[发明专利]一种基于神经网络集成的气动外形优化方法

摘要

本发明针对飞行器气动外形优化问题，提出了一种基于神经网络集成的气动外形优化方法。该方法首先根据不同的气动外形参数构建多个气动外形作为样本，采用数值分析方法获得每个样本的目标函数。基于样本数据，采用神经网络集成方法构建目标函数近似模型。与数值分析方法相比，近似模型精度较低但计算量小得多。将目标函数近似模型与直接搜索算法结合进行优化搜索，在搜索过程中基于一定的策略调用数值分析方法或近似模型获取目标函数，直至获得最优气动外形。该方法能在保证优化效果的前提下，有效减少优化过程中数值分析的次数，提高优化设计效率和质量，非常适用于飞行器气动外形优化设计及相关的工程问题。

主权项

1.一种基于神经网络集成的气动外形优化方法，其特征在于步骤如下：1）选取气动外形参数作为设计变量；根据不同的气动外形参数构建多个气动外形作为样本，采用数值分析方法获得每个样本的目标函数；2）根据步骤1）获得的每个样本的目标函数，采用神经网络集成方法构建目标函数近似模型；检验目标函数近似模型对目标函数的近似精度，如果近似精度小于预设值，则转到步骤3）；如果近似精度大于等于预设值，则重新构建目标函数近似模型；3）将所有设计变量变化范围均匀分成多个区域，形成网格；基于近似模型从所有网格点中获取目标函数大于阈值的网格点形成试探点集合；采用数值分析方法获得试探点集合T_k中所有试探点的目标函数f(x)，如果有x_s使得f(x_s)>f(x_k)，则设置并转到步骤4），其中为第m个设计变量在第k次迭代搜索时的网格尺寸，l为非负整数，L_m为第m个设计变量变化范围，M_k为第k次迭代搜索时的网格点集合，x_k为第k次迭代搜索时的最优解；如果所有试探点的目标函数都小于等于f(x_k)，则将经数值分析方法获得的网格点加入到样本中并跳回至步骤2）重新构建目标函数近似模型；4）在当前最优解附近阈值范围内选取网格点形成架构点集合X_k，基于近似模型获得架构点集合X_k中所有架构点的目标函数f(x)，根据获得的每个构架点的目标函数值，按照从小到大的顺序依次排列架构点；用数值分析方法依次获取架构点目标函数；如果有x_p(x_p∈X_k)使得f(x_p)>f(x_k)，则并转到步骤3）；如果所有架构点的目标函数都小于等于f(x_k)，则转到步骤5）；5）判断是否满足预设的收敛条件；如果不满足收敛条件，将网格尺寸变为原先的1/4，即将经数值分析方法获得的架构点加入到样本中，并跳回步骤2）重新构建目标函数近似模型；如果满足收敛条件，则得到最优解，停止迭代。