基于径向基函数网络的飞机机翼和翼梢小翼外形优化

基于径向基函数网络的飞机机翼和翼梢小翼外形优化

论文摘要

和一般的飞机相比,水陆两用飞机的长处在于适应性强,在水面和陆地机场都可起降,适用于海上巡逻、反潜、救援和森林灭火等任务。我国的国情是水域和岛屿众多,海岸线长达18000公里,岛屿岸线总长1.4万多公里。在我国,水陆两用飞机的应用前景十分广阔。本文对水陆两用飞机机翼安装翼梢小翼的问题进行了研究。采用构建径向基函数网络(RBFN)的方法来对机翼和翼梢小翼的外形参数进行优化求解,主要分为以下四个步骤:第一,选定机翼和翼梢小翼的外形参数,利用改进的随机取点法选取输入样本点,建立基于径向基函数的机翼和翼梢小翼的近似模型。第二,设计了径向基函数输入样本点的迭代方法,构造了径向基函数优化网络。第三,对不同输入样本数量条件下的优化网络的优化性能进行了简单分析,为实例的优化提供了参考依据。最后针对本文的实例,目标函数为机翼诱导阻力最小,分别结合拟牛顿法和序列二次规划法,对有/无翼根弯矩约束的两种情况,进行了优化求解,取得满意的优化效果。计算结果表明,径向基函数网络方法在多变量函数拟合方面有着良好的性能,为工程应用提供一定的参考价值。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 水陆两用飞机
  • 1.1.1 水陆两用飞机的历史
  • 1.1.2 水陆两用飞机的特点
  • 1.1.3 水陆两用飞机的发展前景
  • 1.2 翼梢减阻装置的研究
  • 1.2.1 飞机的飞行阻力
  • 1.2.2 机翼翼梢减阻装置
  • 1.3 目前世界上解决空气气动设计的方法
  • 1.4 径向基函数优化方法
  • 1.5 本文的工作
  • 第二章 基于AVL 软件的机翼气动计算
  • 2.1 AVL 软件的计算方法
  • 2.1.1 低速升力面的气动分析模型—涡格法
  • 2.2 水陆两用飞机机翼的气动计算
  • 2.2.1 机翼翼型的气动特性计算
  • 2.2.2 机翼气动性能的计算
  • 第三章 径向基函数网络
  • 3.1 RBF 网络的基本理论
  • 3.1.1 RBF 网络的发展历程
  • 3.1.2 RBF 网络的结构与特点
  • 3.1.3 RBF 网络和BP 网络的比较
  • 3.2 RBF 网络的学习算法
  • 3.2.1 随机算法选取RBF 中心
  • 3.2.2 基于聚类的方法
  • 3.2.3 监督学习方法
  • 3.2.4 RBFN-OLSR 方法
  • 3.2.5 基于进化优化(ESA)的方法
  • 3.3 RBFN 模型的建立和优化
  • 3.3.1 RBF 的建立
  • 3.3.2 RBFN 的优化过程设计
  • 3.4 径向基网络优化性能分析
  • 3.4.1 优化结果在不同输入样本数量下的表现
  • 3.4.2 不同输入样本数量下的网络性能对比分析
  • 第四章 带翼梢小翼机翼的外形优化设计
  • 4.1 机翼和翼梢小翼优化参数的选择
  • 4.1.1 影响翼梢小翼设计的因素
  • 4.1.2 主机翼外形参数的选择
  • 4.1.3 翼尖小翼参数的选取
  • 4.2 计算结果
  • 4.2.1 不考虑翼根弯矩约束的优化模型
  • 4.3.2 考虑翼根弯矩的优化模型
  • 4.3 优化结果性能分析
  • 4.4 优化结果总结
  • 第五章 总结和展望
  • 5.1 本文总结
  • 5.2 进一步的研究
  • 参考文献
  • 致谢
  • 攻读硕士期间发表的论文
  • 相关论文文献

    • [1].基于广义逆矩阵的多层径向基函数网络遗传算法[J]. 安徽工业大学学报(自然科学版) 2016(04)
    • [2].改进的径向基函数网络的研究及应用[J]. 计算机技术与发展 2010(05)
    • [3].径向基函数网络在电液伺服系统故障诊断中的应用研究[J]. 烟台职业学院学报 2008(02)
    • [4].基于高斯径向基函数网络的潜在剖面建模方法[J]. 现代计算机(专业版) 2018(08)
    • [5].基于径向基函数网络的煤层破裂压力预测方法[J]. 科技信息 2014(13)
    • [6].基于改进径向基函数网络的电力系统短期负荷预测[J]. 南华大学学报(自然科学版) 2011(03)
    • [7].基于粒子群径向基函数网络的矿井救援机器人局部路径规划研究[J]. 煤矿安全 2018(05)
    • [8].基于递推粒子群优化算法的径向基函数网络模拟系统[J]. 昆明学院学报 2014(03)
    • [9].优化变结构径向基函数网络研究及其在MDEA水溶液CO_2吸收能力预测中的应用[J]. 计算机与应用化学 2010(04)
    • [10].基于径向基函数网络的水声信号预测模型研究[J]. 舰船电子工程 2008(10)
    • [11].一种基于广义模糊RBF网络的预测控制[J]. 机床与液压 2008(09)
    • [12].基于径向基函数网络的社会消费品总额预测模型[J]. 辽宁省交通高等专科学校学报 2009(04)
    • [13].FRBF神经网络分类器设计新方法[J]. 计算机工程与应用 2016(13)
    • [14].复合多层RBF网络及其在偏微分方程数值解中的应用[J]. 安徽工业大学学报(自然科学版) 2015(01)
    • [15].基于径向基函数网络的垂柳茎体含水量日变化模型的研究[J]. 湖南农业科学 2010(15)
    • [16].基于ESN-RBF框架的声效模式检测[J]. 河南理工大学学报(自然科学版) 2019(04)
    • [17].新试剂用径向基函数网络光度法同时测定微量的镉镍[J]. 分析试验室 2009(01)
    • [18].基于RBFN与SVR比较的信息评价研究[J]. 情报杂志 2008(11)
    • [19].一种基于径向基函数神经网络的语音降噪方法[J]. 北京工商大学学报(自然科学版) 2008(04)
    • [20].RBFN优化算法在键合机标定中的应用[J]. 电子与封装 2016(05)
    • [21].基于径向基函数网络的光电编码器误差补偿法[J]. 光学精密工程 2008(04)
    • [22].基于径向基函数网络的压缩机性能模拟[J]. 机械与电子 2008(10)
    • [23].基于径向基函数网络的光学测量系统误差修正算法[J]. 光学学报 2020(02)
    • [24].基于广义径向基函数的神经网络分类预测[J]. 计算机技术与发展 2009(03)
    • [25].基于留一准则的多尺度径向基函数网络[J]. 计算机工程 2012(12)
    • [26].基于径向基函数网络的教师教学质量评价[J]. 价值工程 2012(18)
    • [27].一种基于AGA的RBF网络混合学习算法[J]. 无线电工程 2008(11)
    • [28].基于径向基网络和气象因子的森林火灾预测系统[J]. 消防科学与技术 2010(07)
    • [29].基于免疫机制的径向基函数网络动态训练方法[J]. 上海交通大学学报 2012(04)
    • [30].变量可分离函数的RBF神经网络拟合模型及其VC维[J]. 华南师范大学学报(自然科学版) 2010(03)

    标签:;  ;  ;  ;  ;  ;  

    基于径向基函数网络的飞机机翼和翼梢小翼外形优化
    下载Doc文档

    猜你喜欢