一种基于数据驱动的翼型优化算法

本发明公开了一种基于数据驱动的翼型优化算法，涉及CFD和人工智能技术领域，其目标在于通过优化翼型形状使得其气动力学特性得到改进。首先，对翼型几何进行建模，以NACA‑4SERIES‑MODIFIED的格式将几何信息提取成最大弧度、最大弧度位置、最大厚度、最大厚度位置、前缘半径指数这五个维度的信息，这些信息将作为翼型几何的数据特征。之后对翼型几何的数据特征空间进行充分采样，获取待标注的翼型几何数据库。接下来通过CAE软件对翼型数据进行标注，求解其在不同攻角下的升力系数和阻力系数的计算。然后用深度神经网络在标注好的数据库上进行训练，获得可微分的代理模型。最后用训练好的代理模型对需要优化的翼型进行形状优化，采用的优化算法为梯度类优化算法，目标值和梯度计算均由代理模型完成。本发明计算代价低、优化效率更高。