基于神经网络技术的乘波体优化设计

乘波体是高超声速飞行器的主要组成部分,也是飞行器产生升力的主要部分.针对基于计算流体动力学(CFD)分析的乘波体优化设计问题,引入人工神经元网络响应面方法.选取一定数量的乘波体外形,进行气动性能分析后,利用乘波体的外形控制参数和气动参数做为训练样本对乘波体进行训练.利用这些训练样本对人工神经网络进行训练.在优化计算中以充分训练的神经网络替代CFD分析,发展了一种基于神经网络技术的乘波体优化设计方法.利用该方法在马赫数6、雷诺数7×10~6条件下,分别对乘波体进行了最大升阻比的单目标和综合考虑升阻比、容积及表面积的多目标优化.计算结果表明,采用神经网络响应面技术可在保证计算稳定性的条件下有效提高计算效率.

乘波飞行器低马赫数飞行状态下的气动性能研究

乘波飞行器在低马赫数飞行状态下的气动性能是近空间飞行器设计和研究人员关心的问题之一. 本文以M=3,设计飞行高度H=15 km为设计点,最大升阻比为优化目标,并通过满足一定的有效载荷容积,气动热防护和气动操纵的要求进行了工程化设计后得到的锥导乘波体为研究对象,借助数值模拟和风洞实验技术相结合的研究手段对乘波飞行器在跨声速和超声速飞行阶段的气动性能进行了探讨. 研究结果表明,乘波飞行器在该飞行阶段的气动性能与前缘所处的气动状态密切相关