基于UNet的翼型可壓縮流場(chǎng)機(jī)器學(xué)習(xí)推理方法

摘要： 為進(jìn)一步提升高雷諾數(shù)、大迎角（Angle of attack, AoA）和高馬赫數(shù)下的翼型可壓縮流場(chǎng)預(yù)測(cè)精度和效率，本文提出了一種基于坐標(biāo)轉(zhuǎn)換方法和UNet神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)推理方法。首先，提出了用于數(shù)據(jù)前處理的坐標(biāo)轉(zhuǎn)換方法，將計(jì)算流體力學(xué)中的物理量和網(wǎng)格信息轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò)空間信息，使流場(chǎng)信息的分布更符合神經(jīng)網(wǎng)絡(luò)的輸入要求。其次，建立了新型深度UNet神經(jīng)網(wǎng)絡(luò)，使模型學(xué)習(xí)到翼型... （共11頁）