科研之友
微信
新浪微博
Facebook
分享链接
摘要
采用主成分分析技术对基于型函数/类函数变换（CST）参数化方法进行改进，以减少机翼的设计变量。建立了机翼的数据库，以数据库中机翼的几何参数和气动参数为训练样本，建立并训练了深度置信网络作为气动优化设计的代理模型。为了提高标准多目标粒子群算法的收敛速度和全局搜索能力，发展了基于α-stable分布函数的改进型多目标粒子群算法。将深度置信网络代理模型嵌入改进的多目标粒子群算法，开展了某通用飞机机翼的多目标气动优化设计。优化结果表明，采用主成分分析技术可大幅减少计算量。对优化所得机翼构型开展数值模拟验证，结果表明，在阻力系数不增加的条件下，优化机翼构型在多个工作状态下的升力系数显著提升。
- 单位
