气动外形反设计方法存在难以给定合理目标压力分布,强烈依赖设计经验等问题,难以适应现代工程设计需求。针对反设计方法的不足,结合机器学习与全局优化方法,发展了一种高效鲁棒的气动外形反设计方法。该方法利用生成拓扑映射(generative topographic mapping,GTM)模型建立气动外形及其压力分布组合数据和低维隐空间变量的映射关系,并利用遗传算法在隐空间寻优,同时得到最优压力分布与对应气动外形。GTM能够建立高精度的映射关系,设计过程不需要流场解算参与迭代,极大提高了设计效率。所提方法充分利用了遗传算法与GTM方法的特点,不要求目标压力分布具有实际物理意义,减小了对设计经验的依赖程度。分别针对低速翼型、跨声速翼型、三维层流短舱开展了反设计研究,设计算例表明,该方法设计鲁棒性好,能够高效率收敛到目标压力分布,具有良好的工...