基于高斯过程回归和遗传算法的翼型优化设计

针对高升阻比风力机翼型前缘曲率半径较大的问题,传统的翼型参数化方法前缘控制能力不足,且基于面元法XFOIL预测精度差的问题,利用增强类函数/形函数转换（CST）参数化方法控制翼型的形状变化、拉丁超立方实验设计、计算流体力学（CFD）流场计算模块、高斯过程回归模型和遗传算法,提出了基于高可信度Reynolds average Navier-Stocks（RANS）和高斯回归模型辅助遗传算法的翼型优化设计方法。结果表明:基于高斯回归模型的翼型优化方法,可以将优化所用CFD计算次数降低一阶,从而大幅度提升优化设计效率。由标准算例超临界翼型RAE2822的降阻设计表明,在百次量级的CFD次数阻力降低43.16%,激波被削弱且升力、力矩和面积严格满足约束。由风力机翼型NACA64618的最大化升阻比优化设计表明,所设计翼型不仅在设计攻角和副设计攻角处升阻比大大增加,在整个小攻角范围内其气动性能都得到了提升,且两个主设计点,无不良阻力的产生。