基于人工神经网络的机翼外形预测

研究目的是根据机翼各项气动参数,快速准确地预测出符合气动条件的机翼外形.用PARSEC方法对剖面翼型进行参数化处理,得到表征其物理特性的外形参数;用守恒型全速势方程进行流场计算;建立包含214组机翼几何及气动特性的专家数据库.人工神经网络方法对数据库进行分类,训练和测试.先用SOM(Self-Organizing Map)神经网络按气动参数对数据进行分类,再分别用BP(Back Propagation)神经网络,RBF(Radial Basis Function)神经网络和GRNN(General regression Neural Net)进行训练和测试.机翼由6个翼剖面组成,每个翼剖面包含11个PARSEC特征参量,扭转角以及相对厚度,总共78个独立的外形参数.预测值和预期值的相关性分析以及误差分析表明,GRNN的预测结果相比于BP和RBF更为准确;在预测模型的升阻比的平均相对误差的绝对值时,BP的相对误差为2.37%,RBF是0.97%,GRNN是0.40%.