多目标优化设计方法在翼型气动优化中的应用研究
本文将粘性流场分析与数值优化方法结合起来,由粘性流场分析得到升力、阻力等气动参数作为样本训练神经网络,并用训练好的神经网络来预测优化目标函数,分别采用了多目标遗传算法(NSGA-Ⅱ)与多目标粒子群算法(DPW-PSO),对一种跨音速翼型的气动性能进行了多目标优化设计,并采用模糊偏好信息的多属性决策方法对多个优化解进行评价选优,以期找到一个合适的解。算例研究表明,两种多目标优化算法都能得到有限多个多目标优化解,通过多属性决策方法评价选优的优化翼型气动性能有明显提高。
跨音速翼型 气动优化过程 多目标遗传算法 多属性决策
王宏亮 席光
西安交通大学能源与动力工程学院,西安,710049
国内会议
浙江绍兴
中文
506-512
2007-10-31（万方平台首次上网日期，不代表论文的发表时间）