基于小样本神经网络与多约束的风力机翼型快速优化设计

针对神经网络模型可以基于现有数据快速准确地预测风力机翼型的气动性能,但大量学习样本的构建需要较高的时间成本的问题,建立基于小样本集的风力机翼型神经网络模型,提出了多约束条件下的翼型气动性能优化设计方法,解决了训练数据过少所造成的学习不充分问题。基于建立的优化设计模型,应用粒子群算法完成了NACA4415翼型的优化设计,将新翼型与原始翼型进行气动特性对比分析。结果表明：新翼型在主要工作攻角范围内最大升力系数提高了6.96%,最大升阻比提高了7.37%,气动性能明显改善;该方法的优化效率远远高于传统方法,从而验证了该方法的可行性。