利用RBF神经网络和杜鹃搜索算法优化Gurney襟翼的新框架
摘要：优化飞机的空气动力学效率对于优化飞机性能和操作有效性至关重要。它使得飞机速度更高，燃油消耗更少，从而降低运营成本。因此，实施格尼翅翼代表着改善翼型空气动力学的一个有希望的途径。格尼翅翼的优化对于改善飞机和风力涡轮机叶片设计中的升力和失速特性有着重要的影响。实施格尼翅翼的效果在很大程度上取决于其设计参数，即翅翼高度和安装角度。本研究试图使用设计优化框架来优化这些参数，该框架包括基于二维雷诺平均纳维-斯托克斯（RANS）模拟的CFD数据训练径向基函数代理模型。然后采用布谷鸟搜索算法获得最优的设计参数，并与其他竞争的优化算法进行比较。优化后的格尼翅翼配置显示出10.28\%的Cl/Cd显著改善，翅翼高度为1.9\%c，翅翼安装角度为-58度。该研究突出了提议的设计优化框架的有效性，并为优化格尼翅翼参数提供了有价值的见解。元启发式算法的比较有助于增强该研究对格尼翅翼设计优化的贡献。
作者：Aryan Tyagi, Paras Singh, Aryaman Rao, Gaurav Kumar, Raj Kumar Singh
论文ID：2307.13612
分类：Fluid Dynamics
分类简称：physics.flu-dyn
提交时间：2023-07-26