基于机器学习的翼型水动力性能优化设计

基于机器学习的翼型几何优化设计方法可有效避免复杂的计算流体力学数值求解过程，具有更高的计算效率。对翼型进行参数化表示，构建机器学习模型与优化算法进行学习和预测，能极大地减少翼型优化设计时间。论文开展了基于机器学习的翼型水动力性能预测和优化设计研究。运用CST方法对翼型进行参数化表示；采用XGBoost建立翼型水动力特性快速预报模型；结合机器学习方法和遗传算法，综合考虑升力系数、阻力系数和翼型表面压力系数建立优化模型，完成了某翼型的优化设计与水动力性能分析。结果表明：提出的翼型优化设计方法可获取优良翼型，对船用螺旋桨叶剖面设计优化具有重要意义。