通过视觉变换器与卷积神经网络将流场成像作为压力传感器的替代方案
流体动力学
2023-05-10 v1
摘要
本工作中，我们提出一种框架，利用流场成像数据从流场可视化中提取相关信息。为此，开发了视觉变换器（ViT）模型，从流场图像预测动态失速下翼型上的非定常压力分布。该网络能够识别图像中存在的相关流动特征并将其与翼型响应关联。结果表明，该模型在流动状态之间及不同翼型运动上具有有效的插值和外推能力，意味着基于 ViT 的模型可作为实验活动中传感器的有前景替代方案，并用于构建复杂非定常流动的鲁棒代理模型。此外，我们独特地将图像语义分割视为图像到图像的翻译任务，以监督方式从输入图像推断结构的语义标签。给定速度场输入图像，所得的卷积神经网络（CNN）生成任意对应关注流体属性的合成图像。特别地，我们将速度场数据转换为压力，以随后鲁棒地估计翼型上的压力分布。
引用
@article{arxiv.2301.06410,
title = {Flow imaging as an alternative to pressure transducers through vision transformers and convolutional neural networks},
author = {Renato F. Miotto and William R. Wolf},
journal= {arXiv preprint arXiv:2301.06410},
year = {2023}
}