The invention discloses an airfoil design method based on radial basis function neural network proxy model, which comprises the following steps: (1) obtaining control points by B-spline method; (2) constructing airfoil design parameter database; (3) designing objective function; (4) constructing four radial basis function neural networks; (5) obtaining optimized airfoil design parameters by proxy optimization algorithm; (6) designing airfoil according to optimized airfoil Parameters to get the airfoil. By constructing an agent model and using the agent optimization algorithm to obtain the optimized airfoil design parameters, the invention can improve the optimization efficiency, reduce the time and cost, and can be applied to more types of airfoil design.
【技术实现步骤摘要】
基于径向基函数神经网络代理模型的翼型设计方法
本专利技术属于航空
,更进一步涉及航空飞行器
中的一种基于径向基函数神经网络代理模型的翼型设计方法。本专利技术可用于优化跨音速飞机中机翼的形状曲线。
技术介绍
飞行器的速度常用马赫来表示,1马赫等于1倍音速,在跨音速飞行时飞行器的表面既有超过1马赫又有低于1马赫的气流,这种情况下气动特性会发生急剧的变化,开始产生激波,飞行器受到的阻力会剧增并可能会产生颤抖,因此较少有为跨音速飞行设计的飞机,另外在飞行器的外形设计中,翼型的设计是难题之一,它包含了许多的参数,包括展弦比、前缘半径、翼型面积,后缘角度等,它们都会影响到飞机的气动性能,其中翼型的升阻比是一个非常重要的性能指标,人们一直追求着高升力,低阻力的翼型。近几年翼型设计方法有了一些进步,但目前仍然存在许多问题。西北工业大学在其申请的专利文献“宽速域大升力线斜率对称翼型设计方法及翼型”(申请号:2018113191471申请公布号:CN109484623A)中公开了一种对称翼型设计方法,该方法先构建克里金模型,然后使用在优化过程中使用最大期望的加点准则来持续更新模型,直到得到满足条件的设计方案。该方法设计出的宽速域下的对称翼型具有大的升力线斜率的特点,可以满足空天飞行器在不同速域下对舵面效率的要求。但是,该方法仍然存在的不足之处是,该设计方法在优化过程中需要更新模型,而且其使用的克里金模型不能解决大量翼型参数的翼型设计问题。北京航空航天大学在其申请的专利文献“一种考虑加工误差的高超声速机翼鲁棒优 ...
【技术保护点】
1.一种基于径向基函数神经网络代理模型的翼型设计方法,其特征在于,构建四个径向基函数神经网络,利用与四个径向基函数神经网络一一对应的代理模型,优选翼型设计参数,该方法的步骤包括如下:/n步骤1,利用下述B样条公式,获取翼型表面的所有控制点:/n
【技术特征摘要】
1.一种基于径向基函数神经网络代理模型的翼型设计方法,其特征在于,构建四个径向基函数神经网络,利用与四个径向基函数神经网络一一对应的代理模型,优选翼型设计参数,该方法的步骤包括如下:
步骤1,利用下述B样条公式,获取翼型表面的所有控制点:
其中,B(u)表示由[0,1]间的非递减数组成的节点向量u下的翼型表面的形状曲线,n表示控制点的总数,i表示控制点的序号,Pi表示第i个控制点,k表示B样条曲线的阶数,k的取值为3,Ni,k(u)表示k阶的B样条基函数;
步骤2,建立翼型设计参数库:
将每个控制点的横坐标保持不变,每个控制点的纵坐标作为翼型的设计参数,将一个翼型的形状曲线上所有控制点纵坐标组成一组翼型设计参数,根据实践经验确定控制点纵坐标的取值范围,使用拉丁超立方采样方法,在该范围内获取v组翼型设计参数,v的数量等于控制点的总数的11倍,组成翼型设计参数库;
步骤3,设计目标函数:
以马赫数为0.734、雷诺数为6.5×106、迎角为2.65°作为设计状态1,以马赫数为0.754、雷诺数为6.2×106、迎角为2.65°作为设计状态2,两个设计状态下翼型的升阻比分别对应一个权重,得到目标函数如下:
f(x)=w1K1+w2K2
其中,w1表示设计状态1下升阻比的权重,取值为0.5,K1表示设计状态1下翼型的升阻比,w2表示设计状态2下升阻比的权重,取值为0.5,K2表示设计状态2下翼型的升阻比;
步骤4,构建四个径向基函数神经网络:
分别搭建四个径向基函数神经网络,每个径向基函数神经网络的结构包含输入层、隐藏层、输出层;所述四个径向基函数神经网络中的隐藏层神经元使用不同的径向基函数;
每个隐藏层的神经元总数等于控制点的总数;
使用矩阵最小二乘法,计算径向基函数神经网络隐藏层和输出层之间的权重和偏置;
步骤5,利用下述代理优化算法,得到优选后翼型设计参数:
第一步,随机生成一个种群,该种群中的每一个个体代表一组翼型设计参数;
第二步,对当前种群中的每个个体依次进行交叉和变异操作,产生新的种群;
第三步,从新的种群中选择1个未选过的个体,输入到与四个径向基函数神经网络一一对应的每个代理模型中,将4个代理模型的输出...
【专利技术属性】
技术研发人员:黄鹏飞,王晗丁,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。