基于级联前向网络的翼型优化设计

针对应用遗传算法进行气动优化需要巨大计算量和计算时间的问题,采用将级联前向神经网络作为流场计算的代理模型的方法,能够减少计算量和计算时间.采用类别形状函数(CST)参数化方法,对翼型进行参数化,在限定的范围内随机生成翼型样本,应用样本对级联前向神经网络进行训练,用训练后精度达到要求的级联前向网络作为翼型流场数值计算的代理模型.采用单目标的遗传算法,将级联前向网络和流场数值计算的升阻比作为目标函数,将翼型的CST参数作为单位个体的所有基因,对标准翼型进行优化.数值试验表明,用级联前向网络计算出的升阻比可以达到进行气动优化所需要的精度要求,对于给定的优化目标可以节约大量的计算时间.