基于RBF神经网络和遗传算法的超声速Licher双翼优化设计研究

基于Busemann双翼的设计方法,采用径向基函数神经网络(Radial-Basis Function Neural Network, RBFNN)和基于遗传算法(Genetic Algorithm, GA)的优化技术对Licher双翼进行了优化设计以提高设计马赫数情况下的升阻比。通过计算流体力学(Computational Fluid Dynamics, CFD)方法在无黏性和黏性模式下对优化设计结果进行了验证。结果表明,与典型的Busemann双翼相比,优化后的双翼构型在无黏模拟情况下的升力和升阻比分别提高了27.3%和27.4%,黏性模拟情况下则提升了近60%和40%,表明本文采用的方法对于将双翼构型应用于未来超声速运输机领域具有很大的潜力。