DDPG方法在抖振约束下变弯度翼型/机翼设计的应用研究

变弯度技术可以提升巡航多升力系数工况下的升阻性能,对于提高整段巡航的经济效益具有重要意义.构造了光滑连续的流动分离函数约束翼型抖振性能,结合变弯度技术与人工神经网络代理模型搭建了某机翼截面翼型的巡航多升力系数工况优化模型.应用深度确定性策略梯度(DDPG)方法优化此模型,实现了抖振约束下6.8%的巡航平均升阻比提升,优于粒子群和改进灰狼算法对此模型的优化结果.以优化前后翼型分别生成锥形后掠翼,验证了二维翼型变弯度优化对三维机翼的贡献.

人工智能在气动设计中的应用与展望

在人工智能技术高速发展的浪潮下,智能化技术为空气动力学的研究提供了新的思路和手段。各国学者在人工智能与空气动力学设计的综合应用方面开展了诸多有益的探索与尝试。目前人工智能方法已被用于设计对象描述、数值求解、非线性映射等气动设计的关键环节中。实现了自适应设计参数探索、高效气动特征求解、快速数据降维与映射、智能优化等,提高了气动设计的速度、准确性、鲁棒性与全局性。概述了气动设计的发展现状、人工智能技术的研究现状以及机器学习在气动设计中的应用现状。展望了深度学习在气动设计上的应用前景。提出了以机器为核心根据优化阶段实时调整优化方案及走向的高度智能化气动设计概念——“机器设计”。强调了开展智能可诠释设计研究的重要性。