[发明专利]一种基于神经网络的超临界翼型抖振优化方法

说明书

本发明公开了一种基于神经网络的超临界翼型抖振优化方法，包括：通过CFD技术得到待优化翼型定常状态流场参数并预估抖振边界，由加点非定常计算处理得到抖振始发攻角与抖振完全建立攻角；生成样本数据库，首先采用FFD方法将翼型几何参数化以添加设计变量，其次利用拉丁超立方采样方法在设计空间中生成一系列超临界翼型的翼型库，并计算抖振始发攻角与抖振完全建立攻角的气动数据，利用相关数据训练多层感知神经网络模型；对给定优化问题采用遗传算法NSGA‑II计算求解。本发明考虑了抖振始发状态的性能约束有利于抖振边界优化有效性的判断；另外由于采用神经网络模型代替超临界翼型非定常计算，在保证精度的同时大大节省了设计周期，提高了设计效率。

技术领域

本发明属于航空技术领域，具体涉及一种超临界翼型抖振优化方法。

背景技术

超临界翼型能够提高飞机的阻力发散马赫数，从而拓宽了民用客机的飞行速域。因此，大型民用客机机翼普遍采用的是超临界翼型。然而，当飞行马赫数增加或者飞行迎角增加时，翼型上表面会产生激波诱导分离区域，激波与分离区相互作用，导致大范围的激波自持振荡。这种激波抖振现象会带来非定常气动载荷，从而导致飞机结构疲劳，操纵困难，限制了飞行包线。所以，有必要对超临界翼型进行优化设计，以此来抑制抖振。

国内外已开展了一些关于抖振优化设计的工作。如：在使用低保真度的模型进行多学科优化(MDO)时，估计抖振起始边界，并将该边界加入到MDO中；在飞机概念设计阶段考虑抖振边界的约束；在基于计算流体力学(CFD)的气动优化设计中，添加约束：抖振升力系数大于巡航升力系数的130％，从而进行巡航减租优化。这些考虑抖振的优化设计工作的普遍做法是将抖振始发作为一个约束条件，并没有将抖振相关量作为一个优化目标函数，所以并不能最大限度提高抖振始发边界。

发明内容

为了克服现有技术的不足，本发明提供了一种基于神经网络的超临界翼型抖振优化方法，包括：通过CFD技术得到待优化翼型定常状态流场参数并预估抖振边界，由加点非定常计算处理得到抖振始发攻角与抖振完全建立攻角；生成样本数据库，首先采用FFD方法将翼型几何参数化以添加设计变量，其次利用拉丁超立方采样方法在设计空间中生成一系列超临界翼型的翼型库，并计算抖振始发攻角与抖振完全建立攻角的气动数据，利用相关数据训练多层感知神经网络模型；对给定优化问题采用遗传算法NSGA-II计算求解。本发明考虑了抖振始发状态的性能约束有利于抖振边界优化有效性的判断；另外由于采用神经网络模型代替超临界翼型非定常计算，在保证精度的同时大大节省了设计周期，提高了设计效率。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：计算待优化翼型的抖振始发攻角α_onset和抖振完全建立攻角α_established；

步骤1-1：生成待优化翼型的计算网格；对待优化翼型进行定马赫数、不同攻角下的定常CFD数值模拟得到定常CFD计算结果，采用升力线线性段斜率变化0.1的方法进行抖振边界的预估；

步骤1-2：在预估的抖振边界的±0.5°范围内，以固定步长进行加点非定常计算，根据非定常计算结果，得到待优化翼型的抖振始发攻角α_onset和抖振完全建立攻角α_established；待优化翼型抖振完全建立攻角下的升力系数时均值待优化翼型抖振完全建立攻角下的阻力系数时均值待优化翼型抖振完全建立攻角下的俯仰力矩系数时均值以及待优化翼型抖振始发攻角下的升力系数时均值待优化翼型抖振始发攻角下的阻力系数时均值待优化翼型抖振始发攻角下的升力系数PSD的峰值

步骤2：生成样本，计算样本数据库，建立神经网络模型；

步骤2-1：对待优化超临界翼型，采用自由变形FFD方法进行几何参数化；建立一个完全包围待优化超临界翼型的FFD框，选取FFD框上各点的纵向y_i,i＝1…n坐标的改变量△y_i,i＝1…n为设计变量；