تعیین ناپایداری جریان و نقطه واگرایی لیفت در ایرفویل دارای تعقر متوسط با استفاده از دینامیک سیالات محاسباتی و شبکه عصبی مصنوعی

شهابی نیا, محمد پارسا; زیرک, سعادت

تعیین ناپایداری جریان و نقطه واگرایی لیفت در ایرفویل دارای تعقر متوسط با استفاده از دینامیک سیالات محاسباتی و شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

محمد پارسا شهابی نیا ¹

سعادت زیرک ²

¹ دانشجوی کارشناسی، دانشگاه سمنان، سمنان، ایران

² دانشیار، دانشگاه سمنان، سمنان، ایران

چکیده

در این پژوهش، رفتار آیرودینامیکی ایرفویل با تقعر متوسط ناکا ۴۴۱۲ در محدوده وسیعی از زوایای حمله و اعداد رینولدز مورد بررسی قرار گرفته است. شبیه‌سازی عددی در نرم‌افزار انسیس فلوئنت و با مدل آشفتگی اسپالارت آل مارس انجام شد. شبکه‌بندی به‌صورت یکنواخت و با تراکم بالا در نواحی لایه‌مرزی، لبه حمله و نواحی که احتمال جدایش جریان بیشتر است، طراحی گردید. صحت سنجی نتایج دینامیک سیالات محاسباتی با داده‌های تجربی تونل باد نشان داد که ضرایب لیفت و درگ در نواحی پیش‌وپس از واماندگی بادقت بسیار بالا شبیه‌سازی شده است. از تحلیل میدان جریان دیده شد که وقوع واماندگی ناشی از جدایش زودهنگام لایه‌مرزی در ناحیه مکش و تشکیل ناحیه بازگشتی بزرگ در پشت لبه حمله است که منجر به افت ناگهانی ضریب لیفت و افزایش شدید ضریب درگ شده است. افزایش عدد رینولدز باعث تأخیر در وقوع واماندگی و افزایش لیفت بیشینه شده و به‌منظور پیش‌بینی سریع ضرایب آیرودینامیکی، یک شبکه عصبی چندلایه با ورودی‌های زاویه حمله و عدد رینولدز و خروجی‌های ضرایب لیفت و درگ توسعه یافت که مدل پیشنهادی توانست زاویه واماندگی را بادقت بالای ۹۰ درصد پیش‌بینی کند. این نتایج نشان داد که ترکیب دینامیک سیالات محاسباتی و شبکه عصبی، رویکردی کارآمد و کم‌هزینه برای پیش‌بینی رفتار آیرودینامیکی ایرفویل‌هاست و می‌تواند در طراحی بهینه پروفیل، بهبود عملکرد پره‌ها و توسعه سامانه‌های کنترل فعال واماندگی به کار گرفته شود

کلیدواژه‌ها

SA">ایرفویل SA">ضریب برآ SA">ضریب پسا SA">شبکه عصبی مصنوعی SA">آیرودینامیک

20.1001.1.23223278.1404.14.2.8.3

عنوان مقاله English

Determination of Flow Instability and Lift Divergence Point in a Moderately Cambered Airfoil Using Computational Fluid Dynamics and Artificial Neural Networks

نویسندگان English

Mohammad Parsa Shahabiniya ¹

Saadat Zirak ²

¹ Undergraduate Student, Semnan University, Semnan, Iran

² Associate Professor.University of Semnan, Semnan, Iran

چکیده English

In this study, the aerodynamic behavior of a moderately cambered NACA 4412 airfoil was investigated over a wide range of angles of attack and Reynolds numbers. Computational fluid dynamics (CFD) simulations were performed using ANSYS Fluent with the Spalart–Allmaras turbulence model. The mesh was designed to be uniform with high refinement in critical regions, including the leading edge and the flow separation area. Validation of the CFD results against experimental wind tunnel data showed that the lift and drag coefficients were accurately predicted both before and after stall. Flow field analysis revealed that stall occurrence was caused by early boundary layer separation in the suction region and the formation of a large recirculation zone behind the leading edge, resulting in a sudden drop in lift coefficient and a sharp increase in drag coefficient. Increasing the Reynolds number delayed stall onset and increased the maximum lift. To enable rapid prediction of aerodynamic coefficients, a multilayer neural network was developed with angle of attack and Reynolds number as inputs, and lift and drag coefficients as outputs. The proposed model was able to predict the stall angle with over 90% accuracy. These results demonstrate that the combination of CFD and neural networks provides an efficient and cost-effective approach for predicting airfoil aerodynamic behavior, and can be applied in airfoil optimization, blade performance enhancement, and the development of active stall control systems.

کلیدواژه‌ها English

Airfoil

Lift Coefficient

Drag Coefficient

Artificial Neural Network (ANN)

Aerodynamics

[1] Wang H, Luo Z, Deng X, Zhou Y, Gong J. Enhancement of flying wing aerodynamics in crossflow at high angle of attack using dual synthetic jets. Aerospace Science and Technology. 2025 Jan1;156:109773. https://doi.org/10.1016/j.ast.2024.109773

[2] Sun W, Wang Y, He G, Wang Q, Yu F, Song W. Effects of kinematic parameters and corrugated structure on the aerodynamic performance of flexible dragonfly wings. Journal of Fluids and Structures. 2024 Mar1;125:104058. https://doi.org/10.1016/j.jfluidstructs.2023.104058

[3] Zhang M, Duan W, Liu J. Aerodynamics of airfoils in free-surface effect by numerical simulations and regression analysis. Physics of Fluids. 2025 Jun 1;37(6). https://doi.org/10.1063/5.0271185

[4] Chaoyuan WE, Yuting DA, Yuntao XU, Chao YA. Aerodynamic characteristics of a pitching airfoil with leading-edge morphing. Chinese Journal of Aeronautics. 2024Jul1;37(7):81-92. https://doi.org/10.1016/j.cja.2024.03.036

[5] Sharpe P, Hansman RJ. NeuralFoil: An airfoil aerodynamics analysis tool using physics-informed machine learning. arXiv preprint arXiv:2503.16323. 2025 Mar 20. https://doi.org/10.48550/arXiv.2503.16323

[6] Rayhan AM, Hossain MS, Mim RH, Ali M. Computational and experimental study on the aerodynamic performance of NACA 4412 airfoil with slot and groove. Heliyon. 2024Jun15;10(11). https://doi.org/10.1016/j.heliyon.2024.e31595

[7] FAYYAD SM, AL ALAWIN AI, ABU-EIN SU, ABULGHANAM Z, ALSABAG AS, RAWASHDEH MO, MOMANI M, MOMANI W. Aerodynamics Analysis Comparison between NACA 4412 and NREL S823 Airfoils.

[8] Nagaraju AS, Gupta R, Bhowmik S. Effects of the influence of triangular dimple and aspect ratio on NACA 4412 airfoil on the overall performance of H-Darrieus wind rotor: An experimental investigation. Wind Engineering. 2025 Feb;49(1):181-98. https://doi.org/10.3311/PPtr.38258

[9] Zargar OA, Lin T, Zebua AG, Lai TJ, Shih YC, Hu SC, Leggett G. The effects of surface modification on aerodynamic characteristics of airfoil DU 06 W 200 at low Reynolds numbers. International Journal of Thermofluids. 2022 Nov 1;16:100208.https://doi.org/10.1016/j.ijft.2022.100208

[10] Goudarzi, A., Mohammadi Ahmar, A., Mohammadi, A., Mansouri, H. Uncertainty Quantification of Transonic RAE2822 Airfoil under Geometrical Uncertainties. Fluid Mechanics & Aerodynamics, 2024; 12(2): 33-42. https://dor.isc.ac/dor/20.1001.1.23223278.1402.12.2.3.4

[11] hossein, A., Rabiee, A., Ghadak, F. Numerical and experimental investigation of synchronic wavy tubercles method in improving propeller aerodynamic performance. Fluid Mechanics & Aerodynamics, 2024; 13(1): 57-65. DOR:https://dor.isc.ac/dor/20.1001.1.23223278.1403.13.1.9.5

[12] amini, S., Rostami Varnousfaaderani, M., Dehghan Manshadi, M., Norouzi, H. Calculation of Amphibian Floating Drag under the Effect of Sea Waves Using Computational Fluid Dynamics. Fluid Mechanics & Aerodynamics, 2024; 13(2): 113-124. DOR:https://dor.isc.ac/dor/20.1001.1.23223278.1403.13.2.9.7

[13] Hrynuk JT, Olson D, Stutz C, Jackson JK. Effects of turbulence on NACA 0012 airfoil performance at low Reynolds number. AIAA Journal. 2024 Jan;62(1):409-17. https://doi.org/10.2514/1.J063244

[14] Deghoum K, Gherbi MT, Tolephih MH, Aljibori HS, Abdullah OI. Simulation of Turbulent Airflow of a NACA 23012 Airfoil Based on the Systematic Analysis Approach. International Journal of Fluid Mechanics Research. DOR:https://doi.org/10.1615/InterJFluidMechRes.2025059826

[15] Noronha NP, Krishna M. Aerodynamic performance comparison of airfoils suggested for small horizontal axis wind turbines. Materials Today: Proceedings. 2021Jan1;46:2450-5. https://doi.org/10.1016/j.matpr.2021.01.359

[16] Shahabiniya MP, Safy SM, Dolatabadi AD, Hossein M. Assessing Jet Nozzle Performance: Effects of Diameter and Angle on Temperature and Velocity Distribution.

[17] Balaji G, Gupta S, Manikpuri GK, Sureshkumar S, Sathish S, Madhanraj V. Numerical investigation of aerodynamic performance of leading edge tubercle airfoil at low Reynolds number. Materials Today: Proceedings. 2022 Jan 1;68:1455-65. https://doi.org/10.1016/j.matpr.2022.07.005

[18] Ali MH, Mehdi SN, Naik MT. Comparative analysis of low velocity vertical axis wind turbine NACA blades at different attacking angles in CFD. Materials Today: Proceedings. 2023 Jan 1;80:2091-100. https://doi.org/10.1016/j.matpr.2021.06.119

[19] Rayhan AM, Hossain MS, Mim RH, Ali M. Computational and experimental study on the aerodynamic performance of NACA 4412 airfoil with slot and groove. Heliyon. 2024 Jun 15;10(11). https://doi.org/10.1016/j.heliyon.2024.e31595

[20] Petinrin MO, Onoja VA. Computational study of aerodynamic flow over NACA 4412 airfoil. British Journal of Applied Science & Technology. 2017 Jan 10;21(3):1-1.

[21] Spalart PR, Garbaruk AV. A new “λ2” term for the spalart–allmaras turbulence model, active in axisymmetric flows. Flow, Turbulence and Combustion. 2021 Aug;107(2):245-56. https://doi.org/10.1007/s10494-020-00223-0

[22] Investigation and Modification of Spalart-allmaras Turbulence Model and Its Application to Flow Over a NACA 0012 Airfoil. Fluid Mechanics & Aerodynamics, 2017; 5(2): 71-81.DOR: https://dor.isc.ac/dor/20.1001.1.23223278.1395.5.2.6.8

[23] He X, Zhao F, Vahdati M. A turbo-oriented data-driven modification to the Spalart–Allmaras turbulence model. Journal of Turbomachinery. 2022 Dec 1;144(12):121007. https://doi.org/10.1115/1.4055333

[24] Xue Y, Feng Y, Zheng X. Assessment of compressibility corrections on Spalart–Allmaras turbulence model for high-Mach-number flows. AIAA Journal. 2024 Jan;62(1):92-107. https://doi.org/10.2514/1.J063274

[25] Waligura CJ, Couchman BL, Galbraith MC, Allmaras SR, Harris WL. Investigation of spalart-allmaras turbulence model modifications for hypersonic flows utilizing output-based grid adaptation. InAIAA SciTech 2022 Forum 2022 (p. 0587). https://doi.org/10.2514/6.2022-0587

[26] Naeimi J, Zirak S, Biglari M, Jafari Gavzan I. Numerical study of steam flow on the low-pressure turbine under off-design conditions: a case study of the Neka steam power plant. Acta Mechanica. 2024 Dec;235(12):7369-91. https://doi.org/10.1007/s00707-024-04097-5

[27] Abbott IH, Von Doenhoff AE. Theory of wing sections. New York: Dover Publications; 1959.