典型文献
基于BP神经网络代理模型的翼型优化及领域自适应研究
文献摘要：
采用神经网络代理模型和遗传算法相结合的方法对NACA64(3)-618风力机翼型进行了气动优化.针对青藏高原风场条件下某一工况进行优化时,利用拉丁超立方采样生成参数样本集、通过B样条曲线对翼型进行光滑化处理、采用基于深度前馈网络的代理模型预测了升、阻力系数,并结合遗传算法实现了气动优化选型,利用CFD方法验证了优化结果.结果表明:优化翼型的升阻比和升力系数分别提高了 4.52％和4.05％,阻力系数降低了 0.42％;优化流程能用低维参数表达比较完整的翼型,代理模型能在严苛条件下得到较好的翼型;阻力系数代理模型的精度较高,明显优于升力系数代理模型,而且阻力系数代理模型在领域自适应方面表现良好.
文献关键词：
翼型优化;深度学习;代理模型;深度前馈网络;领域自适应
中图分类号：
作者姓名：
陈晨铭;郭雪岩;常林森
作者机构：
上海理工大学能源与动力工程学院,上海200093
文献出处：
引用格式：
[1]陈晨铭;郭雪岩;常林森-.基于BP神经网络代理模型的翼型优化及领域自适应研究)[J].动力工程学报,2022(07):657-663
A类：
NACA64
B类：
神经网络代理模型,翼型优化,领域自适应,适应研究,风力机翼型,气动优化,青藏高原,风场,拉丁超立方采样,样本集,样条曲线,深度前馈网络,阻力系数,算法实现,优化选型,CFD,方法验证,升阻比,升力系数,优化流程,低维,参数表,表达比较,较完整,严苛,下得,数代
AB值：
0.28786
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。
