基于神经网络与遗传算法的翼型优化设计
遗传算法的缺点在于计算过多的目标函数适应值而增加了优化设计的计算量。为了提高遗传算法的优化效率,本文将遗传算法进行改进并与神经网络算法相结合,建立了基于神经网络和遗传算法的翼型气动优化设计方法。采用三次B 样条曲线分别拟合翼型吸、压力面型线，应用均匀设计方法安排神经网络的取样，应用商用软件进行各样本点的CFD 计算。选取样条曲线控制点权系数作为优化变量，以翼型升阻比和翼型面积变化率为优化目标，对某设计翼型进行优化设计。算例表明，该优化方法稳定,设计质量高,效率比单纯遗传算法有很大提高,在工程中有较大的应用价值。
气动优化设计 神经网络 遗传算法 目标函数
陈立海 杨青真 孙志强
西北工业大学动力与能源学院 陕西 西安 710072
国内会议
大连
中文
1-8
2009-10-01（万方平台首次上网日期，不代表论文的发表时间）