用机器学习预测气动失速
流体动力学
2023-02-22 v1 机器学习
摘要
我们使用翼型气动模拟数据库训练了一个卷积自编码器，并就其整体精度与可解释性进行评估。目标是预测失速，并研究该自编码器区分翼型压力分布对攻角变化的线性与非线性响应的能力。在对学习架构进行敏感性分析后，我们研究自编码器所识别的潜空间，目标是极高压缩率，即极低维重构。我们还提出一种策略，利用解码器通过在自编码器学习的潜表示中插值与外推来生成新的合成翼型几何与气动解。
引用
@article{arxiv.2207.03424,
title = {Machine Learning to Predict Aerodynamic Stall},
author = {Ettore Saetta and Renato Tognaccini and Gianluca Iaccarino},
journal= {arXiv preprint arXiv:2207.03424},
year = {2023}
}
备注
15 pages, 22 figures