基于深度學(xué)習(xí)的翼型氣動(dòng)彈片流場(chǎng)參數(shù)預(yù)測(cè)

摘要： 彈片是解決翼型流動(dòng)分離的重要技術(shù)手段，合理的彈片參數(shù)對(duì)翼型表面壓力分布尤為重要?；跀?shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)方法與計(jì)算流體力學(xué)(Computational Fluid Dynamics, CFD)相結(jié)合，可快速有效地完成對(duì)復(fù)雜流場(chǎng)特征的識(shí)別與提取。本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)的翼型表面壓力分布預(yù)測(cè)方法，通過(guò)提取流場(chǎng)...