基于深度學(xué)習(xí)的翼型氣動彈片流場參數(shù)預(yù)測

摘要： 彈片是解決翼型流動分離的重要技術(shù)手段，合理的彈片參數(shù)對翼型表面壓力分布尤為重要?；跀?shù)據(jù)驅(qū)動的深度學(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復(fù)雜流場特征的識別與提取。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)測方法，通過提取流場... （共7頁）