基于深度学习的旋翼干扰下翼型气动优化

摘要

[目的]倾转旋翼机是极具发展潜力的旋翼类飞行器，但其旋翼对机翼的气动干扰更明显，需对其进行机翼的气动优化.针对计算流体力学(CFD)优化方法用时长，优化速度慢的问题，研究快速的基于深度学习的优化方法.[方法]基于多层感知器的翼型气动力快速预测模型，构建高效的旋翼气动干扰下的翼型气动优化方法.在不同来流条件下对翼型进行优化，并与基于CFD的优化方法进行结果对比，验证基于深度学习优化方法的准确性.针对旋翼不同工况下的滑流影响，开展多工况点翼型优化，并将优化翼型应用于三维机翼，验证优化效果.[结果]研究表明，基于深度学习的翼型气动力优化结果与基于CFD的优化结果相差不超过1%,优化计算时间缩短近3个数量级.将多工况点优化翼型应用于三维机翼后，机翼升力系数与升阻比在不同工况下均有提升.[结论]该方法规避了目前基于CFD的机翼优化方法耗时长的问题，可为相关气动部件优化提供参考.

关键词

倾转旋翼 / 旋翼气动干扰 / 翼型优化 / 深度学习 / 气动优化 / CFD优化 / 多层感知器