基于SOM神经网络的超临界翼型设计
本文采用了基于自组织特征映射( SOM)神经网络的超临界翼型设计方法,研究了超临界翼型设计问题.根据不同样本翼型的几何特征和气动特征,利用SOM神经网络对其进行分组,形成系统的超临界翼型专家数据库.训练后的SOM神经网络能够根据设计条件,自动挑选出最合适的一组翼型作为参考翼型.在此基础上,采用置信度推理法建立了翼型几何参数与气动参数之间的关系,作为设计基准,采用最速梯度下降法给出翼型的较佳几何参数.研究结果表明:SOM神经网络能够有效地区分有相同特征的一类翼型,分类灵活,可以为设计工作提供方向性指导;最终得到的设计翼型与基准翼型相比,有效地提高了升阻比,具有较优的综合气动性能.
SOM神经网络、专家数据库、超临界翼型设计、置信度推理
32
V211.3(基础理论及试验)
上海市经济信息化委支持项目“产-36-专项-1”
2012-02-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
411-417