基于時程數(shù)據(jù)的翼型尾流特征識別模型分析

摘要： 針對傳統(tǒng)流場分析方法難以提取非線性與高維度數(shù)據(jù)特征的問題，結合自適應噪聲完全集合經(jīng)驗模態(tài)分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)與分形盒維數(shù)對速度、壓力和渦量等時程數(shù)據(jù)進行分解、篩選及重構，并結合深度學習建立尾流特征識別模型，以實現(xiàn)翼型特征和流動攻角的反向預測。... （共7頁）