带几何约束的参数化生成式翼型编码与合成方法
流体动力学
2023-05-08 v2 机器学习
摘要
现代气动优化对具有高直观性、灵活性和表征精度的参数化方法有着强烈需求，而传统翼型参数化技术无法完全满足。本文提出两种基于深度学习的生成式方案，以在满足特定约束的同时有效捕捉设计空间的复杂性。1. 软约束方案：基于条件变分自编码器（CVAE）的模型，将几何约束作为网络的一部分直接训练。2. 硬约束方案：基于 VAE 的模型生成多样化翼型，并采用基于 FFD 的技术将生成的翼型投影到给定约束上。统计结果表明，重建的翼型准确且光滑，无需额外滤波器。软约束方案生成的翼型相对预期几何约束有轻微偏差，但在几何空间和目标空间上仍以一定分布偏置收敛于参考翼型。相比之下，硬约束方案生成的翼型几何多样性范围更广，同时严格遵循几何约束。其在目标空间中的对应分布也更为多样，在参考点周围各向同性均匀且无显著偏置。这些提出的翼型参数化方法可突破训练数据在目标空间中的边界，为随机采样提供更高质样本并提升优化设计效率。
引用
@article{arxiv.2205.02458,
title = {Parametric Generative Schemes with Geometric Constraints for Encoding and Synthesizing Airfoils},
author = {Hairun Xie and Jing Wang and Miao Zhang},
journal= {arXiv preprint arXiv:2205.02458},
year = {2023}
}