卷积神经网络在流场重构研究中的进展

摘要：

近年来,随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展,该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向.传统的方法无法有效地处理这些庞大的数据,深度学习因其具有强大的函数拟合能力,可以从大量的数据中挖掘有用的信息.当前,流体力学深度学习技术有了初步的一些研究成果,在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值,其应用潜力逐渐得到证实.如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘,快速智能感知及重构流场,可为主动流动控制提供重要指导.本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展,文章首先介绍卷积神经网络的一些基本概念以及基本网络结构,之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论,并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果,最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望.

关键词：卷积神经网络、超分辨率、长短期记忆、流场重构

所属期刊栏目：54

分类号：V211.3;O351.2(基础理论及试验)

资助基金：国家自然科学基金;中国科协青年人才托举项目

在线出版日期：2022-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：2343-2360