典型文献
快速预测跨声速流场的深度学习方法
文献摘要：
计算流体力学(CFD)代码所需的计算成本和内存需求对于工程设计(如空气动力学形状优化)可能变得非常高.基于深度学习的亚声速流场重构已经非常成功.相比亚声速流场,跨声速流场数据梯度更大,几何敏感度高.因此,基于传统的编码器-解码器架构的模型精度有限.建立基于U-Net架构的深度卷积神经网络(CNN)来快速预测跨声速流场.不同几何翼型的高保真度求解流场被用作训练数据.神经网络将表示翼型几何的符号距离函数(SDF)作为输入,将翼型外围压力场和速度场作为输出.与基准编码器-解码器架构相比,新的U-Net架构的误差降低了约24％.梯度锐化增强了流场的可视化效果,同时进一步将误差减小了约10％.最终,深度学习模型在速度场和压力场的误差保持在1.013％和4.625％.
文献关键词：
计算流体力学;深度学习;U-Net;卷积神经网络;梯度锐化
中图分类号：
作者姓名：
奕建苗;邓枫;覃宁;刘学强
作者机构：
南京航空航天大学 航空学院 飞行器先进设计技术国防重点学科实验室,南京 210016;University of Sheffied Department of Mechanical Engineering,Sheffield S13 JD
文献出处：
引用格式：
[1]奕建苗;邓枫;覃宁;刘学强-.快速预测跨声速流场的深度学习方法)[J].航空学报,2022(11):207-220
A类：
跨声速流场,梯度锐化
B类：
快速预测,深度学习方法,计算流体力学,CFD,代码,计算成本,空气动力学,形状优化,亚声速,流场重构,常成,比亚,编码器,解码器,模型精度,Net,深度卷积神经网络,翼型,高保真度,作训,训练数据,距离函数,SDF,围压,压力场,速度场,深度学习模型
AB值：
0.251875
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。
