AutoHood3D：面向汽车引擎盖设计与流体-结构相互作用的数据集
机器学习
2025-11-11 v1 计算物理
流体动力学
摘要
本研究提出了一个包含 16000 多种几何变体的高保真多模态数据集，适用于机器学习应用，包括工程组件设计、工艺优化以及多物理场系统的替代模型。该数据集聚焦于一个实际的多物理场问题——在旋转浸idia涂装过程中，因流体滞留和惯性载荷导致的引擎盖变形。每个引擎盖均采用耦合的大涡衍射 (Large-Eddy Simulation, LES)-有限元分析 (Finite Element Analysis, FEA) 进行数值建模，总网格数达 120 万，以确保空间和时间上的准确性。数据集提供了时序物理场数据，以及 STL 网格和结构化自然语言提示，用于文本到几何的合成。现有数据要么仅限于二维情形，要么几何变异有限，亦缺乏多模态标注和数据结构——这些都是本文通过 AutoHood3D 所addresses 的不足之处。我们验证了数值方法，建立了针对五种神经网络架构的定量基准，并展示了在位移和力量预测中系统性代理误差。这些发现激发了设计新方法和多物理场损失函数的动力，后者在模型训练过程中强制执行流体-固体耦合。通过提供完全可复现的工作流程，AutoHood3D 促进了物理感知的机器学习开发，加速了生成式设计迭代，并促进了新的流体-结构相互作用基准的创建。数据集和代码 URL 见附录。
引用
@article{arxiv.2511.05596,
title = {AutoHood3D: A Multi-Modal Benchmark for Automotive Hood Design and Fluid-Structure Interaction},
author = {Vansh Sharma and Harish Jai Ganesh and Maryam Akram and Wanjiao Liu and Venkat Raman},
journal= {arXiv preprint arXiv:2511.05596},
year = {2025}
}