10.13224/j.cnki.jasp.2020.09.013
基于深度学习的翼型反设计方法
建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线.该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程.模型测试中,6000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅6.7s,预测的翼型曲线与CFD计算结果的平均相对误差为0.55%.对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能.结果 表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率.
反设计方法、翼型曲线、压力分布、卷积神经网络、深度学习、预测模型
35
V211.3(基础理论及试验)
国家自然科学基金;中国空气动力研究;发展中心基础和前沿技术研究基金
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
1909-1917