基于級聯(lián)前向神經網絡的翼型優(yōu)化算法研究.pdf

1、在飛行器氣動優(yōu)化設計中，應用遺傳算法進行氣動優(yōu)化需要巨大的計算量和計算時間。針對這個問題，本文對級聯(lián)前向神經網絡作為流場數(shù)值計算的代理模型展開了研究，以減少計算量，提高計算效率。
　　本文對比研究了多種可以構建代理模型的方法，包括Kriging方法、BP神經網絡、級聯(lián)前向神經網絡等。用這些方法構建代理模型，進行流場數(shù)值計算，然后比較了這些方法的擬合精度。數(shù)值結果證實了級聯(lián)前向神經網絡作為代理模型的可行性。
　　本文采用Cla

2、ss-Shape function Transformation(CST)參數(shù)化方法，對翼型進行參數(shù)化，在限定的范圍內隨機生成翼型樣本。應用樣本對級聯(lián)前向神經網絡進行訓練，用訓練后精度達到要求的級聯(lián)前向網絡作為翼型流場數(shù)值計算的代理模型。采用單目標的遺傳算法，級聯(lián)前向網絡和流場數(shù)值計算的升阻比作為目標函數(shù)，翼型的CST參數(shù)作為單位個體的所有基因，對標準翼型進行優(yōu)化。數(shù)值試驗表明，用級聯(lián)前向網絡計算出的升阻比可達到進行氣動優(yōu)化所需要的精度