通过物理意识变分自编码器实现紧凑直观的翼型参数化方法

翼型形状优化在高性能飞机的设计中扮演着关键角色。然而，翼型表示的高维特性导致了所谓的“维数诅咒”的挑战性问题。为了克服这个问题，开发了众多翼型参数化方法，这些方法大致可以分为基于多项式的方法和数据驱动的方法。这些方法各自具有灵活性、简约性、可行性和直观性等优点，但尚未找到一种包罗所有这些属性的单一方法。例如，基于多项式的方法在简约性和灵活性之间难以取得平衡，而数据驱动的方法在可行性和直观性方面存在不足。近年来，生成模型，如生成对抗网络和变分自编码器，在翼型参数化中显示出良好的潜力。然而，这些模型仍面临与直观性相关的挑战，因其黑箱特性。为了解决这个问题，我们开发了一种使用物理意识变分自编码器的新型翼型参数化方法。该方法不仅明确分离了厚度和弯度分布的生成，以产生平滑且不相交的翼型，从而提高可行性，而且还直接将其潜在维度与翼型的几何特征对齐，显著增强了直观性。最后，进行了广泛的比较研究，以证明我们方法的有效性。