基于自编码器的气动声学翼型形状优化
流体动力学
2022-10-04 v1
摘要
我们提出了一种用于翼型形状优化的框架，以降低风力机叶片设计中的后缘噪声。远场噪声采用 Amiet 理论结合 TNO-Blake 模型计算壁面压力谱，并利用快速周转的 XFOIL 模拟评估边界层参数。该计算框架首先使用零攻角下的 NACA0012 翼型进行了验证。采用粒子群优化寻找最优翼型构型。多目标优化在各种攻角下最小化 A 计权总声压级，同时确保足够的升力和最小阻力。我们将定义翼型几何形状的传统参数化方法（即 CST）与机器学习方法（即变分自编码器）进行比较。我们观察到变分自编码器仅用四个编码变量即可表示多种几何形状，从而实现高效优化，并获得更优的形状。与基准几何形状 NACA0012 相比，基于自编码器的优化翼型使总声压级降低 3%（1.75 dBA）（在整个频率范围内噪声均降低），同时在升力和阻力方面保持有利的空气动力特性。
引用
@article{arxiv.2210.00101,
title = {Aeroacoustic airfoil shape optimization enhanced by autoencoders},
author = {Jiaqing Kou and Laura Botero-Bolívar and Román Ballano and Oscar Marino and Leandro de Santana and Eusebio Valero and Esteban Ferrer},
journal= {arXiv preprint arXiv:2210.00101},
year = {2022}
}