基于最小化设计空间维度的气动usel优化：Design-by-Morphing 方法
机器学习
2025-11-17 v2 流体动力学
摘要
有效的气动usel几何优化需要通过尽可能少的设计变量来探索多样化的设计范围。本研究介绍了 AirDbM，这是一种专为气动usel优化而设计的 Design-by-Morphing (DbM) 方法，系统性地降低了设计空间的维度。AirDbM 从 UIUC 气动usel数据库（包含超过 1600 个轮廓）中选择一组最佳的 12 个基准气动usel，通过依次添加能够最显著提升设计容量的基准轮廓来实现这一目标。通过这些基准，AirDbM 能够以均值绝对误差低于 0.005 的精度重建数据库中的 99%，这与以更多基准轮廓的先前 DbM 方法性能相当。在多目标气动优化中，AirDbM 表现出快速收敛能力，并实现的帕累托前沿的超体积大于该先前更大基准研究的帕累托前沿，其中发现了新的帕累托最优解，提升了在适度失速容忍度下的升力/阻力比。此外，AirDbM 在生成气动usel几何方面对强化学习 (RL) 普感体的适应性方面表现优异，优于传统气动usel参数化方法，暗示了 DbM 在机器学习驱动的设计中的更广泛潜力。
引用
@article{arxiv.2510.16020,
title = {Airfoil optimization using Design-by-Morphing with minimized design-space dimensionality},
author = {Sangjoon Lee and Haris Moazam Sheikh},
journal= {arXiv preprint arXiv:2510.16020},
year = {2025}
}