本文描述了神经网络在使用具有合成流入湍流的气动弹性模拟器进行弯曲风力涡轮机叶片设计优化中的应用。使用涡旋粒子方法，其中风力涡轮机叶片由升力线理论表示，而风力涡轮机结构动力学使用基于有限元多体的方法建模。神经网络与基于梯度的优化器一起允许在复杂的气动弹性风力涡轮机仿真场景中快速设计新的弯曲风力涡轮机叶片。与直刀片设计相比，从神经网络中找到的刀片设计增加了预弯和扫掠。它平均产生的功率大约增加1％，转子上的平均推力略微增加0.02％。这项研究表明神经网络可以有效地设计风力涡轮机转子叶片涉及复杂的气动弹性模拟情景与湍流流入条件。进一步的工作可以改善神经网络的预测能力以及优化设计的性能。
