AirfoilGen：面向气动性能的有效构造且性能感知的空气foil潜在扩散模型
机器学习
2026-05-22 v2
摘要
空气foil形状设计是航空航天工程中的基础任务，直接影响飞行稳定性和燃油消耗。深度学习近期作为解决此任务的有前景工具，但现有深度生成方法在几何有效性和物理可控性方面仍受限。它们对生成形状控制有限，导致无效几何，通常无法有效条件化气动性能。为此，本文提出AirfoilGen，一个有效构造且性能感知的空气foil潜在扩散模型。首先引入 novel 空气foil表示方案——圆扫表示( circle sweeping representation)，以约束生成过程确保输出形状符合空气foil基本特征。随后通过在学习到的潜在空间中操作，实现对气动性能(如升力系数和阻力系数)的显式控制：变换模型将空气foil形状编码为向量嵌入，条件扩散模型在纳入目标气动性能后，对高斯噪声去噪为这些潜在嵌入。此外，本文提供了超过20万个空气foil的数据集，规模远超广泛使用的UIUC空气foil数据集(1650个空气foil)，更适合训练现代深度生成模型。实验表明，AirfoilGen实现了远超以往水平的几何有效性和气动性能可控性，性能条件化准确率达98.41%。
引用
@article{arxiv.2605.20303,
title = {AirfoilGen: A valid-by-construction and performance-aware latent diffusion model for airfoil generation},
author = {Zhijie Yang and Min Tang and Peng Du and Qiang Zou},
journal= {arXiv preprint arXiv:2605.20303},
year = {2026}
}
备注
15 pages