一种基于信息融合的机翼升阻比机器学习优化设计方法

    公开(公告)号:CN119337752B

    公开(公告)日:2025-05-02

    申请号:CN202411906948.3

    申请日:2024-12-24

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于信息融合的机翼升阻比机器学习优化设计方法,包括:(1)分别在Xfoil与Abaqus中构建机翼升阻比与刚度仿真模型;(2)迭代优化机翼夹层参数个体向量间的相关性以建立种群;(3)使用DE/current/0对种群进行扩展,并融合三种差分进化生成1500个机翼夹层参数向量;(4)融合角度与距离信息构建径向基函数机器学习预测模型;(5)评估机翼升阻比与刚度;(6)基于适应度函数,筛选最佳机翼夹层参数向量,更新种群并转至步骤(3),直到优化结构达到要求。本发明通过种群扩展改善子代的分布、通过角度与距离信息融合的径向基函数机器学习预测模型提供准确的预测、通过适应度函数平衡机翼升阻比与刚度的优化,从而提高机翼升阻比优化性能。

    一种基于信息融合的机翼升阻比机器学习优化设计方法

    公开(公告)号:CN119337752A

    公开(公告)日:2025-01-21

    申请号:CN202411906948.3

    申请日:2024-12-24

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于信息融合的机翼升阻比机器学习优化设计方法,包括:(1)分别在Xfoil与Abaqus中构建机翼升阻比与刚度仿真模型;(2)迭代优化机翼夹层参数个体向量间的相关性以建立种群;(3)使用DE/current/0对种群进行扩展,并融合三种差分进化生成1500个机翼夹层参数向量;(4)融合角度与距离信息构建径向基函数机器学习预测模型;(5)评估机翼升阻比与刚度;(6)基于适应度函数,筛选最佳机翼夹层参数向量,更新种群并转至步骤(3),直到优化结构达到要求。本发明通过种群扩展改善子代的分布、通过角度与距离信息融合的径向基函数机器学习预测模型提供准确的预测、通过适应度函数平衡机翼升阻比与刚度的优化,从而提高机翼升阻比优化性能。

Patent Agency Ranking