基于UNet的翼型可压缩流场机器学习推理方法
南京航空航天大学学报
页数: 11 2024-04-15
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)