一种基于深度学习的跨声速激波抖振抑制吹吸气流道设计方法

本发明提供了一种基于深度学习的跨声速激波抖振抑制吹吸气流道设计方法，结合CST参数化方法、基于TensorFlow的多层感知机神经网络模型和PSO优化算法等。在CST参数化过程中以最小化设计变量精确描述复杂流道形状，基于搭建的神经网络模型对随机生成的大量流道构型对应的翼型气动参数进行预测，预测精度高。最后构建以吹吸气流道的最大升力系数平均值和最小升力系数波动幅值为优化目标的目标优化函数，通过PSO算法在构建的流道参数数据库中进行全局寻优，得到最优吹吸气流道结构参数及对应的翼型升力系数均值及振幅，优化后的流道在不同马赫数和攻角工况下对激波抖振表现出良好的控制效果，提升了吹吸气翼型的气动性能和流场特性。