基于BP神经网络代理模型的翼型优化及领域自适应研究

来源：动力工程学报杂志2022年第7期北京时间：

作者：陈晨铭, 郭雪岩, 常林森,

摘要：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。

关键词：翼型优化,深度学习,代理模型,深度前馈网络,领域自适应,