基于級(jí)聯(lián)前向神經(jīng)網(wǎng)絡(luò)的翼型優(yōu)化算法研究.pdf

1、在飛行器氣動(dòng)優(yōu)化設(shè)計(jì)中，應(yīng)用遺傳算法進(jìn)行氣動(dòng)優(yōu)化需要巨大的計(jì)算量和計(jì)算時(shí)間。針對(duì)這個(gè)問(wèn)題，本文對(duì)級(jí)聯(lián)前向神經(jīng)網(wǎng)絡(luò)作為流場(chǎng)數(shù)值計(jì)算的代理模型展開(kāi)了研究，以減少計(jì)算量，提高計(jì)算效率。
　　本文對(duì)比研究了多種可以構(gòu)建代理模型的方法，包括Kriging方法、BP神經(jīng)網(wǎng)絡(luò)、級(jí)聯(lián)前向神經(jīng)網(wǎng)絡(luò)等。用這些方法構(gòu)建代理模型，進(jìn)行流場(chǎng)數(shù)值計(jì)算，然后比較了這些方法的擬合精度。數(shù)值結(jié)果證實(shí)了級(jí)聯(lián)前向神經(jīng)網(wǎng)絡(luò)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(duì)翼型進(jìn)行參數(shù)化，在限定的范圍內(nèi)隨機(jī)生成翼型樣本。應(yīng)用樣本對(duì)級(jí)聯(lián)前向神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，用訓(xùn)練后精度達(dá)到要求的級(jí)聯(lián)前向網(wǎng)絡(luò)作為翼型流場(chǎng)數(shù)值計(jì)算的代理模型。采用單目標(biāo)的遺傳算法，級(jí)聯(lián)前向網(wǎng)絡(luò)和流場(chǎng)數(shù)值計(jì)算的升阻比作為目標(biāo)函數(shù)，翼型的CST參數(shù)作為單位個(gè)體的所有基因，對(duì)標(biāo)準(zhǔn)翼型進(jìn)行優(yōu)化。數(shù)值試驗(yàn)表明，用級(jí)聯(lián)前向網(wǎng)絡(luò)計(jì)算出的升阻比可達(dá)到進(jìn)行氣動(dòng)優(yōu)化所需要的精度