-
公开(公告)号：CN104834772A
公开(公告)日：2015-08-12
申请号：CN201510198979.2
申请日：2015-04-22
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于飞机设计技术领域，具体为一种基于人工神经网络的飞机翼型/机翼反设计方法。本发明方法包括：利用翼型/机翼PARSEC参数化方法重构翼型/机翼的表达方式，通过人工神经网络（ANN）算法，实现反设计技术。本发明撇开了传统的翼型/机翼设计繁琐而低效率的枚举-迭代方法（cut-and-try），直接建立翼型/机翼气动性能与翼型/机翼几何外形的关系，实现了基于人工神经网络的翼型/机翼参数化反设计。本发明特点：一是快速，十分适合于飞机的总体设计尤其是初始设计中；二是由于应用人工神经网络算法到位，使得产生的结果非常准确。
-
公开(公告)号：CN104778327A
公开(公告)日：2015-07-15
申请号：CN201510196146.2
申请日：2015-04-23
Applicant: 复旦大学
Abstract: 本发明属于机械设计技术领域，具体为一种基于人工神经网络的飞机翼型优化设计方法。本发明是在基于人工神经网络的翼型参数化反设计的基础上，进一步提出新型翼型优化方法，以此技术进行翼型数据库的扩充，增加设计人员的可利用技术资源。本发明通过分析研究参数化翼型数据的结构与人工神经网络的联系，寻找实现优化方向的手段；从理论和实验比较不同的学习关系对于人工神经网络的优化工作的影响，最终建构适合应用人工神经网络的翼型新型优化方法，使人工神经网络的智能化特点体现在满足更理想气动要求的翼型生成上。本发明将智能化地生成具备比原有的翼型更优良的气动性能的新翼型，形成设计工作的良性循环。
-
公开(公告)号：CN104778327B
公开(公告)日：2018-02-27
申请号：CN201510196146.2
申请日：2015-04-23
Applicant: 复旦大学
Abstract: 本发明属于机械设计技术领域，具体为一种基于人工神经网络的飞机翼型优化设计方法。本发明是在基于人工神经网络的翼型参数化反设计的基础上，进一步提出新型翼型优化方法，以此技术进行翼型数据库的扩充，增加设计人员的可利用技术资源。本发明通过分析研究参数化翼型数据的结构与人工神经网络的联系，寻找实现优化方向的手段；从理论和实验比较不同的学习关系对于人工神经网络的优化工作的影响，最终建构适合应用人工神经网络的翼型新型优化方法，使人工神经网络的智能化特点体现在满足更理想气动要求的翼型生成上。本发明将智能化地生成具备比原有的翼型更优良的气动性能的新翼型，形成设计工作的良性循环。
-
公开(公告)号：CN104834772B
公开(公告)日：2018-01-12
申请号：CN201510198979.2
申请日：2015-04-22
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于飞机设计技术领域，具体为一种基于人工神经网络的飞机翼型/机翼反设计方法。本发明方法包括：利用翼型/机翼PARSEC参数化方法重构翼型/机翼的表达方式，通过人工神经网络（ANN）算法，实现反设计技术。本发明撇开了传统的翼型/机翼设计繁琐而低效率的枚举‑迭代方法（cut‑and‑try），直接建立翼型/机翼气动性能与翼型/机翼几何外形的关系，实现了基于人工神经网络的翼型/机翼参数化反设计。本发明特点：一是快速，十分适合于飞机的总体设计尤其是初始设计中；二是由于应用人工神经网络算法到位，使得产生的结果非常准确。
-
-
-
Search Results
4
records
(took 0.014 seconds)
