SuperWing：面向数据驱动气动设计的综合跨声速机翼数据集
机器学习
2026-05-08 v2 流体动力学
摘要
机器学习代理模型在加速气动设计方面展现出潜力，但现有数据集的稀缺性和受限的多样性限制了三维机翼可泛化预测器的发展。在此，我们提出 SuperWing，一个包含 4,239 种参数化机翼几何形状和 28,856 个 Reynolds 平均 Navier-Stokes 流场解的综合跨声速后掠翼空气动力学开放数据集。数据集中的机翼形状使用一种简化但富有表现力的几何参数化方法生成，该方法结合了翼型形状、扭转和上反角的展向变化，无需依赖基准机翼的扰动即可实现更高的多样性。所有形状均在涵盖典型飞行包线的广泛 Mach 数和攻角范围内进行模拟。为了证明该数据集的实用性，我们对两种 SOTA Transformer 模型进行了基准测试，这些模型能准确预测表面流动，并在保留样本上实现了 2.5 个阻力单位的误差。在 SuperWing 上预训练的模型进一步对复杂的基准机翼（如 DLR-F6 和 NASA CRM）表现出强大的零样本泛化能力，凸显了该数据集的多样性及其实际应用潜力。
引用
@article{arxiv.2512.14397,
title = {SuperWing: a comprehensive transonic wing dataset for data-driven aerodynamic design},
author = {Yunjia Yang and Weishao Tang and Mengxin Liu and Nils Thuerey and Yufei Zhang and Haixin Chen},
journal= {arXiv preprint arXiv:2512.14397},
year = {2026}
}