基于RBF神经网络与布谷鸟搜索算法的Gurney襟翼优化新框架
流体动力学
2023-07-26 v1
摘要
提升气动效率对于优化飞行器性能与作战效能至关重要。它能够实现更高速度并降低燃油消耗，从而减少运营成本。因此，采用Gurney襟翼是改善翼型气动特性的一个有前景的途径。Gurney襟翼的优化对于改善飞机与风力机叶片设计中翼型的升力与失速特性具有重要意义。Gurney襟翼的效能很大程度上取决于其设计参数，即襟翼高度与安装角。本研究尝试利用一种设计优化框架来优化这些参数，该框架基于二维（2D）雷诺平均纳维-斯托克斯（RANS）模拟的CFD数据训练径向基函数（RBF）代理模型。随后采用布谷鸟搜索（Cuckoo Search）算法获取最优设计参数，并与其他竞争优化算法进行比较。优化后的Gurney襟翼构型在Cl/Cd上显著提升了10.28%，其襟翼高度为1.9%c、安装角为-58度。本研究凸显了所提设计优化框架的有效性，并为Gurney襟翼参数优化提供了有价值的见解。元启发式算法的比较进一步增强了本研究对Gurney襟翼设计优化的贡献。
引用
@article{arxiv.2307.13612,
title = {A Novel Framework for Optimizing Gurney Flaps using RBF Neural Network and Cuckoo Search Algorithm},
author = {Aryan Tyagi and Paras Singh and Aryaman Rao and Gaurav Kumar and Raj Kumar Singh},
journal= {arXiv preprint arXiv:2307.13612},
year = {2023}
}