论文笔记：深度学习方法的翼型设计及性能预测代理模型

最新推荐文章于 2025-03-13 21:29:45 发布
最新推荐文章于 2025-03-13 21:29:45 发布
阅读量2.5k 收藏 11
点赞数
分类专栏： AI+CFD 文章标签： 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tuixue/article/details/123668740
版权
该论文提出了一种基于深度学习方法的翼型设计和性能预测代理模型，采用DPCNN实现参数化设计和性能预测。通过Bezier-GAN进行机翼外形参数化，仅需3个几何参数即可生成精确的翼型轮廓，预测性能的相对误差小于2.5%。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

论文题目：《Airfoil design and surrogate modeling for performance prediction based on deep learning method》

论文来源：Physics of Fluids

论文作者：Qiuwan Du, Tianyuan Liu, Like Yang, etc.

DOI：10.1063/5.0075784

  • 基于深度学习方法建立了翼型设计与性能预测的DPCNN
  • 实现了机翼外形参数化、物理场预测和性能预测
  • 参数化方法Bezier- GAN
  • DPCNN仅需3个几何参数即可生成相当完美的翼型轮廓
  • 启动性能参数的相对误差小于2.5%
  • 参考文献推荐：11，22-26，29，32，33，35，40，41，42

 

 

最低0.47元/天 解锁文章
【最新】探索CFD的未来：从OpenFOAM到深度学习，全面解析计算流体力学的顶级资源与前沿技术
源代码杀手的博客
03-31 223
计算流体力学（CFD）作为现代工程与科学研究的核心工具，正以前所未有的速度迈向智能化与多物理场耦合的新时代。本文全面梳理了在线学习CFD的顶级资源，涵盖了从传统数值模拟到深度学习驱动的物理信息模型的广泛领域，旨在为研究者、工程师和学生提供一站式参考指南。内容分为七大核心类别，囊括了数百个高质量资源链接，涉及代码、论文、教程和工具。首先，在领域，介绍了前沿项目如Gym-preCICE（），展示了深度强化学习如何与OpenFOAM结合；）提供了构建Physics-ML模型的开源框架；
垂直起降飞行器（eVTOL）的发展与投资前景
最新发布
余美丽的技术博客
03-18 1102
垂直起降飞行器（eVTOL）作为一种新型的空中交通工具，近年来受到了广泛的关注。本文章的目的在于深入探讨eVTOL的发展历程、技术原理、应用场景以及投资前景。通过对这些方面的详细分析，为读者提供全面而深入的了解，帮助投资者评估投资风险和收益，为相关从业者提供技术和市场方面的参考，同时也为普通读者普及eVTOL的相关知识。文章的范围涵盖了eVTOL的各个方面，包括其起源和发展、不同类型的eVTOL技术、核心算法和数学模型、实际应用案例、市场现状和未来趋势等。
基于强化学习建立代理模型来预测飞机升阻力特性的一般步骤
AI的内部世界的博客
03-13 1146
明确目标：确定要准确预测飞机在不同飞行条件下的升力和阻力系数。状态空间定义：选取与飞机升阻力相关的状态变量，如飞行速度、攻角、大气密度、机翼几何参数等。这些变量将构成强化学习算法的输入状态空间。动作空间定义：可以定义为对一些控制参数的调整动作，例如调整襟翼角度、改变发动机推力等，这些动作会影响飞机的飞行状态进而影响升阻力。奖励函数设计：根据预测的准确性和实际应用需求设计奖励函数。例如，可以将预测的升阻力系数与实际测量值的误差的倒数作为奖励，误差越小奖励越高，以激励模型尽可能准确地预测。
Profili翼型设计工具（中文版）
10-01
中文版翼型设计工具，主要部分均已汉化，版本为2.2.1，鹏程汉化版。
深度学习设计模式之代理模式
G_whang的博客
07-12 504
代理模式是结构型设计模式，主要是为其他对象提供一种代理以控制对这个对象的访问。代理模式（Proxy Pattern）是一种常用的设计模式，属于结构型模式之一。它为另一个对象提供一个代替或占位符对象，以便控制对它的访问。代理模式中客户端不直接调用实际的对象，而是通过调用代理间接性的调用实际的对象。
飞桨黑客马拉松第四期 针对RANS方程的深度学习机翼翼型优化方法
m0_63642362的博客
04-21 434
Deep Learning Methods for Reynolds-Averaged Navier-Stokes Simulationsof Airfoil Flows
翼型设计软件-ProfiliV2汉化版
03-31
翼型设计软件-ProfiliV2汉化版
翼型设计软件
08-20
航模设计必备 包含上千种翼型的资料和性能参数 支持图纸输出
AI人工智能深度学习算法：自适应深度学习代理的调度策略
AI天才研究院
04-22 468
1. 背景介绍 1.1 深度学习的兴起 近年来,深度学习(Deep Learning)作为机器学习的一个新的研究热点,受到了广泛的关注和应用。深度学习是一种基于对数据进行表示学习的机器学习方法,其动机在于建立可以被人工神经网络中多隐层拟合的多层次模型来学习数据表示,用于分类、检测、识别等任务。
【优化形状】基于matlab遗传算法求解机翼形状优化问题【含Matlab源码 2393期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
02-25 1469
遗传算法求解机翼形状优化问题 完整的代码，方可运行；可提供运行操作视频！适合小白！
zone v2翼型设计数据
02-24
dlg 滑翔机翼型数据
profile翼型设计软件v2.21中文版
10-20
Profili是一款专业的翼型设计软件，内置了2000多种空气动学特性的翼型供用户选择，并拥有机翼数据库、过滤、新的机翼处理、合并两个机翼、新的动力分析、绘制龙骨和模板等实用功能，提供的这个是Profili汉化绿色版本，解压后可以直接使用，新版本还增强了新的动力分析功能，
代理模型MATLAB工具箱（FAC Viana）
12-21
SURROGATES工具箱是一个多维函数逼近和优化方法的通用MATLAB库。当前版本包括以下功能： 实验设计：中心复合设计，全因子设计，拉丁超立方体设计，D-optimal和maxmin设计。 代理：克里金法，多项式响应面，径向基神经网络和支持向量回归。 错误和交叉验证的分析：留一法和k折交叉验证，以及经典的错误分析（确定系数，标准误差;均方根误差等;）。 基于代理的优化：高效的全局优化（EGO）算法。 其他能力：通过安全裕度进行全局敏感性分析和保守替代。 安装请看docs目录下文档 FAC Viana, SURROGATES Toolbox User’s Guide, Version 2.1, http://sites.google.com/site/felipeacviana/surrogatestoolbox,2018.
机器学习在翼型优化问题中的应用.pdf
09-24
机器学习在翼型优化问题中的应用.pdf
使用 CST 参数化方法生成翼型：使用 CST 方法生成翼型-matlab开发
05-30
CST方法是一种强大的参数化方法，因为它具有简单性，鲁棒性以及可以归纳为各种可能形状的气动体的能力。 具有低阶多项式的 CST 也适用于翼型初步设计和优化目的，因为它只需要很少的参数来给出特定的翼型形状。 CST 通过对由伯恩斯坦多项式构建的基函数的个体贡献求和来构建翼型。 该代码易于使用，也很容易根据您自己的需要进行修改。 CST_airfoil.m 的输入如下： - wl（较低的表面重量） - wu（上表面重量） - dz（后缘厚度） - N（翼型坐标数） 其中输出是一组 CST 生成的翼型的 x 和 y 坐标。 作为演示，您可以尝试以下操作： CST_airfoil([-1 -1 -1], [1 1 1],0,400) 或者， CST_airfoil([-0.1294 -0.0036 -0.0666], [0.206 0.2728 0.2292],0,400) 后者将
【数字孪生】实现从abaqus到python的数据转换及深度学习代理模型构建
qq_41821340的博客
02-03 1962
基于python的数字孪生 通过深度学习代理模型预测有限元节点应力值
AutoDL论文解读（六）：基于代理模型的NAS
贾维斯的小屋
10-15 2074
自动化机器学习（AutoML）最近变得越来越火，是机器学习下个发展方向之一。其中的神经网络结构搜索（NAS）是其中重要的技术之一。人工设计网络需要丰富的经验和专业知识，神经网络有众多的超参数，导致其搜索空间巨大。NAS即是在此巨大的搜索空间里自动地找到最优的网络结构，实现深度学习的自动化。自2017年谷歌与MIT各自在ICLR上各自发表基于强化学习的NAS以来，已产出200多篇论文，仅2019年...
【MATLAB第64期】【保姆级教程】基于MATLAB的SOBOL全局敏感性分析模型运用（含无目标函数，考虑代理模型）
热门推荐
随风飘摇的土木狗的博客
08-03 1万+
## 版本更新： 2023/8/5： 1.因BP作为代理模型不稳定，经过测试，libsvm比rf /bp 效果稳定且精度较高。故用libsvm替换原来的bp，并增加选择libsvm的原因。 2.增加用libsvm作为代理模型的sobol敏感结果对比分析及验证内容。 **3.增加遍历来筛选sobol样本数量，进行结果比对。** 4.单独以sobol作为一章 。 因为内容比较多，为了便于观看 ，后期会更新其他的全局敏感性分析方法。(PAWN,GSA等)
翼型设计代码：快速实现翼型设计的自动化工具
文件的具体内容和结构需要实际打开和查看才能确定，但根据文件名称和描述，可以预测其中应该包含了翼型设计所需的各种算法和用户交互界面。 总结来说，翼型设计代码是一个集成了参数化建模、气动性能分析、曲线生成...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值