10.13224/j.cnki.jasp.2019.08.014
基于深度学习的混合翼型前缘压力分布预测
提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型(CNN),并利用计算流体力学(CFD)的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测.结果 表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7s,CFD方法耗时大于50s,计算时间大大缩短.该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程.
混合翼型、深度学习、卷积神经网络(CNN)、参数化方法、压力分布
34
V211.3(基础理论及试验)
2019-09-04(万方平台首次上网日期,不代表论文的发表时间)
共8页
1751-1758