基于Bezier-GAN的翼型气动和噪声多目标优化设计OA

针对传统翼型设计的参数化方法存在计算负担重、易陷入“维度灾难”等问题,文章借助Bezier-GAN模型在降维和翼型参数化表达方面的优势,基于UIUC数据库生成并筛选出一系列中、低厚度(18%~25%)的翼型数据,将其与UIUC数据库中的同类翼型合并,构建出包含2000个翼型数据的新数据集。采用半经验方法计算该数据集中翼型的气动噪声并构建噪声数据集,在改进的多层感知器(MLP)的基础上构建翼型噪声预测模型。以最大化气动特性、最小化气动噪声为目标函数,采用NSGA-Ⅱ算法进行多目标优化。结果表明,在6°攻角下,优化翼型的升阻比较DU93_210翼型提高了5.93%,噪声降低了1.46%。