一种耦合遗传算法、神经网络与数值模拟的反向设计方法

摘要

本发明公开了一种耦合遗传算法、神经网络与数值模拟的反向设计方法，根据设计对象确定设计变量与设计目标；使用抽样方法，产生神经网络训练样本，对神经网络进行训练；利用遗传算法的交叉、变异过程同时得到多组符合设计要求的设计变量值，从中搜索满足设计要求的个体；使用神经网络与CFD方法计算新个体的适应度；使用神经网络预测新个体的设计目标值，若设计目标值达到设定的阈值，使用计算流体力学方法计算新个体的真实设计目标值；利用选择操作产生新种群：若新种群符合收敛标准，设计过程结束，否则继续进行交叉变异过程，产生新种群。与只使用遗传算法与数值模拟相结合的方法相比，本发明在保证反向设计收敛性的同时，减少反向设计计算量42.1％。

主权项

一种耦合遗传算法、神经网络与数值模拟的反向设计方法，其特征在于，该方法包括以下步骤：步骤1、根据设计对象确定设计变量与设计目标；步骤2、使用抽样方法，产生神经网络训练样本，对神经网络进行训练；步骤3、利用遗传算法的交叉、变异过程同时得到多组符合设计要求的设计变量值，从中搜索满足设计要求的个体；使用神经网络与CFD方法计算新个体的适应度，即设计目标值；具体计算过程如下：首先使用神经网络预测新个体的设计目标值，神经网络的输入为设计变量值，输出为设计目标值；若设计目标值达到设定的阈值，使用计算流体力学方法计算新个体的真实设计目标值，根据设计变量值确定设计对象的边界条件，使用流体力学方法计算得到设计对象内部的速度、温度等的分布，进而可以得到设计目标值，即为个体的适应度；步骤4、通过非支配排序方法对种群中的个体进行排序，并使用锦标赛算法进行选择，利用选择操作产生新种群：若新种群符合收敛标准，设计过程结束，否则继续进行交叉变异过程，产生新种群。