基于cst参数化方法的飞机翼型快速设计研究

《基于cst参数化方法的飞机翼型快速设计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP391论文编号：102871612-S092学科分类号：081203硕士学位论文基于CST参数化方法的飞机翼型快速设计研究研究生姓名徐亚峰学科、专业计算机应用研究方向模式识别与机器学习指导教师刘学军副教授南京航空航天大学研究生院计算机科学与技术学院二○一二年一月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofInformationScienceandTechnologyFastAirfoilDesignBasedonCSTParameterizat

2、ionAThesisinComputerApplicationTechnologyByXuYafengAdvisedbyAssociateProf.LiuXuejunSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary,2012承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学

3、位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要机翼是飞机的主要升力面，是其主要部件之一。而翼型是机翼和尾翼成形的重要组成部分，其设计的优劣直接影响到飞机的气动性能和飞行品质。传统的基于风洞实验以及CFD翼型设计方法需要反复的计算以及实验来对翼型逐步修形改进,设计周期长、代价高,并且对设计人员的经验有较高的要求。最近有研究者提出了基于高斯过程回归的翼型快速设计方法，

4、该方法具有速度快，精确度高的特点。然而此方法使用的设计变量为NACA四位翼型族的NACA参数，设计变量少，通用性不强，预测精度有进一步提升的空间。为弥补其缺点，本文将CST翼型参数化方法，与机器学习中的高斯过程回归方法相结合，通过对已有的翼型数据的学习，实现对未知翼型气动性能或者外形数据的快速准确预测。文中选取一组NACA四位族翼型，获得其不同阶数下的CST参数描述数据，并分别计算其在一定飞行条件下的升力系数、阻力系数和压力分布数据。利用这些数据对高斯过程回归模型进行训练，实现了翼型气动性能的快速预测以及反设计系统。并将实验结果与采用NACA翼型参数表示法

5、得到的预测结果进行了对比。实验结果表明，基于CST参数化方法的翼型快速设计准确度高、稳定性高、推广能力强、速度快，在辅助现有的翼型设计方面具有较大的应用价值。关键词：翼型设计；CST参数化方法；高斯过程回归；气动性能预测；反设计i基于CST参数化方法的飞机翼型快速设计研究ii南京航空航天大学硕士学位论文ABSTRACTWingisthemainliftingsurfaceandamajorcomponentofaplane.Airfoilisakeypartofwingsandempennage.Thequalityofairfoildesigndirec

6、tlyaffectsaplane’saerodynamicperformanceandflyingqualities.Traditionalmethodsoftheairfoildesign,suchaswindtunnelandCFD-basedapproaches,aretime-consumingandcostly,andhighlyrelyonthedesigners’experience.AfastaerofoildesignmethodbasedonGaussianprocessregressionhasbeingproposedrecentl

7、y.Itiscomputationallyfastandaccurate.HoweverthismethodusesNACAparametersasdesignvariables,andthenumberofdesignvarivablesisrelativelysmall.Thiseasilyleadstopoorgeneralizationcapability.Toovercometheshortcomingsofpreviouswork,thispapercombinesCSTparameterizationandGaussianprocessreg

8、ressiontoefficientlypredictairfoi