基于BP神经网络代理模型的翼型优化及领域自适应研究

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.