声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1429/V
国际刊号：1005-2615
发布日期:
作者：朱智杰，赵国庆，高远，招启军
单位：南京航空航天大学直升机动力学全国重点实验室，南京 210016；,南京航空航天大学直升机动力学全国重点实验室，南京 210016；,南京航空航天大学直升机动力学全国重点实验室，南京 210016；,南京航空航天大学直升机动力学全国重点实验室，南京 210016；
关键词：UNet;机器学习;坐标转换;翼型;流动分离;激波
基金：国家自然科学基金（12072156）；直升机动力学全国重点实验室基金（61422202103）；江苏高校优势学科建设工程项目。
为进一步提升高雷诺数、大迎角（Angle of attack， AoA）和高马赫数下的翼型可压缩流场预测精度和效率，本文提出了一种基于坐标转换方法和UNet神经网络的机器学习推理方法。首先，提出了用于数据前处理的坐标转换方法，将计算流体力学中的物理量和网格信息转换成神经网络空间信息，使流场信息的分布更符合神经网络的输入要求。其次，建立了新型深度UNet神经网络，使模型学习到翼型流场精细复杂的局部流动特征。本文将两种方法结合，建立了翼型可压缩流场机器学习推理方法，得到快速高精度的推理模型。最后，对不同种类翼型的流场与气动力进行预测分析，并与传统机器学习方法预测的结果进行比较。结果表明，本文提出的机器学习推理方法能够较好地预测翼型的可压缩流场，并且能够更好地捕捉高雷诺数下的复杂流动行为以及预测大迎角、高马赫数条件下的流动分离和激波现象。
来源：2024年第2期
《南京航空航天大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。