热能动力工程

作者：闫若鹏，黄典贵

单位：上海理工大学,,上海理工大学,

关键词：特征提取;翼型气动反设计;表面压力系数

基金：国家自然科学基金（51376123)

借鉴深度学习中通过卷积核对连续数据进行特征提取的方法，提出一种翼型气动反设计初步模型。将125组NACA标准翼型作为反问题的学习样本，并随机选取8组非样本NACA翼型检验反设计模型的预测功能。模型以翼型表面压力系数分布作为输入，将翼型几何形状作为输出，通过多层数据卷积的思想，最终找到由翼型表面压力分布到翼型几何的隐式对应关系。结果表明：学习样本内的125组翼型几何数据均方差可保持在1×10-4以下，而样本外的8组翼型几何数据均方差可保持在1×10-4以下，说明本模型具备一定的反设计预测精度。

来源：2021年第1期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2021年第1期