基于卷积神经网络压力分布的船尾形状优化逆向设计
机器学习
2025-01-08 v1 流体动力学
摘要
船型设计是一个迭代过程，需要通过计算流体力学计算或模型实验来检验船型的性能。船尾形状必须经历一个根据压力分布分析结果不断调整船型，直至阻力和推进效率满足设计要求的过程。在本研究中，设计师设计了满足设计要求的压力分布；本文提出了一种利用深度学习来估算船尾形状的逆向设计算法。使用卷积神经网络提取以等高线表示的压力分布特征，并使用多任务学习模型估算船尾形状的各个截面。我们通过估算 B 样条的控制点并比较各截面的实际偏置与转换偏置，间接估算了船尾形状；验证了其性能，并提出了一种逆向设计方法。
引用
@article{arxiv.2501.03286,
title = {Inverse Design of Optimal Stern Shape with Convolutional Neural Network-based Pressure Distribution},
author = {Sang-jin Oh and Ju Young Kang and Kyungryeong Pak and Heejung Kim and Sung-chul Shin},
journal= {arXiv preprint arXiv:2501.03286},
year = {2025}
}