热能动力工程

作者：鞠 浩，王旭东，陆佳红，秦雪帅

单位：重庆工商大学 制造装备机构设计与控制重庆市重点实验室，重庆 400067,,重庆工商大学 制造装备机构设计与控制重庆市重点实验室，重庆 400067；重庆工商大学 国家智能制造服务国际科技合作基地，重庆 400067,,重庆工商大学 制造装备机构设计与控制重庆市重点实验室，重庆 400067,,重庆工商大学 制造装备机构设计与控制重庆市重点实验室，重庆 400067,

关键词：风力机翼型;神经网络;小样本;多约束;优化设计

基金：重庆市基础与前沿研究计划项目(cstc2016jcyjA0448)；重庆市教委科学技术研究项目(KJ1600628)；制造装备机构设计与控制重庆市重点实验室开放基金项目(1556031)；重庆工商大学研究生创新科研项目(yjscxx2022-112-158)

针对神经网络模型可以基于现有数据快速准确地预测风力机翼型的气动性能，但大量学习样本的构建需要较高的时间成本的问题，建立基于小样本集的风力机翼型神经网络模型，提出了多约束条件下的翼型气动性能优化设计方法，解决了训练数据过少所造成的学习不充分问题。基于建立的优化设计模型，应用粒子群算法完成了NACA4415翼型的优化设计，将新翼型与原始翼型进行气动特性对比分析。结果表明：新翼型在主要工作攻角范围内最大升力系数提高了6.96%，最大升阻比提高了7.37%，气动性能明显改善；该方法的优化效率远远高于传统方法，从而验证了该方法的可行性。

来源：2022年第11期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第11期