10.3969/j.issn.1674-8190.2010.03.010
神经网络在高空长航时无人机翼型多点优化中的应用
NSGAII算法在翼型多点设计中有着广泛的应用价值,然而其巨大的计算资源和计算成本限制了它的使用.为了解决这个问题,本文引入具有较强非线性映射能力的神经网络代理模型,采用实验设计结合BP法训练神经网络响应面来代替N-S方程求解翼型的性能.在实验点的数值模拟中,为了进一步节省计算资源,提高计算效率,采用网格的变形代替网格的重新划分,使得计算网格的更新速度提高了约50%.在翼型的参数化过程中,采用改进的PARSEC方法,用较少的参数实现了翼型的精确控制.为了增强神经网络的泛化能力,采用12-7-4-3-1的隐层结构.对NLF1015翼型的多点优化算例表明,此方法不仅显著降低了整个优化过程的计算量,而且对翼型的气动性能预测也具有较高的可信度,在高空长航时无人机的翼型设计中具有一定的潜力.
翼型优化、多点设计、NSGAII、神经网络、网格变形、高空长航时无人机
1
V211.43(基础理论及试验)
2010-11-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
246-250,305