排序方式: 共有23条查询结果,搜索用时 484 毫秒
11.
E 级计算给 CFD 带来的机遇与挑战 总被引:4,自引:0,他引:4
E 级(Exascale)计算机有望在2020年前后投入使用,E 级计算将给计算科学和科学研究带来革命性的变化。计算流体力学(CFD)作为超大规模计算机应用的重要领域之一,将迎来前所未有的发展机遇,同时也将面临极其严峻的技术挑战。本文对当前国内外超大规模 CFD 计算的现状进行了概述,探讨了未来 CFD 的发展趋势,并对 E 级计算给 CFD 带来的机遇与挑战进行了分析,最后提出了适应未来 E 级计算的 CFD 发展思路与建议。为了实现 E 级计算的宏伟目标,CFD 与计算机科学、应用数学等学科的“协同设计”势在必行。我们期待本文的分析能对我国的高性能计算应用、CFD 发展有一定的启示作用。 相似文献
12.
以伊利诺伊大学香槟分校UIUC的工程翼型库为研究对象,首先通过几何数据直接对比以及基于型函数/类函数变换(CST)的参数化方法实现了重复翼型和数据异常翼型的清洗;接着,对CST参数的取值分布规律进行分析发现其近似呈正态分布,对CST参数之间的关联规律进行挖掘得到翼型参数之间的相关性,并对CST参数进行聚类分析,其结果基本与工程翼型的分类一致;进一步,采用级差分析方法、SOM自组织映射方法和Apriori方法分析了CST参数与典型工况翼型气动特性之间的关系.其中,级差分析方法给出了各CST参数对气动特性影响的显著程度,SOM和Apriori方法则分析了CST参数和气动特性之间的相关性;最后,分别使用支持向量机(SVM)和深度神经网络(DNN)构建了CST参数与典型工况下气动特性之间的预测模型,在拟合和泛化能力方面,深度神经网络模型明显优于SVM模型.本文所得到的数据挖掘及建模结果可为工程翼型气动特性分析与设计提供支撑. 相似文献
13.
针对识别和拦截技术高度发展所带来的突防难题,提出高超声速滑翔飞行器(HGV)螺旋俯冲机动突防的概念,并为此设计了一种基于虚拟滑动目标的自适应比例导引律。首先,通过分析HGV绕目标飞行的运动学特性,建立对数型的螺旋运动模型,以该模型为基础利用曲线渐伸线原理设计虚拟目标的滑动轨迹。然后,采用包含时变附加项的比例导引律追踪虚拟目标,从而实现引导HGV进行螺旋俯冲机动以及对真实目标的打击。接着,为提高虚拟目标的跟踪精度以及抵抗外部干扰的能力,设计了制导参数的闭环非线性自适应律,能根据当前偏差在线选择制导参数值。此外,还分析了满足收敛条件的制导参数的取值范围以及其进入闭环更新的策略。最后,分别针对静止目标和低速移动目标进行数值仿真验证,结果表明所设计的制导律不但能够引导HGV实施螺旋俯冲机动,还能够准确地命中目标。 相似文献
14.
机器学习方法在气动特性建模中的应用 总被引:1,自引:0,他引:1
气动数据建模是飞行性能仿真评估的基础。气动特性建模主要有机理建模方法和"黑箱"建模方法。本文对"黑箱"建模的三类机器学习方法——分类与回归树方法、浅层学习方法和深度学习方法,进行了算法说明与分析应用。将分类与回归树方法、浅层学习方法中的Kriging建模方法、RBF神经网络方法及SVM支持向量机方法分别应用于火箭气动特性建模、三角翼大迎角非定常气动特性建模、气动热试验数据融合,对这几类建模方法的优势和不足进行了比较分析。同时,将流动条件参数组成向量,再映射为图像,与翼型图像构成"合成图像",建立了基于翼型几何图像、来流马赫数、迎角的翼型气动特性深度神经网络模型,得到了比较好的预测效果,拓展了气动特性深度学习建模方法的使用范围。 相似文献
15.
基于深度学习的翼型气动系数预测 总被引:5,自引:0,他引:5
提出了一种基于深度学习的翼型气动系数预测方法,有效克服了以往方法依赖翼型设计参数以及算法复杂度随预测精度的提高呈指数级增长等缺点。首先,介绍了卷积神经网络(CNN)的基本原理、网络机构以及训练方法,给出了训练样本数、批量大小、批次数量、迭代次数、循环次数的关系;其次,设计了针对翼型图像处理的CNN结构,随机选择6000个样本对该网络进行了训练;最后,对561个翼型的法向力系数进行了预测,并与部分参数法方法的预测结果进行了比较。仿真结果表明,提出的图形化预测方法具有很高的预测精度。 相似文献
16.
立铣空间力学模型分析研究 总被引:14,自引:0,他引:14
航空产品大量使用薄壁结构零件,但薄壁零件在加工中由于受力变形易产生让刀现象,造成零件尺寸精度难以保证,为研究其变形机理,建立准确的切削力学模型十分关键。本文在已有文献的基础上,建立了螺旋立铣刀切削的力学模型,并对铣削力的空间分布状态进行了必要的讨论,为进一步研究薄壁零件加工变形奠定了理论基础。 相似文献
17.
基于深度学习的翼型反设计方法 总被引:1,自引:1,他引:0
建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。 相似文献
18.
2005年11月14日,北京卫星环境工程研究所主办召开为期一天半的空间技术报告与交流会。会议由庞贺伟所长主持,主要邀请美国NASA宇航员,现任ADASTRA火箭公司首席执行官——Frankl in Chang Diaz(张福林)博士和美国休斯敦大学刘家澍教授作专题报告。 相似文献
19.
20.