典型文献
基于卷积神经网络气动力降阶模型的翼型优化方法
文献摘要：
针对非线性大扰动翼型气动力优化问题,提出了基于卷积神经网络气动力降阶模型的优化方法.该方法用不同形状参数下翼型的气动力数据作为训练信号,训练卷积神经网络翼型气动力降阶模型.采用该气动力降阶模型,以最大升阻比为目标,对翼型进行优化,结果表明该方法可用于大扰动下翼型气动力的预测和优化.该文同时还讨论了池化法和径向基法的训练信号数据降维方法对降阶模型精度的影响,结果表明训练信号数据降维能够提高气动力降阶模型的精度.其原因在于训练信号数据降维可以减少神经网络模型的待定参数的个数,在相同数据量下神经网络模型收敛得更好.
文献关键词：
降阶模型;卷积神经网络;优化;径向基函数;参数池化
中图分类号：
作者姓名：
王沐晨;李立州;张珺;黄钰棋;张林;石玥
作者机构：
中北大学机电工程学院,太原030051;太原学院数学系,太原030001
文献出处：
引用格式：
[1]王沐晨;李立州;张珺;黄钰棋;张林;石玥-.基于卷积神经网络气动力降阶模型的翼型优化方法)[J].应用数学和力学,2022(01):77-83
A类：
参数池化
B类：
气动力降阶模型,翼型优化,大扰动,优化问题,模型的优化,形状参数,升阻比,文同,号数,数据降维,降维方法,模型精度,高气,待定,数据量,径向基函数
AB值：
0.176055
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。
