基于UNet的翼型可压缩流场机器学习推理方法

摘要： 为进一步提升高雷诺数、大迎角（Angle of attack, AoA）和高马赫数下的翼型可压缩流场预测精度和效率，本文提出了一种基于坐标转换方法和UNet神经网络的机器学习推理方法。首先，提出了用于数据前处理的坐标转换方法，将计算流体力学中的物理量和网格信息转换成神经网络空间信息，使流场信息的分布更符合神经网络的输入要求。其次，建立了新型深度UNet神经网络，使模型学习到翼型... （共11页）