典型文献
基于深度自动编码器神经网络的飞行器翼型参数降维与优化设计
文献摘要：
传统飞行器翼型参数化描述方法在翼型优化设计研究中因变量较多导致优化效率低、计算工作量大,为此提出一种基于深度自动编码器(DAE)的神经网络模型.将该模型用于翼型优化设计研究中描述参数降维问题,研究经该模型降维后各翼型描述参数的物理意义,并与本征正交分解法(POD)对翼型描述参数降维效果进行对比.在给定的优化设计目标与约束条件下,设计基于代理模型和遗传算法的翼型优化方法,对RAE2822翼型进行跨声速来流下的优化设计,将所提模型与类别形状函数变换法(CST)、POD方法的优化效率与翼型优化效果进行对比.对比结果表明,所提利用DAE神经网络模型的方法优化效率更高,在跨声速来流下对RAE2822进行减阻优化设计结果明显优于CST方法、POD方法.
文献关键词：
飞行器;翼型优化设计;参数降维;深度自动编码器;神经网络;代理模型
中图分类号：
作者姓名：
吴则良;叶建川;王江;金忍
作者机构：
北京理工大学 宇航学院, 北京100081
文献出处：
引用格式：
[1]吴则良;叶建川;王江;金忍-.基于深度自动编码器神经网络的飞行器翼型参数降维与优化设计)[J].兵工学报,2022(06):1326-1336
A类：
B类：
深度自动编码器,飞行器,参数降维,参数化,翼型优化设计,优化设计研究,因变量,优化效率,DAE,物理意义,本征正交分解,分解法,POD,设计目标,代理模型,RAE2822,跨声速,来流,流下,形状函数,函数变换,变换法,CST,优化效果,方法优化,减阻优化
AB值：
0.260363
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
