基于径向基神经网络-遗传算法的海流能水轮机叶片翼型优化

摘要：

如何提高海流能水轮机的能量捕获效率是海洋能开发领域的重点研究课题，而提高海流能水轮机能量性能的关键在于其叶片几何的构造基础--水力翼型的性能提升。该文提出了一种水力翼型的多工况优化设计方法，该方法采用Bezier曲线参数化技术建立翼型的参数化表征方法，然后利用拉丁超立方试验设计技术在设计空间获取训练径向基（radial basis function，RBF）神经网络的样本点，通过计算流体动力学的方法获得每个翼型样本的性能参数后开展神经网络的学习训练，最后采用RBF神经网络与NSGA-II遗传算法相结合的现代优化技术数值求解水力翼型的多工况优化问题。基于上述优化方法对NACA63-815翼型进行了优化改进，重点研究了该翼型在3个攻角工况下（0，6°和12°）的优化问题及求解方法。优化结果表明，优化后的翼型在3个工况点下都具有更好的升阻比性能，同时也能更好地抑制失速现象的产生，验证了该优化方法的理论正确性和可行性。

关键词：神经网络、水轮机、遗传算法、优化、叶片翼型、多工况优化

分类号：TK733+.3(水能、水力机械)

资助基金：国家自然科学基金重点项目51339005；国家自然科学基金项目51379174

在线出版日期：2014-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：65-73