|
|||||
|
|
| 低雷诺数下翼型分离流动抽吸控制优化 | |
| 摘 要： | 为了获得不同目标下最优抽吸控制参数,开展了分离流动抽吸控制优化研究,基于RBF神经网络与遗传算法,发展了求解单目标和Pareto多目标问题的优化平台。针对NACA0012翼型表面分离流动,在其上表面设计了局部多孔分布式抽吸结构,将径向基函数(Radial Basis Function,RBF)神经网络作为CFD计算的代理模型,以减小计算量;采用遗传算法开展了单目标和Pareto多目标优化。优化结果表明:该优化设计平台具有良好的收敛性和准确度;以升阻比为单目标的优化使升阻比最大增加了2.4倍;Pareto多目标优化设计获得了分布均匀的、令人满意的Pareto解集,为设计者提供了一个可选的有效解数据库。在合理选择抽吸角度、抽吸孔径和孔间距的前提下,只需较小的抽吸系数,就可使升阻比获得明显增加,同时,还能保持较高的FOM值,使整个控制系统的能效比维持较高水平。 |
Optimization of suction control on separation flow around an airfoil at low Reynolds number |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |