典型文献
基于超分辨率重构方法的湍流流场重构
文献摘要：
从低分辨率流场数据中获取精细流场信息具有重要的研究意义.基于卷积神经网络的超分辨率重构方法是近年来发展的一种较为有效的精细流场重构方法.本文采用高效亚像素卷积神经网络(Efficient?Sub-Pixel?Convolutional?Neural Network,ESPCN),对Rayleigh–Bénard(RB)对流的数值模拟数据和湍流边界层(Turbulent?Boundary?Layer,TBL)的实验测量数据进行了超分辨率重构,并与双三次插值方法(Bicubic?Interpolation)的重构结果进行对比.对比结果表明:在较小的下采样比下,ESPCN方法和Bicubic方法的重构精度相当;在较大的下采样比下,ESPCN方法的重构精度明显优于Bicubic方法.此外,ESPCN方法对数据梯度较大区域的超分辨率重构效果优于Bicubic方法.
文献关键词：
超分辨率重构方法;湍流;卷积神经网络;流场重构
中图分类号：
作者姓名：
江昊;王伯福;庄启亮;卢志明
作者机构：
上海大学力学与工程科学学院 上海市应用数学和力学研究所,上海 200072;上海市力学信息学前沿科学研究基地,上海 200072
文献出处：
引用格式：
[1]江昊;王伯福;庄启亮;卢志明-.基于超分辨率重构方法的湍流流场重构)[J].实验流体力学,2022(03):102-109
A类：
ESPCN
B类：
超分辨率重构方法,湍流流场,流场重构,低分辨率,细流,研究意义,亚像素卷积,Efficient,Sub,Pixel,Convolutional,Neural,Network,Rayleigh,nard,RB,模拟数据,湍流边界层,Turbulent,Boundary,Layer,TBL,实验测量,测量数据,双三次插值,插值方法,Bicubic,Interpolation,下采样,大区域,构效
AB值：
0.309256
相似文献
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。
