基于自动编码器的翼型参数空间变换方法

摘要

对于气动外形优化设计中的高维问题,常采用参数变换的方法,减少设计参数的个数,提高优化效率.自编码器是一种基于神经网络的非线性降维方法,可以将样本空间的高维数据变换到参数空间的低维表示.本文设计了基于自动编码器的参数空间变换方法,对UIUC翼型数据库中的翼型样本进行重构,通过训练神经网络的方式减小重构误差,并与POD线性降维方法进行比较.验证表明,该方法对于翼型的表示能力要优于POD.