基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

摘要：

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究.提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以RAE2822翼型为基准翼型的气动优化设计问题进行优化设计验证.结果表明:本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升.

关键词：卷积神经网络、多项式混沌方法、翼型气动优化、鲁棒性优化、不确定度量化

所属期刊栏目：12

分类号：V211.41(基础理论及试验)

资助基金：航空科学基金2019ZA031002

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：80-87