[发明专利]基于径向基函数神经网络代理模型的翼型设计方法

说明书

本发明公开了一种基于径向基函数神经网络代理模型的翼型设计方法，包括以下步骤：(1)利用B样条方法获取控制点；(2)构建翼型设计参数库；(3)设计目标函数；(4)构建四个径向基函数神经网络；(5)使用代理优化算法得到优选的翼型设计参数；(6)根据优选的翼型设计参数得到翼型。本发明通过构建代理模型，使用代理优化算法来获取优选的翼型设计参数，可以提高优化的效率，降低时间和费用成本，而且能够适用于更多种类型的翼型设计。

技术领域

本发明属于航空技术领域，更进一步涉及航空飞行器技术领域中的一种基于径向基函数神经网络代理模型的翼型设计方法。本发明可用于优化跨音速飞机中机翼的形状曲线。

背景技术

飞行器的速度常用马赫来表示，1马赫等于1倍音速，在跨音速飞行时飞行器的表面既有超过1马赫又有低于1马赫的气流，这种情况下气动特性会发生急剧的变化，开始产生激波，飞行器受到的阻力会剧增并可能会产生颤抖，因此较少有为跨音速飞行设计的飞机，另外在飞行器的外形设计中，翼型的设计是难题之一，它包含了许多的参数，包括展弦比、前缘半径、翼型面积，后缘角度等，它们都会影响到飞机的气动性能，其中翼型的升阻比是一个非常重要的性能指标，人们一直追求着高升力，低阻力的翼型。近几年翼型设计方法有了一些进步，但目前仍然存在许多问题。

西北工业大学在其申请的专利文献“宽速域大升力线斜率对称翼型设计方法及翼型”(申请号：2018113191471申请公布号：CN 109484623 A)中公开了一种对称翼型设计方法，该方法先构建克里金模型，然后使用在优化过程中使用最大期望的加点准则来持续更新模型，直到得到满足条件的设计方案。该方法设计出的宽速域下的对称翼型具有大的升力线斜率的特点，可以满足空天飞行器在不同速域下对舵面效率的要求。但是，该方法仍然存在的不足之处是，该设计方法在优化过程中需要更新模型，而且其使用的克里金模型不能解决大量翼型参数的翼型设计问题。

北京航空航天大学在其申请的专利文献“一种考虑加工误差的高超声速机翼鲁棒优化设计方法”(申请号：2016105546919申请公布号：CN 106126860 A)中公开了一种考虑加工误差的高超声速机翼鲁棒优化设计方法。该方法通过参数化方法建立高超声速机翼气动外形并进行非结构表面网格划分，建立多目标区间鲁棒优化模型，应用遗传算法对机翼外形进行优化设计，该方法在保持机翼升阻比约束的前提条件下，降低了所设计机翼的驻点总加热量，同时减小了驻点总加热量的波动范围，但是，该方法仍然存在的不足之处是，其多次使用的遗传算法在迭代过程中需要大量的计算种群中个体的适应度，因此设计过程会非常的耗时且昂贵。

发明内容

本发明的目的在于针对上述已有技术存在的不足，提出了一种基于径向基函数神经网络代理模型的翼型设计方法，解决现有技术设计效率低下、费用昂贵的问题。

实现本发明目的的技术思路是，构建四个径向基函数神经网络，然后用代理优化算法寻找最优翼型形状参数，可以节约大量的适应度计算次数，降低时间和费用成本。

为了实现上述目的，本发明的方法包括如下步骤：

步骤1，利用下述B样条公式，获取翼型表面的所有控制点：

其中，B(u)表示由[0,1]间的非递减数组成的节点向量u下的翼型表面的形状曲线，n表示控制点的总数，i表示控制点的序号，P_i表示第i个控制点，k表示B样条曲线的阶数，k的取值为3，N_i,k(u)表示k阶的B样条基函数；

步骤2，建立翼型设计参数库：

将每个控制点的横坐标保持不变，每个控制点的纵坐标作为翼型的设计参数，将一个翼型的形状曲线上所有控制点纵坐标组成一组翼型设计参数，根据实践经验确定控制点纵坐标的取值范围，使用拉丁超立方采样方法，在该范围内获取v组翼型设计参数，v的数量等于控制点的总数的11倍，组成翼型设计参数库；

步骤3，设计目标函数：