10.13700/j.bh.1001-5965.2021.0276
基于CNN机翼气动系数预测
随着机器学习的快速发展和其突出的非线性映射能力,越来越多的学者将机器学习方法应用到流体力学领域.为克服传统数学拟合不能很好的解决系统非线性问题,以及现有文献中所提及的一些基于神经网络的气动参数预测方法,需要进行参数化处理而带来的不便,同时为实现多变量多输出气动参数快速预测的目的,基于卷积神经网络考虑机翼变迎角和浮沉建立了一种多变量多输出的机翼气动参数预测模型,实现了机翼气动参数的快速预测.结果表明:所建模型具有较高且稳定的预测精度,并且计算效率较计算流体力学(CFD)提高了40倍.
卷积神经网络、机器学习、气动参数预测、气动降阶、深度学习
49
V221+.3;TB553(飞机构造与设计)
2023-04-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
674-680