改进的BP神经网络技术在平面叶栅气动性能实验中的应用

摘要

将多维实验方法应用于平面叶栅正反向流动实验中,避免了单参数实验方法中的缺陷,大大提高了实验数据的可靠性.同时采用改进的BP神经网络技术,对气动性能实验数据进行分析.实验发现:低雷诺数下,翼型的流动状态很复杂,附着涡在确定翼型边界层行为和失速特性中起着重要作用.在反向流动中,翼型的吸力面常伴随有旋涡的流动,类似于薄翼流动,翼型在较小的迎角下就会发生薄翼失速.