风能作为可再生能源,在世界各国的能源结构中所占的比重日益提高,越来越受到重视,近年来,风力发电也由此得到了快速发展与广泛应用。风电机组叶片是风电机组的发电效率的主要影响因素之一,其气动性能直接影响到风力发电的效率。翼型是叶片的基本元素,其气动性能很大程度决定了叶片的性能。因此,优化设计性能更佳的翼型,对于提高叶片的气动性能即提高风电发电效率具有重要意义。为此,开展了风电机组翼型气动性能优化设计方法研究,提出了一种基于CST参数化方法、CFD模拟、径向基神经网络代理模型与遗传算法的气动优化方法,可以对翼型进行优化主要研究内容如下:(1)翼型参数化研究:采用CST参数化方法分别对NACA0012、S809、DU210、DU300等4个翼型进行参数化,研究了 CST参数化方法对不同翼型的表达精度,以及阶数对参数化精度的影响。结果显示,CST参数化方总体拟合精度较高,对不同翼型拟合所需的阶数有所不同,对应的参数个数也有所不同。(2)CFD模拟及代理模型的建立:更改参数化后的翼型参数生成新的翼型簇,采用用OpenFOAM进行批量计算得到对应的Cl、Cd,建立参数与Cl、Cd的样本库,通过训练样本建立径向基神经网络(RBFNN)代理模型,结果显示RBF模型的预测精度较高,泛化能力较强。(3)优化算法优化:采用遗传算法对代理模型进行了单目标优化,再经过外循环进行迭代优化。案例的优化结果表明,论文提出的翼型气动优化设计方法能够优化翼型气动性能,对于翼型优化设计具有参考意义。