一种明冰条件下风力机翼型气动性能的神经网络预测方法

摘要

本发明公开了一种明冰条件下风力机翼型气动性能的神经网络预测方法，包括以下步骤：以训练误差最小为设计目标，神经元的阈值以及神经元间的连接权值及其开关参数为设计变量，建立神经网络优化模型。利用社会学习修正量子粒子群算法的非最优粒子势阱中心更新方式以及Lévy飞行与贪婪算法结合更新最优粒子的位置，引入测试误差干扰全局最优粒子的选择过程，进而协同二进制粒子群算法进行优化，并采用误差反向传播算法进一步训练构建新的神经网络(SLLQPSO‑BPNN)。预测具有明冰冰形的NACA64618翼型的升、阻力系数，并与误差反向传播算法结果比较分析，提出明冰条件下风力机翼型气动性能的神经网络预测方法。本发明的结明冰风力机翼型气动性能的预测方法，使翼型的气动性能分析不必考虑风洞环境及设备条件等的高要求、昂贵成本，以及CFD方法的过大计算量。