积冰几何特性对翼型性能影响的神经网络预测

摘要：

积冰几何形状对翼型气动系数的影响是复杂的.采用BP(Back Propagation)神经网络的LM(Levenberg-Marguardt)学习算法,建立明冰的典型几何特性(冰角前缘半径、冰角高度和冰角位置)对翼型气动系数影响的神经网络,得到该3种几何参数对气动系数影响的规律;建立了典型冰形参数对最大升力系数影响的神经网络,该网络能很好的预测冰形参数对应的最大升力系数值;此外,建立了冰型位置对舵面铰链力矩系数影响的神经网络.仿真结果表明,BP神经网络仿真结果与实验值具有高度一致性,并能预测非实验值条件下的气动系数;翼型表面积冰位置变化对气动系数影响最大;铰链力矩系数在失速迎角达到之前就发生突变,可以更安全地用来预测失速的发生.

关键词：积冰、气动性能、气动系数、神经网络、失速

所属期刊栏目：34

分类号：V212.1(基础理论及试验)

在线出版日期：2008-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：900-903