通过像素级生成图像插值减少空间推进薄膜冷却分析中的实验测试
机器学习
2026-05-29 v1 计算机视觉与模式识别
摘要
我们提出了一种用于从稀疏实验测量进行图像回归的机器学习方法。我们展示了该方法在推进系统开发中的薄膜冷却研究中的应用，旨在减少对大量物理测试的需求。该方法采用轻量级前馈神经网络配合位置编码，生成以输入参数为条件的图像。该方法在真实数据和合成数据上均经过验证，实现了高图像相似度（RMSE < 8%，SSIM > 93%），同时在 30% 减少测量的前提下保持准确性。我们进一步提出了一种基于知识的信息化扩展，用于提高生成图像的局部适应性。该方法显著减少了所需测试的数量，同时保持高质量数据，使其能够高效地优化冷却喷嘴配置，并具有广泛的应用前景。
引用
@article{arxiv.2605.29911,
title = {Reducing Experimental Testing in Space Propulsion Film Cooling Analyses by Pixelwise Generative Image Interpolation},
author = {Adam T. Müller and Philipp J. Teuffel and Konstantin Manassis and Nicolaj C. Stache},
journal= {arXiv preprint arXiv:2605.29911},
year = {2026}
}
备注
Presented at the 11th European Conference for Aeronautics and Aerospace Sciences (EUCASS), 2025, DOI: 10.13009/EUCASS2025-285