基于CST-GAN的翼型参数化方法

翼型参数化方法对于翼型制造、气动和隐身等的优化设计具有非常重要的作用,为进一步提高参数化方法的表示能力,避免在优化过程中产生奇异外形进而提升翼型优化设计效率,结合外形控制能力更加灵活的类别形状函数变换方法（CST）及能够学习数据潜在分布的生成对抗网络模型（GAN）,基于现有翼型数据库构建了一种新型翼型参数化方法：CST-GAN。通过考察生成翼型的几何质量及其表示误差,研究设计维度对CST-GAN翼型参数化的影响,并与Bezier、B样条及主成分分析（PCA）方法的表示精度进行了对比,最后基于该方法开展翼型优化设计。结果表明,该方法可以生成光滑、有效的几何外形,并能实现对翼型较为精确的描述。与其他几种常用参数化方法相比,CST-GAN方法具有较快的优化收敛速度和较好的优化效果,有助于改善优化效率,节约计算成本。此外,该方法鲁棒性强、易于实现,有拓展至三维机翼及整机的参数化建模并进行气动优化设计的应用潜力。