一种基于神经网络的超临界翼型抖振优化方法

摘要

本发明公开了一种基于神经网络的超临界翼型抖振优化方法，包括：通过CFD技术得到待优化翼型定常状态流场参数并预估抖振边界，由加点非定常计算处理得到抖振始发攻角与抖振完全建立攻角；生成样本数据库，首先采用FFD方法将翼型几何参数化以添加设计变量，其次利用拉丁超立方采样方法在设计空间中生成一系列超临界翼型的翼型库，并计算抖振始发攻角与抖振完全建立攻角的气动数据，利用相关数据训练多层感知神经网络模型；对给定优化问题采用遗传算法NSGA‑II计算求解。本发明考虑了抖振始发状态的性能约束有利于抖振边界优化有效性的判断；另外由于采用神经网络模型代替超临界翼型非定常计算，在保证精度的同时大大节省了设计周期，提高了设计效率。