典型文献
人工智能在空腔气动/声学特性预测与控制参数优化中的应用
文献摘要：
多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证.基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用.为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径.
文献关键词：
人工智能;数据驱动;气动特性;空腔流动;机器学习;控制参数优化
中图分类号：
作者姓名：
吴军强;杨党国;张林;龚天弛;周方奇;王岩;李阳
作者机构：
中国空气动力研究与发展中心 空气动力学国家重点实验室,绵阳 621000;中国空气动力研究与发展中心 高速空气动力研究所,绵阳 621000;南京航天航天大学 航空学院,南京 210016
文献出处：
引用格式：
[1]吴军强;杨党国;张林;龚天弛;周方奇;王岩;李阳-.人工智能在空腔气动/声学特性预测与控制参数优化中的应用)[J].实验流体力学,2022(03):33-43
A类：
内埋弹舱,多场载荷
B类：
声学特性,特性预测,预测与控制,控制参数优化,多参数,多条,气动特性,飞行器,快速设计,性能评估,指标考核,基本前提,根本保证,深度学习技术,流体力学,交叉融合,湍流模型,系统理论,理论建模,数据预测,流场重构,成功应用,表征能力,作战运用,智能优化设计,设计需求,深度学习方法,耦合因素,性智,智能分析,深度前馈神经网络,前馈神经网络模型,快速预测,随机搜索,贝叶斯超参数优化,方法增强,模型鲁棒性,空腔噪声,控制模型,快速优化设计,数据基础,方法途径,空腔流动
AB值：
0.433931
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
