基于卷积神经网络的合成双射流控制机翼分离流场识别与参数优化

发布时间：2024-01-14 12:20

　　为进一步拓宽合成双射流(DSJ)技术在翼型分离流动控制领域的工程应用,采用数值模拟的方法,研究了DSJ对分离流的控制机理与控制规律,构建控制参数向量与气动参数之间的RBF神经网络代理模型,通过改进的粒子群算法(PSO)搜索一定约束下所能达到的最佳气动参数,并搭建Inception-V3卷积神经网络模型对平均速度场所对应的控制参数进行识别,以实现根据目标流场调整激励器参数,使其气动性能达到最优的目的。结果表明:DSJ对分离流的控制机理包括:动量注入效应、涡掺混效应、抽吸效应;射流控制参数对控制效果有较大影响,迎角为16°～21°时,无量纲控制频率F⁺在0.5～4.0范围内都具有较好的控制效果,迎角为22°～24°时,最佳无量纲控制频率为3～4,同时动量系数越大,增升减阻效果越明显;RBF神经网络具有良好的泛化能力,测试误差不超过17%;PSO优化结果显示,在16°≤α≤24°、0<F⁺<4、0<C_μ<0.0954约束内,翼型所能达到的最大升力系数为1.793,最小阻力系数为0.013;Incepti...

【文章页数】：8 页

本文编号：3878218