10.16615/j.cnki.1674-8190.2021.02.04
基于两层POD和BPNN的翼型反设计方法
翼型优化过程需要大量的CFD分析,计算量大、耗时长.本文发展基于本征正交分解(POD)和反向传播神经网络(BPNN)的翼型反设计方法,该方法的优化过程如下:首先,通过Hicks-Henne参数化,在设计空间中构造翼型外形的样本库,并利用Xfoil/Fluent对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立POD模型,即两层POD模型,并得到对应的基模态系数;最后,使用BPNN建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测.通过算例分析,结果表明:在亚/跨声速状态,基于200个样本训练所得的两层POD+BPNN模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求.
翼型反设计、两层本征正交分解、反向传播神经网络、聚类、Hicks-Henne参数化
12
V224;V211.3(飞机构造与设计)
国家自然科学基金11502209
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
30-37