本文简介
以前空气动力学的计算方法是传统CFD算法,但是它需要的计算开销大。本文提出了用CNN的方法,预测2D和3D的非均匀稳定层流(non-uniform steady laminar flow),在误差允许范围内比CFD快很多(在GPU上快4个数量级)。这使得可以在空气动力学产品的设计初期快速迭代。训练数据可以源于CFD结果和实测结果。
本文提出的模型模型步骤:
- 用SDF(Signed Distance Function)表示神经网络的输入。
- 单通道encode输入模型图。
- 多通道decode得到每个方向速度分量的结果。
数据集:2D数据集是用规则几何图形(三角形、四边形、五边形、六边形、十二边形)作为训练集和验证集,训练集共10000个,每个图形20000个,验证集10000个,每个图形2000个。用车的集合作为测试集。3D数据集为400000随机生成的球面和矩形的组合。
网络模型如图所示:
模型介绍
输入预处理方法
本文提出的SDF算法(Signed Distance Function)是对物体形状以及距离物体边界远近的描述算法,物体边界为0,边界内为负,边界外为正;每个点的值为距离最近边界点的绝对距离