基于卷积神经网络的结冰翼型气动参数预测

针对传统CFD计算获取结冰翼型气动参数过程繁琐的问题,提出一种基于数据转换和深度学习的图形化预测方法,开展结冰翼型气动特性参数的预测研究。该方法利用卷积神经网络可有效提取图形特征的特点,通过数据转换提取翼型结冰图形,建立结冰翼型气动参数预测模型,通过训练网络建立冰形与气动参数之间的非线性映射关系。最后,以NACA0012翼型为例开展仿真试验,证明了方法的可靠性和高效性。研究结果表明,利用该方法预测气动参数平均相对误差在5%以内,预测时间在毫秒量级,可为后续飞机结冰飞行安全分析和防/除冰设计提供参考。