[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)的飛行器氣動(dòng)外形優(yōu)化方法、裝置及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210344429.7
• 申請(qǐng)日: 2022-03-31
• 公開（公告）號(hào): CN114676639A
• 公開（公告）日: 2022-06-28
• 發(fā)明（設(shè)計(jì)）人: 武頻;袁雯琰;劉志濤;許立基
• 申請(qǐng)（專利權(quán)）人: 上海大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/08;G06F119/14;G06F111/04;G06F113/28
• 代理公司: 北京卓勝佰達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 16026
• 代理人: 劉冬梅

本發(fā)明公開一種基于神經(jīng)網(wǎng)絡(luò)的飛行器氣動(dòng)外形優(yōu)化方法、裝置及介質(zhì)。具體是通過WGAN?div模型學(xué)習(xí)現(xiàn)有的飛行器形狀特征，并使用潛在變量來穩(wěn)定地生成多樣化的設(shè)計(jì)，通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)生成的飛行器形狀進(jìn)行智能參數(shù)化，通過MMoE?3D模型的訓(xùn)練多任務(wù)學(xué)習(xí)，以實(shí)現(xiàn)對(duì)飛行條件下馬赫數(shù)(0.4?0.8,1.2?1.6)和滾動(dòng)角(2°?90°)的軸向力CA、法向力CN、俯仰力矩Cm和壓力中心Xcp的快速預(yù)測(cè)。最后，這三個(gè)部分被整合，并使用差分進(jìn)化算法(DE)來完成飛行器形狀的優(yōu)化設(shè)計(jì)，有效地解決了飛行器氣動(dòng)外形優(yōu)化慢的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及飛行器氣動(dòng)外形設(shè)計(jì)領(lǐng)域，更具體地，涉及一種基于神經(jīng)網(wǎng)絡(luò)的飛行器氣動(dòng)外形優(yōu)化方法、裝置及介質(zhì)。

背景技術(shù)

由于飛行器的氣動(dòng)數(shù)據(jù)與飛行器外形參數(shù)高度非線性相關(guān)，基于空氣動(dòng)力學(xué)的飛行器形狀設(shè)計(jì)是一項(xiàng)非常困難和耗時(shí)的任務(wù)。因此，設(shè)計(jì)一個(gè)自動(dòng)和高效的框架來設(shè)計(jì)飛行器的空氣動(dòng)力學(xué)形狀以滿足各種性能要求是很重要的。早期的空氣動(dòng)力學(xué)設(shè)計(jì)依賴于試錯(cuò)法，導(dǎo)致設(shè)計(jì)效率不高，不僅需要敏銳的直覺和大量的經(jīng)驗(yàn)，還需要大量的財(cái)政和物質(zhì)資源。因此，用這種方法很難獲得真正的最優(yōu)方案。

在20世紀(jì)70年代，隨著計(jì)算機(jī)技術(shù)的不斷提高，基于計(jì)算流體力學(xué)(CFD)的空氣動(dòng)力學(xué)設(shè)計(jì)方法開始發(fā)展。CFD、風(fēng)洞試驗(yàn)和理論分析逐漸成為空氣動(dòng)力學(xué)設(shè)計(jì)的主要工具。由于風(fēng)洞試驗(yàn)過于昂貴，理論分析不能準(zhǔn)確描述空氣動(dòng)力學(xué)細(xì)節(jié)，基于CFD的空氣動(dòng)力學(xué)設(shè)計(jì)方法被逐漸引入。目前，與CFD相結(jié)合的空氣動(dòng)力形狀優(yōu)化設(shè)計(jì)方法主要分為兩類：無梯度方法和梯度方法。這兩種方法由于缺少快速的飛行器氣動(dòng)數(shù)據(jù)預(yù)測(cè)工具，都會(huì)消耗大量的時(shí)間。

為了減少計(jì)算的時(shí)間和成本，開始出現(xiàn)了將深度生成模型與CFD相結(jié)合的方法，以加快空氣動(dòng)力學(xué)優(yōu)化設(shè)計(jì)過程。Yilmaz和German使用條件生成式對(duì)抗網(wǎng)絡(luò)模型(CGAN)來學(xué)習(xí)翼型形狀和條件數(shù)據(jù)庫之間的關(guān)系，它可以根據(jù)指定的失速條件或阻力系數(shù)作為條件數(shù)據(jù)輸入網(wǎng)絡(luò)來生成所需的翼型形狀。Du和He提出了一個(gè)快速、互動(dòng)的設(shè)計(jì)框架，使機(jī)翼空氣動(dòng)力學(xué)優(yōu)化在幾秒鐘內(nèi)完成。該框架使用基于BS樣條曲線的生成對(duì)抗網(wǎng)絡(luò)模型(BSplineGAN)進(jìn)行翼型形狀參數(shù)化，并結(jié)合多層感知器、遞歸神經(jīng)網(wǎng)絡(luò)和多門專家混合神經(jīng)網(wǎng)絡(luò)進(jìn)行代用建模，以實(shí)現(xiàn)對(duì)各種馬赫數(shù)和雷諾數(shù)的標(biāo)量(阻力和升力)和矢量(壓力分布)預(yù)測(cè)。Lei等人采用Wasserstein生成式對(duì)抗網(wǎng)絡(luò)、遺傳算法和深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行基于RAE2822翼型的反向設(shè)計(jì)，最后通過具體的設(shè)計(jì)目標(biāo)進(jìn)一步驗(yàn)證了所提多階段方法的設(shè)計(jì)性能。

然而，上述研究人員的研究是有效的，僅限于翼型的優(yōu)化設(shè)計(jì)，不能擴(kuò)展到其他工程設(shè)計(jì)需要。飛行器(多體)的形狀比單一部件的翼型形狀更加復(fù)雜多變，且目前還缺乏針對(duì)飛行器的快速空氣動(dòng)力學(xué)預(yù)測(cè)工具。在翼型的設(shè)計(jì)中，研究人員通常使用數(shù)學(xué)表示法，其靈活性有限，難以應(yīng)用于飛行器的空氣動(dòng)力學(xué)形狀。Yan等人提出了一種新的優(yōu)化器，并對(duì)飛行器控制面的空氣動(dòng)力學(xué)形狀優(yōu)化進(jìn)行了測(cè)試。新的優(yōu)化器使用強(qiáng)化學(xué)習(xí)和轉(zhuǎn)移學(xué)習(xí)來提高性能和效率，然而飛行器機(jī)翼的設(shè)計(jì)僅限于連續(xù)范圍內(nèi)的單一形狀，在飛行器形狀設(shè)計(jì)的早期階段往往會(huì)陷入局部最優(yōu)。

因此，本發(fā)明考慮采用基于神經(jīng)網(wǎng)絡(luò)優(yōu)化框架的方法來解決上述問題。

發(fā)明內(nèi)容

提供了本發(fā)明以解決現(xiàn)有技術(shù)中存在的上述問題。因此，需要一種基于神經(jīng)網(wǎng)絡(luò)的飛行器氣動(dòng)外形優(yōu)化方法、裝置及介質(zhì)，以解決軸對(duì)稱飛行器氣動(dòng)外形設(shè)計(jì)的難題。

根據(jù)本發(fā)明的第一方案，提供了一種基于神經(jīng)網(wǎng)絡(luò)的飛行器氣動(dòng)外形優(yōu)化方法，所述方法包括：

步驟S100：基于現(xiàn)有飛行器外形數(shù)據(jù)庫，通過WGAN-div模型構(gòu)建飛行器外形數(shù)據(jù)庫；

步驟S200：訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)以完成飛行器外形設(shè)計(jì)到外形參數(shù)的轉(zhuǎn)換；

步驟S300：訓(xùn)練MMoE-3D模型去預(yù)測(cè)由生成器生成的飛行器的氣動(dòng)數(shù)據(jù)，所述MMoE-3D模型的輸出由兩組模型構(gòu)成，分別代表亞聲速模型和超聲速模型；