排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
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。 相似文献
2.
针对风力机翼型在进行高精度设计时变量维度高的问题,提出改进的集成泛函理论与型函数扰动相结合的混合参数化方法。通过串行设计,在不提高设计维度的前提下,实现翼型的全局优化与局部再优化。基于该方法并应用自适应设计空间的粒子群算法,获得最大相对厚度为15%的混合优化翼型。与风力机专用翼型Ris?-A1-15以及集成优化翼型进行气动特性比较分析,新翼型在工作攻角范围内的升力系数平均提升了38.62%与6.48%,最大升阻比提升了6.02%与1.75%,气动特性明显改善。从而验证了该方法的有效性,为翼型的精细化设计提供了新思路。 相似文献
3.
1