图；
[0061]
图5为本发明提供的在马赫数0.3、雷诺数6
×
105工况下，不同翼型阻力系数cd对比示意图；
[0062]
图6为本发明提供的在马赫数0.3、雷诺数6
×
105工况下，不同翼型升力系数cl对比示意图。
具体实施方式
[0063]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
[0064]
本发明的目的是提供一种低雷诺数旋翼翼型选型方法、系统、电子设备及介质，以实现低雷诺数旋翼翼型的快速寻优选型。
[0065]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0066]
图1为本发明一种低雷诺数旋翼翼型选型方法的流程图；图2为本发明一种低雷诺数旋翼翼型选型方法的技术路线图。参见图1和图2，本发明一种低雷诺数旋翼翼型选型方法，包括：
[0067]
步骤1：对旋翼翼型参数进行二进制基因编码并随机产生规模为n的初始种群。
[0068]
图3示出了xy坐标系下的旋翼翼型，本发明选取的旋翼翼型参数包括翼型的最大弯度f、最大弯度位置p以及最大厚度t。对翼型参数(f、t、p)分别进行二进制基因编码，根据设计经验，naca翼型若超过两位数，其低速空气动力学性能往往不太理想，因此本发明采用17位二进制数(可表示六位十进制数)对翼型参数(f、t、p)分别进行编码，六位十进制数中后四位数表示小数，前两位数表示整数；并通过计算机随机产生0、1两种随机数，生成个体基因。按照此方法可以随机产生规模为n的初始种群。
[0069]
因此，所述步骤1对旋翼翼型参数进行二进制基因编码并随机产生规模为n的初始种群，具体包括：
[0070]
采用17位二进制数对各翼型参数分别进行编码，并通过计算机随机产生0、1两种随机数，生成n个二进制的个体基因编码，构成规模为n的初始种群；其中17位二进制数表示六位十进制数，六位十进制数中前两位数表示整数，后四位数表示小数。
[0071]
步骤2：对种群个体基因进行解码，得到十进制翼型参数。
[0072]
对种群个体基因进行解码，将二进制的个体基因编码转换为十进制的翼型参数。
[0073]
步骤3：根据所述十进制翼型参数生成个体翼型。
[0074]
本发明由naca-四系翼型的中弧线方程求导得到中弧线切线斜率并确定中弧线切线与x轴方向夹角θ，依据经验公式得到naca-四系翼型的厚度分布公式；根据中弧线的纵坐标yf、中弧线切线与x轴夹角θ以及对应翼型厚度y
t
即可确定翼型曲线上下表面坐标点，再通过三角函数关系实现翼型曲率较大的前缘跟后缘部分点密集分布，保证翼型光滑性。
[0075]
具体地，所述步骤3根据所述十进制翼型参数生成个体翼型，具体包括：
[0076]
步骤3.1：根据所述十进制翼型参数中的最大弯度f和最大弯度位置p，由naca-四系翼型的中弧线方程求导得到中弧线切线斜率
[0077]
其中naca-四系翼型的中弧线方程为：
[0078]
[0079]
式中的x为不同弦向位置；f为中弧线最高点的纵坐标，即中弧线最大弯度；p为中弧线最高点的横坐标，即最大弯度的弦向位置，也称为最大弯度位置；yf为中弧线的纵坐标。
[0080]
对该中弧线(1)求导，就可以得到中弧线曲线切线的斜率分布：
[0081][0082]
其中为中弧线切线斜率。
[0083]
步骤3.2：根据所述中弧线切线斜率确定中弧线切线与x轴方向夹角θ；
[0084]
由中弧线切线斜率可得到中弧线切线与x轴方向夹角θ为：
[0085][0086]
步骤3.3：根据所述十进制翼型参数中的最大厚度t，基于naca-四系翼型的经验厚度分布公式确定不同弦向位置x的翼型厚度y
t
；
[0087]
翼型的经验厚度分布公式为：
[0088][0089]
其中y
t
表示不同弦向位置x的翼型厚度，t表示翼型的最大厚度。根据上述公式(1)～(4)，给定一系列的x值，可得到中弧线的纵坐标yf、中弧线切线与x轴夹角θ以及对应翼型厚度y
t
。
[0090]
步骤3.4：根据所述中弧线的纵坐标yf、所述中弧线切线与x轴方向夹角θ以及对应翼型厚度y
t
确定翼型曲线上下表面坐标点；
[0091]
通过以下公式(5)可得到翼型曲线上下表面坐标点：
[0092][0093]
其中xu、yu分别表示翼型曲线上表面点横、纵坐标；x
l
、y
l
分别表示翼型曲线下表面点横、纵坐标。
[0094]
步骤3.5：根据所述翼型曲线上下表面坐标点生成对应的个体翼型。
[0095]
根据所述翼型曲线上下表面坐标点(xu，yu)、(x
l
，y
l
)，即可生成对应的个体翼型。
由于翼型前缘的曲线弯曲度比较大，需要密集的点来保证翼型曲线的光滑性，可以通过三角函数关系来实现翼型前缘跟后缘密集，在中间位置相对稀疏的排布，即有：
[0096][0097]
β这里表示变量转换，之前是用x来表示翼型曲线上点的位置，可根据公式(6)将其转换为用β来表示。
[0098]
在实际应用中，可根据以上方法步骤3编写翼型生成程序，在执行遗传算法时即可直接进行外部调用，生成对应的翼型外形点(包括翼型曲线上表面点和下表面点)来构成个体翼型。
[0099]
步骤4：调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型的目标函数值作为种群个体的适应度值，并对整个当前种群的适应度值按从大到小顺序进行排序。
[0100]
在步骤3的基础上，给定最大弯度f、最大弯度位置p、最大厚度t这三个翼型参数的变化范围，可生成不同翼型。通过调用xfoil软件计算翼型的升力系数和阻力系数，以翼型的升阻比作为优化目标；为保证选择的翼型在一定迎角范围内都具有良好的气动特性，将翼型在不同迎角时的升阻比之和作为目标函数，采用遗传算法确定最佳翼型参数。
[0101]
具体地，所述步骤4调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型的目标函数值作为种群个体的适应度值，具体包括：
[0102]
步骤4.1：给定马赫数ma和雷诺数re，调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型在预设迎角范围内的升力系数和阻力系数；
[0103]
步骤4.2：根据每个个体翼型在预设迎角范围内的升力系数和阻力系数计算每个个体翼型在不同迎角时的升阻比之和作为目标函数值；其中升阻比是指升力系数与对应的阻力系数之比；
[0104]
步骤4.3：将所述目标函数值作为种群个体的适应度值。
[0105]
依据目标函数，将目标函数值作为种群个体的适应度值，并对整个种群个体的适应度值按从大到小顺序进行排序。
[0106]
步骤5：判断当前种群最高适应度值是否大于种群历史最高适应度值，得到第一判断结果。
[0107]
记录当前种群最高适应度值的个体，并将其适应度值与种群历史最高适应度值个体进行比较，得到第一判断结果。
[0108]
步骤6：若所述第一判断结果为当前种群最高适应度值大于种群历史最高适应度值，则种群迭代次数t+1，并把种群历史最高适应度值替换成当前种群最高适应度值，并判断当前种群迭代次数是否大于设定的最大种群迭代次数tmax，得到第二判断结果。
[0109]
步骤7：若所述第二判断结果为当前种群迭代次数大于设定的最大种群迭代次数tmax，输出当前种群最高适应度值个体的十进制翼型参数作为最佳翼型参数。
[0110]
步骤8：根据所述最佳翼型参数生成最优旋翼翼型。
[0111]
输出当前种群最高适应度值个体的翼型参数f、p、t作为最佳翼型参数，代入公式(1)～(6)中即可生成最优的旋翼翼型。
[0112]
步骤9：若所述第一判断结果为当前种群最高适应度值小于等于种群历史最高适应度值，则将种群历史最高适应度值个体重新加入到当前种群中并执行精英保留操作，得
到剩余种群个体。
[0113]
步骤10：若所述第二判断结果为当前种群迭代次数小于等于设定的最大种群迭代次数tmax，执行精英保留操作，得到剩余种群个体。
[0114]
其中，执行精英保留操作，是指保留当前种群前40％适应度值靠前的个体，将其余60％个体数据删除，即可得到剩余种群个体。
[0115]
步骤11：对所述剩余种群个体执行基因单点交叉操作，使种群个体数目达到设定值n。
[0116]
执行基因单点交叉操作，即从剩下的种群个体中任选两个，对其f、p、t基因进行任意的单点标序，然后交换其基因片段产生新的个体；需要注意的是，这里只运行同类基因进行交换，如f基因与f基因交换，p基因与p基因交换，t基因与t基因交换。按照该基因单点交叉方法生成新的种群个体，使种群数目重新达到设定值n。
[0117]
因此，所述步骤11对所述剩余种群个体执行基因单点交叉操作，使种群个体数目达到设定值n，具体包括：
[0118]
从所述剩余种群个体中任选两个个体，对两个个体的同类基因进行任意的单点标序，然后交换其基因片段产生新的个体，使种群个体数目达到设定值n。
[0119]
步骤12：按照设定的基因变异率对种群个体进行遍历，对个体基因进行单点变异操作，生成新的当前种群，并返回所述对种群个体基因进行解码，得到十进制翼型参数的步骤。
[0120]
按照设定的基因变异率(本发明设置为0.2)，对种群个体进行遍历，对其基因进行单点变异操作；基因单点变异是指，由计算机在[0,1]之间随机生成一个小数a，如果这个小数a大于0.2则不执行该基因的变异，若a小于0.2则执行后续操作；由计算机继续在[0,16]之间随机生成一个整数b，然后依据该整数b对应到17位的基因编码中，若第b位的基因编码为0，则改为1；若为1，则改为0。执行完以上基因交叉和基因变异操作后，返回所述对种群个体基因进行解码，得到十进制翼型参数的步骤，并再次调用xfoil软件重新完成新种群个体的适应度值计算。
[0121]
即，所述步骤12按照设定的基因变异率对种群个体进行遍历，对个体基因进行单点变异操作，生成新的当前种群，具体包括：
[0122]
设定基因变异率为0.2；
[0123]
对种群个体进行遍历，针对每个种群个体，由计算机在[0,1]之间随机生成一个小数a，若这个小数a大于0.2则不执行个体基因的变异，若a小于等于0.2则由计算机继续在[0,16]之间随机生成一个整数b，然后将整数b对应到17位的二进制基因编码中，若第b位的基因编码为0，则改为1；若为1，则改为0；
[0124]
遍历完所有种群个体后，得到生成新的当前种群。
[0125]
本发明公开的以上低雷诺数旋翼翼型选型方法，能够实现低雷诺数旋翼翼型的快速选型，通过利用naca-四系中弧线翼型方程(1)及翼型厚度分布经验公式(4)，编写翼型的生成程序；给定最大弯度f、最大弯度位置p、最大厚度t这三个翼型参数的变化范围，采用遗传算法，依据旋翼设计工况下的马赫数(ma)、雷诺数(re)，以翼型主要工作迎角下的升阻比为优化目标，通过基于位势流理论的xfoil软件进行翼型气动特性计算；最终迭代出适合于该设计工况下的最佳翼型参数，并得到寻优翼型。本发明方法实现了低雷诺数旋翼翼型的
快速选型，有效避免了因设计人员设计经验欠缺、在设计工况下参考翼型气动数据缺失等造成的翼型选择困难。并且通过本发明方法得到的翼型在设计工况下具有良好气动特性，且相关旋翼设计人员还可在本发明方法的基础上，对得到的最优翼型进行翼型cst参数化，采用高精度cfd优化方法，最终完成旋翼翼型设计。
[0126]
基于本发明提供的方法，本发明还提供一种低雷诺数旋翼翼型选型系统，包括：
[0127]
二进制基因编码模块，用于对旋翼翼型参数进行二进制基因编码并随机产生规模为n的初始种群；所述翼型参数包括翼型的最大弯度f、最大弯度位置p以及最大厚度t；
[0128]
个体基因解码模块，用于对种群个体基因进行解码，得到十进制翼型参数；
[0129]
个体翼型生成模块，用于根据所述十进制翼型参数生成个体翼型；
[0130]
适应度值计算模块，用于调用xfoil软件计算旋翼设计工况下当前种群中每个个体翼型的目标函数值作为种群个体的适应度值，并对整个当前种群的适应度值按从大到小顺序进行排序；
[0131]
最高适应度值判断模块，用于判断当前种群最高适应度值是否大于种群历史最高适应度值，得到第一判断结果；
[0132]
迭代次数判断模块，用于若所述第一判断结果为当前种群最高适应度值大于种群历史最高适应度值，则种群迭代次数t+1，并把种群历史最高适应度值替换成当前种群最高适应度值，并判断当前种群迭代次数是否大于设定的最大种群迭代次数tmax，得到第二判断结果；
[0133]
最佳翼型参数输出模块，用于若所述第二判断结果为当前种群迭代次数大于设定的最大种群迭代次数tmax，输出当前种群最高适应度值个体的十进制翼型参数作为最佳翼型参数；
[0134]
最优旋翼翼型生成模块，用于根据所述最佳翼型参数生成最优旋翼翼型；
[0135]
第一精英保留操作模块，用于若所述第一判断结果为当前种群最高适应度值小于等于种群历史最高适应度值，则将种群历史最高适应度值个体重新加入到当前种群中并执行精英保留操作，得到剩余种群个体；
[0136]
第二精英保留操作模块，用于若所述第二判断结果为当前种群迭代次数小于等于设定的最大种群迭代次数tmax，执行精英保留操作，得到剩余种群个体；
[0137]
基因单点交叉操作模块，用于对所述剩余种群个体执行基因单点交叉操作，使种群个体数目达到设定值n；
[0138]
基因单点变异操作模块，用于按照设定的基因变异率对种群个体进行遍历，对个体基因进行单点变异操作，生成新的当前种群，并返回所述对种群个体基因进行解码，得到十进制翼型参数的步骤。
[0139]
本发明提供了一套完整的低雷诺数旋翼翼型快速选型方法及系统，采用遗传算法，外部通过调用翼型生成程序、xfoil软件来进行翼型气动特性计算；通过种群样本迭代，最终完成满足设计工况下的最优翼型；其算法收敛时间较短，具备较高的实际应用价值。
[0140]
本发明采用的基于位势流理论的xfoil软件在低雷诺数条件下的求解精度较高，如图4所示，图4横坐标为迎角aoa，纵坐标为升力系数cl。由图4可以看出xfoil软件在低雷诺数条件下的求解精度与实验值极为接近，可满足翼型筛选气动特性计算的精度要求。此外xfoil软件完成规定工况下单个翼型气动特性(如升力系数cl和阻力系数cd)在8核16线
程的计算资源下计算时间约为3s，而采用cfd计算时间约为1分钟，其计算效率大约是cfd计算效率的20倍，因此本发明方法在翼型快速选型上较为适用。
[0141]
将采用本发明方法得到的寻优翼型(opt)与参照设计经验选择的初始翼型(sc1095)进行气动特性对比，得到图5和图6所示结果。如图5所示，在马赫数ma＝0.3，雷诺数re＝6
×
105工况下，采用本发明方法的寻优翼型opt与该工况下的典型参考翼型sc1095的气动特性对比，可以看出两款翼型阻力系数cd相差不大。但从图6可以看出，通过本发明方法筛选的最优翼型opt，其升力系数cl远高于典型翼型sc1095，因此其升阻比也远高于典型翼型，表明采用本发明方法选择的最优翼型的气动特性有较大提升，能够为后续翼型的精细化优化设计工作提供初步结果。
[0142]
进一步地，本发明还提供一种电子设备，该电子设备可以包括：处理器、通信接口、存储器和通信总线。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的计算机程序，以执行所述的低雷诺数旋翼翼型选型方法。
[0143]
此外，上述的存储器中的计算机程序通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
[0144]
进一步地，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时可以实现所述的低雷诺数旋翼翼型选型方法。
[0145]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0146]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。