期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
Kriging模型在翼型反设计中的应用研究 被引量:16
1
作者 刘俊 宋文萍 +2 位作者 韩忠华 许建华 樊艳红 《空气动力学学报》 CSCD 北大核心 2014年第4期518-526,共9页
目前,基于Kriging代理模型的优化方法在气动优化设计中得到了广泛的应用,然而却并未能应用于气动反设计中。本文将翼型气动反设计问题转化为优化问题,利用基于Kriging模型的优化方法进行了翼型的单目标、多目标反设计,验证了Kriging模... 目前,基于Kriging代理模型的优化方法在气动优化设计中得到了广泛的应用,然而却并未能应用于气动反设计中。本文将翼型气动反设计问题转化为优化问题,利用基于Kriging模型的优化方法进行了翼型的单目标、多目标反设计,验证了Kriging模型在翼型单目标、多目标反设计中的适应性,并研究了模型加点准则对设计结果的影响;此外,将本文方法与多项式响应面模型优化方法、基于Adjoint的优化方法进行了比较,结果表明,该方法明显优于基于多项式响应面的优化方法,且与Adjoint方法相比,设计效率相当且具有更好的通用性。最后将本文方法应用于接近工程实际的在已有翼型基础上修改压力分布进行反设计,验证了本文方法的可行性。 展开更多
关键词 KRIGING模型 气动优化设计 翼型反设计 多目标设计 Navier—Stockes方程
在线阅读 下载PDF
基于特征正交分解的跨声速流场重构和翼型反设计方法研究 被引量:7
2
作者 刘浩 徐敏 叶茂 《空气动力学学报》 EI CSCD 北大核心 2012年第4期539-545,共7页
在二维流场的重构问题中应用特征正交分解(Proper Orthogonal Decomposition,POD)数据处理方法。利用CFD技术计算得到的流场快照对气动力模型进行降阶,然后利用基于POD的降阶模型(Reduced Order Model,ROM)对所需的流场参数进行重构,在... 在二维流场的重构问题中应用特征正交分解(Proper Orthogonal Decomposition,POD)数据处理方法。利用CFD技术计算得到的流场快照对气动力模型进行降阶,然后利用基于POD的降阶模型(Reduced Order Model,ROM)对所需的流场参数进行重构,在快照范围内可以得到高精度的结果,且具有一定的外插能力。在翼型反设计问题中该方法仍然是成功的,通过修正快照向量,利用基于POD降阶模型的数据重构方法,由已知的翼型表面压力分布通过反设计就能够高效精确地得到对应的最优翼型形状,这极大地简化了翼型反设计问题。本文分别在跨声速范围对RAE 2822翼型的流场重构和Korn翼型及NACA 63212翼型的反设计进行了验证,证明了基于POD的流场重构和翼型反设计方法的有效性和高效性。 展开更多
关键词 特征正交分解 降阶模型 跨声速 流场重构 翼型反设计
在线阅读 下载PDF
模拟退火算法和POD降阶模态计算在翼型反设计中的应用 被引量:10
3
作者 赵松原 黄明恪 《空气动力学学报》 EI CSCD 北大核心 2007年第2期236-240,共5页
在翼型反设计中用模拟退火算法作为寻找目标函数极值的优化算法;对翼型流场的计算采用基于正交分解(Proper Orthogonal Decomposition-POD)的降阶模态,这种方法可以降低流场反复计算所需的大量机时。本文将二者结合,并应用到翼型反设计... 在翼型反设计中用模拟退火算法作为寻找目标函数极值的优化算法;对翼型流场的计算采用基于正交分解(Proper Orthogonal Decomposition-POD)的降阶模态,这种方法可以降低流场反复计算所需的大量机时。本文将二者结合,并应用到翼型反设计领域,对几个给定翼型压力分布反求翼型表面。计算结果表明本文方法是可行的,且优化算法具有全局优化和鲁棒性强等特点。此外,本文提出了用扰动翼型函数的方法形成POD降阶模态中的快照,利用这些快照形成的基模态,拓展了加鼓包函数方法的表达范围。 展开更多
关键词 模拟退火算法 正交分解 降阶模型 翼型反设计
在线阅读 下载PDF
条件生成对抗网络的翼型反设计方法 被引量:3
4
作者 吴明雨 陈志华 +1 位作者 邱志明 吴威涛 《宇航学报》 EI CAS CSCD 北大核心 2023年第10期1512-1521,共10页
针对变体飞行器实时控制翼型形状的需求,提出了基于深度学习的翼型反设计方法,利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征,习得特征到翼型的映射关系;判别器则将生成... 针对变体飞行器实时控制翼型形状的需求,提出了基于深度学习的翼型反设计方法,利用多层感知机搭建了由生成器与判别器组成的条件生成对抗网络。生成器从带有随机噪声的气动参数中提取内在特征,习得特征到翼型的映射关系;判别器则将生成器产生的翼型或真实翼型与前述气动参数混合作为输入,输出该翼型为符合指定气动条件的真实翼型的概率。为了优化网络模型,研究并分析了噪声尺寸、超参数及网络结构对模型收敛性能的影响。训练好的网络模型即可根据给定的期望气动参数,快速生成配套的翼型。测试结果表明预测翼型与真实翼型的均方根误差的平均值为0.17%,耗时仅为23 ms,大大提高了设计精度与效率;并且在有噪声干扰情况下依旧保持良好的设计性能,增强了翼型设计模型的鲁棒性。研究成果可以应用于变体飞行器自适应在线最优气动构型控制。 展开更多
关键词 变体飞行器 条件生成对抗网络 翼型反设计 多层感知 深度学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部