改进的BP神经网络技术在平面叶栅气动性能实验中的应用

将多维实验方法应用于平面叶栅正反向流动实验中，避免了单参数实验方法中的缺陷，大大提高了实验数据的可靠性。同时采用改进的BP神经网络技术，对气动性能实验数据进行分析。实验发现：低雷诺数下，翼型的流动状态很复杂，附着涡在确定翼型边界层行为和失速特性中起着重要作用。在反向流动中，翼型的吸力面常伴随有旋涡的流动，类似于薄翼流动，翼型在较小的迎角下就会发生薄翼失速。