基于神经网络的翼型气动力计算和反设计方法

• 作者: 刘凌君 周越 高振勋
• 来源期刊: 气体物理
• 学科: 物理学
• 关键词: 神经网络 气动力 翼型反设计 PARSEC参数法 计算流体力学
• 年，卷（期）: 2018,（5）
• 页码范围: 41-47
• 页数: 7页
• 分类号: O355
• 字数: 5646字
• 语种: 中文
• DOI: 10.19527/j.cnki.2096-1642.2018.05.005

摘要

开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高振勋	北京航空航天大学航空科学与工程学院	28	102	6.0	9.0
2	刘凌君	北京航空航天大学航空科学与工程学院	1	1	1.0	1.0
3	周越	北京航空航天大学航空科学与工程学院	3	3	1.0	1.0