摘要：基于Busemann雙翼的設(shè)計方法,采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial-Basis Function Neural Network,RBFNN)和基于遺傳算法(Genetic Algorithm,GA)的優(yōu)化技術(shù)對Licher雙翼進(jìn)行了優(yōu)化設(shè)計以提高設(shè)計馬赫數(shù)情況下的升阻比。通過計算流體力學(xué)(Computational Fluid Dynamics,CFD)方法在無黏性和黏性模式下對優(yōu)化設(shè)計結(jié)果進(jìn)行了驗證。結(jié)果表明,與典型的Busemann雙翼相比,優(yōu)化后的雙翼構(gòu)型在無黏模擬情況下的升力和升阻比分別提高了27.3%和27.4%,黏性模擬情況下則提升了近60%和40%,表明本文采用的方法對于將雙翼構(gòu)型應(yīng)用于未來超聲速運(yùn)輸機(jī)領(lǐng)域具有很大的潛力。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
