应用卷积神经网络预测翼型升力系数
机器学习
2018-01-18 v2 机器学习
摘要
本工作探究了卷积神经网络（CNN）技术对气动元建模任务的适应性。主要目标是针对变流场条件与物体几何开发合适的 CNN 架构，并确立充分的数据准备流程。训练了多种 CNN 结构以学习多种形状翼型在多种来流马赫数、雷诺数及不同攻角下的升力系数。此举旨在阐明该技术之概念。同时采用多层感知机（MLP）训练数据集，并将 MLP 结果与 CNN 结果比较。发现所提新元建模概念在学习能力上与 MLP 相当；更重要的是，我们的 CNN 模型在几何表示约束极小的情况下展现出具竞争力的预测精度。
引用
@article{arxiv.1712.10082,
title = {Application of Convolutional Neural Network to Predict Airfoil Lift Coefficient},
author = {Yao Zhang and Woong-Je Sung and Dimitri Mavris},
journal= {arXiv preprint arXiv:1712.10082},
year = {2018}
}