On Novel Usage of A Hybrid Method (Ann And Ga) For Faster 3-D Aerodynamic Optimization

Abstract

The purpose of this study is to offer a more efficient hybrid aerodynamic optimization method for 3-D wing configurations by using both genetic and artificial neural network. Artificial Neural Network (ANN) is used with a new approach in the aerodynamic optimization of a forward swept wing. The developed technique has been found much more robust than Genetic Algorithm (GA) only methods. For example, the new hybrid technique acquires the same fitness level as the one that GA only method can reach in 500 calculations, in about half time (about 250 calculations). The drag coefficient reduction is calculated %33 faster in the offered method. The neural network is embedded into the genetic algorithm along with augmented elitism to prevent possible bad members in the generations.

Bu çalışmanın amacı, genetik algoritma ve yapay sinir ağını kullanarak 3 boyutlu kanat konfigürasyonları için daha verimli ve etkin bir hibrid aerodinamik optimizasyon metodu sunmaktır. Yapay Sinir Ağı (ANN) ileri ok açılı kanadın aerodinamik optimizasyonunda yeni bir yaklaşımla kullanılmıştır. Geliştirilen tekniğin Genetik Algoritma (GA) yöntemlerinden çok daha etkin ve güçlü olduğu görülmüştür. Örneğin, yeni hibrid teknik, sadece GA kullanan yöntemin 500 akış çözümüyle ulaştığı seviyeye, yaklaşık yarı zamanda (250 hesaplamada) ulaşabilmektedir. Sürükleme katsayısında sağlanan azalma, önerilen yöntemde % 33 daha hızlı sağlanmaktadır. Yapay sinir ağı algoritması, olası kötü üyeleri önlemek için düzenlenmiş olan özel bir elitizm yöntemiyle birlikte GA içine eklenmiştir.