[发明专利]基于人工神经网络的飞机翼型/机翼反设计方法

摘要

本发明属于飞机设计技术领域，具体为一种基于人工神经网络的飞机翼型/机翼反设计方法。本发明方法包括利用翼型/机翼PARSEC参数化方法重构翼型/机翼的表达方式，通过人工神经网络（ANN）算法，实现反设计技术。本发明撇开了传统的翼型/机翼设计繁琐而低效率的枚举‑迭代方法（cut‑and‑try），直接建立翼型/机翼气动性能与翼型/机翼几何外形的关系，实现了基于人工神经网络的翼型/机翼参数化反设计。本发明特点一是快速，十分适合于飞机的总体设计尤其是初始设计中；二是由于应用人工神经网络算法到位，使得产生的结果非常准确。

主权项

一种基于人工神经网络的飞机翼型/机翼反设计方法，其特征在于具体步骤为：(1)首先，利用翼型/机翼PARSEC参数化方法重构翼型的表达方式，即用11个PARSEC外形参数：前缘半径rle、上/下翼面最大厚度xup和xlo、上/下翼面最大厚度对应位置zup和zlo、上/下翼面顶点曲率zxxup和zxxlo、后缘宽度△zte、后缘垂直高度zte、后缘楔角βte、后缘方向角αte来模拟翼型几何情况，用6个气动性能参数：升力系数CL、阻力系数CD、力矩系数CM、巡航效率M(CL/CD)、摩擦阻力系数CDF、激波阻力系数CDW来描述翼型的气动性能；于是，上翼面和下翼面曲线参数化表达式为式(1)所示：z(x)=Σn=16anxn-12---(1)]]>an为多项式系数，对于上翼面，系数an由矩阵方程(2)给出：100000xte12xte32xte52xte72xte92xte112xup12xup32xup52xup72xup92xup11212xte-1232xte1252xte3272xte5292xte72112xte9212xup-1232xup1252xup3272xup5292xup72112xup92-14xup-3234xup-12154xup12354xup32634xup52994xup72a1a2a3a4a5a6=2rlezte+Δzte2zup-tan(αte+βte)0zxxup---(2)]]>对于下翼面，系数an由矩阵方程(3)给出：100000xte12xte32xte52xte72xte92xte112xlo12xlo32xlo52xlo72xlo92xlo11212xte-1232xte1252xte3272xte5292xte72112xte9212xlo-1232xlo1252xlo3272xlo5292xlo72112xlo92-14xlo-3234xlo-12154xlo12354xlo32634xlo52994xlo72a1a2a3a4a5a6=2rlezte-Δzte2zlo-tan(αte-βte)0zxxlo---(3)]]>获得拟合系数，便建立起几何参数与实际翼型外形的联系；在PARSEC几何参数化方法的基础上，对翼型/机翼反设计以几何参数为优化对象；(2)接着，利用翼型的几何参数数据通过翼型的选择和尺寸缩放来塑造不同展长位置的翼剖面；结合不同展长位置处的机翼相对厚度参数和扭转角参数，利用样条曲线拟合机翼翼形，获得机翼的几何数据；相对应的机翼气动性能描述的参数包括：巡航效率M(CL/CD)、机翼升力系数CLWING、机翼阻力系数CDWING、压差阻力系数CDP、诱导阻力系数CDI、激波阻力系数CDW和机翼力矩系数CMQING；(3)然后，根据前面步骤得到的关于翼型和机翼的几何数据的结果，应用于大量的翼型之上，以形成翼型几何数据库；要求做到：(A)气动数据以及几何数据覆盖足够大的范围，使得该反设计技术能够有实用价值；(B)数据库在某一类别下的数据足够充实，以确保后面步骤(4)所需要的人工神经网络的学习能够既完整又准确；数据库经过人工神经网络的训练，形成可用的反设计人工神经网络；采用SOM算法，对于翼型几何数据进行分类，以确保作为反设计人工神经网络的训练输入端的翼型数据能够在几何上尽量相接近；(4)在此基础上，通过人工神经网络算法，进行反设计人工神经网络的训练工作；其中，关于神经网络的训练，采用GRNN算法：输入端为机翼/翼型的气动性能数据，该气动性能数据可以按照反设计的需求进行取舍，输出端是对应的机翼/翼型的几何数据；(5)当反设计人工神经网络训练完成之后，在此训练完毕的人工神经网络之上进行反设计的工作，即用户在网络的输入端输入所要求的翼型/机翼气动性能参数，此时输出端的结果就是所需要的对应所要求的气动性能参数的翼型的几何参数；通过第(1)步中的翼面还原方法，得到最终的结果。