声明
致谢
摘要
1.1 研究背景
1.2 国内外研究现状
1.3 神经网络的发展与应用
1.4 基于代理模型的气动优化
1.5 本章小结
2.1 遗传算法原理
2.1.1 编码策略
2.1.2 评价函数
2.1.3 遗传算子
2.1.4 遗传算法参数
2.2 函数优化结果与分析
2.3 本章小结
第3章 神经网络原理及应用
3.1 神经元模型及其网络结构
3.1.1 神经元原理
3.1.2 激活函数
3.1.3 网络结构
3.2 反向传播算法
3.2.1 损失函数
3.2.2 链式法则
3.2.3 敏感性反向传播
3.3 级联前向网络
3.4 运用神经网络拟合高阶非线性函数
3.5 本章小结
第4章 基于代理模型的翼型优化方案
4.1 翼型参数化方法
4.1.1 常见的翼型参数化方法
4.1.2 CST方法
4.1.3 CST方法精度
4.2 代理模型技术
4.2.1 Kriging代理模型
4.2.2 BP神经网络代理模型
4.2.3 级联前向网络代理模型
4.2.4 各代理模型精度的对比
4.3 优化方案
4.4 本章小结
第5章 翼型气动优化设计算例及分析
5.1 NACA0012翼型算例
5.2 RAE2822翼型算例
5.3 优化结果分析
5.4 本章小结
6.1 本文工作总结
6.2 下一步工作展望
参考文献
作者简介