| 基于BP神经网络的翼型空气动力系数预测 |
| |
| 引用本文： | 陈海, 钱炜祺, 何磊. 基于深度学习的翼型气动系数预测[J]. 空气动力学学报, 2018, 36(2): 294-299. DOI: 10.7638/kqdlxxb-2017.0098 |
| |
| 作者姓名： | 陈海 钱炜祺 何磊 |
| |
| 作者单位： | 中国空气动力研究与发展中心, 四川 绵阳 621000 |
| |
| 基金项目： | 国家自然科学基金（11532016）;中国博士后科学基金项目（2015M582810） |
| |
| 摘 要： | 
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。
|
| 关 键 词： | 深度学习 卷积神经网络 翼型 气动系数 预测 回归 |
| 收稿时间： | 2017-05-31 |
| 修稿时间： | 2017-07-04 |
|
| 点击此处可从《空气动力学学报》浏览原始摘要信息 |
|
点击此处可从《空气动力学学报》下载免费的PDF全文 |
|
