文档名：基于深度学习的翼型参数化建模方法
摘要：为解决现有翼型几何参数化描述方法优化设计效率低、计算工作量大的问题,提出了一种基于深度学习的翼型参数化建模方法.该方法以伊利诺伊大学厄巴纳-香槟分校(UniversityofIllinoisatUrbana-Champaign,UIUC)翼型数据库中翼型上下表面坐标点转化的翼型二维图像作为输入,首先使用卷积运算提取大量翼型图像的几何特征,然后通过多层感知机对提取的几何特征进行分类和压缩,将翼型形状压缩成若干个简化的拟合参数,最后通过解码器恢复翼型图像并输出翼型上下表面的点坐标.在此基础上,探讨了拟合参数数量对翼型几何精度的影响,确定了含6个拟合参数的卷积神经网络(convolutionalneuralnetwork,CNN)结构,并基于计算流体力学数值仿真验证了所提出方法的拟合精度.最后,开发了可视化翼型几何设计软件,实现了拟合参数的调整与修正,并分析了各拟合参数对翼型形状的影响规律.结果表明,6个拟合参数均会对翼型形状产生全局影响,单独或联合调整6个拟合参数可获得新的翼型设计空间.研究结果可为翼型的优化设计提供技术支持与理论参考.
Abstract：Inordertosolvetheproblemsoflowefficiencyandheavycomputationalworkloadduringtheoptimizationdesignprocessintheexistingairfoilgeometricparametrizedmodelingmethods,adeeplearning-basedairfoilparametrizedmodelingmethodwasputforward.Inthismethod,thetwo-dimensionalairfoilimagesconvertedfromcoordinatepointsofairfoilupperandlowersurfacesintheairfoildatabaseoftheUniversityofIllinoisatUrbana-Champaign(UIUC)weretakenastheinput.Firstly,theconvolutionoperationswereusedtoextractgeometricfeaturesofalargeamountofairfoilimages.Then,theextractedgeometricfeatureswereclassifiedandcompressedbymulti-layerperceptron,andtheairfoilshapewascompressedintoseveralsimplifiedfittingparameters.Finally,theairfoilimagewasrestoredandthecoordinatesofpointsontheupperandlowersurfacesofairfoilwereoutputbyadecoder.Onthisbasis,theinfluenceofthenumberoffittingparametersonthegeometricaccuracyofairfoilwasdiscussed,andaconvolutionalneuralnetwork(CNN)structurewithsixfittingparameterswasdetermined.Atthesametime,thefittingaccuracyoftheproposedmethodwasverifiedbythecomputationalfluiddynamicsnumericalsimulation.Finally,thevisualairfoilgeometrydesignsoftwarewasdevelopedtoadjustandmodifythefittingparameters,andtheinfluencelawofeachfittingparameterontheairfoilshapewassummarized.Theresultsindicatedthatallthesixfittingparametershadaglobalimpactontheairfoilshape,andthenewairfoildesignspacecouldbeobtainedbyadjustingthesixfittingparametersindividuallyorjointly.Thisresearchresultscanprovidetechnicalsupportandtheoreticalguidanceforairfoiloptimizationdesign.
作者：沈剑雄 刘迎圆 王乐勤 Author：SHENJianxiong LIUYingyuan WANGLeqin
作者单位：上海师范大学信息与机电工程学院,上海201400浙江大学能源工程学院,浙江杭州310027
刊名：工程设计学报 ISTICPKU
Journal：ChineseJournalofEngineeringDesign
年，卷(期)：2024, 31(3)
分类号：TH122
关键词：翼型参数化 几何特征 深度学习 卷积神经网络
Keywords：airfoilparameterization geometricfeature deeplearning convolutionalneuralnetwork
机标分类号：TP391.41V224G64
在线出版日期：2024年7月4日
基金项目：国家自然科学基金基于深度学习的翼型参数化建模方法[
期刊论文] 工程设计学报--2024, 31(3)沈剑雄 刘迎圆 王乐勤为解决现有翼型几何参数化描述方法优化设计效率低、计算工作量大的问题,提出了一种基于深度学习的翼型参数化建模方法.该方法以伊利诺伊大学厄巴纳-香槟分校(UniversityofIllinoisatUrbana-Champaign,UIUC)翼型数据...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度学习的翼型参数化建模方法 Deep learning-based method for parametrized modeling of airfoil
基于深度学习的翼型参数化建模方法.pdf
- 文件大小:
- 3.9 MB
- 下载次数:
- 60
-
高速下载
|
|
