首页 | 本学科首页   官方微博 | 高级检索  
     

积冰几何特性对翼型性能影响的神经网络预测
引用本文:袁坤刚,曹义华. 积冰几何特性对翼型性能影响的神经网络预测[J]. 北京航空航天大学学报, 2008, 34(8): 900-903
作者姓名:袁坤刚  曹义华
作者单位:北京航空航天大学 航空科学与工程学院, 北京 100191
摘    要:积冰几何形状对翼型气动系数的影响是复杂的.采用BP(Back Propagation)神经网络的LM(Levenberg-Marguardt)学习算法,建立明冰的典型几何特性(冰角前缘半径、冰角高度和冰角位置)对翼型气动系数影响的神经网络,得到该3种几何参数对气动系数影响的规律;建立了典型冰形参数对最大升力系数影响的神经网络,该网络能很好的预测冰形参数对应的最大升力系数值;此外,建立了冰型位置对舵面铰链力矩系数影响的神经网络.仿真结果表明,BP神经网络仿真结果与实验值具有高度一致性,并能预测非实验值条件下的气动系数;翼型表面积冰位置变化对气动系数影响最大;铰链力矩系数在失速迎角达到之前就发生突变,可以更安全地用来预测失速的发生. 

关 键 词:积冰   气动性能   气动系数   神经网络   失速
收稿时间:2007-07-13

Effect of ice geometry to airfoil performance using neural networks prediction
Yuan Kungang,Cao Yihua. Effect of ice geometry to airfoil performance using neural networks prediction[J]. Journal of Beijing University of Aeronautics and Astronautics, 2008, 34(8): 900-903
Authors:Yuan Kungang  Cao Yihua
Affiliation:School of Aeronautic Science and Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100191, China
Abstract:The ice accretion geometric characteristics have complex effects on airfoil aerodynamic coefficients.By using levenberg-marguardt(LM) learn algorithm of back-propagation(BP) network,several neural networks were established to get correlations between typical glaze ice geometry(ice horn leading-edge radius,ice height and ice horn position on airfoil surface) and airfoil aerodynamic coefficients.The neural network was also generated for predicting the maximum lift coefficient in typical ice accretion geometri...
Keywords:ice accretion  aerodynamic performance  aerodynamic coefficient  neural network  stall  
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《北京航空航天大学学报》浏览原始摘要信息
点击此处可从《北京航空航天大学学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号