基于深度置信网络与多目标粒子群算法的通用飞机机翼优化设计

作     者：吴涌钏 孙刚 陶俊 WU Yongchuan;SUN Gang;TAO Jun

作者机构：复旦大学航空航天系上海200433 

出 版 物：《空气动力学学报》 (Acta Aerodynamica Sinica)

年 卷 期：2023年第41卷第12期

页      面：16-27页

核心收录：

学科分类：08[工学] 082504[工学-人机与环境工程] 0825[工学-航空宇航科学与技术] 

基　　金：旋翼空气动力学重点实验室开放课题(RAL20200101-2) 翼型、叶栅空气动力学国家级重点实验室开放课题(614220121020219) 

主　　题：机翼设计 多目标优化设计 深度置信网络 多目标粒子群优化算法 主成分分析 

摘      要：采用主成分分析技术对基于型函数/类函数变换(CST)参数化方法进行改进,以减少机翼的设计变量。建立了机翼的数据库,以数据库中机翼的几何参数和气动参数为训练样本,建立并训练了深度置信网络作为气动优化设计的代理模型。为了提高标准多目标粒子群算法的收敛速度和全局搜索能力,发展了基于α-stable分布函数的改进型多目标粒子群算法。将深度置信网络代理模型嵌入改进的多目标粒子群算法,开展了某通用飞机机翼的多目标气动优化设计。优化结果表明,采用主成分分析技术可大幅减少计算量。对优化所得机翼构型开展数值模拟验证,结果表明,在阻力系数不增加的条件下,优化机翼构型在多个工作状态下的升力系数显著提升。