收藏本站
《第四届全国非定常空气动力学学术会议论文集》2018年
收藏 | 手机打开
二维码
手机客户端打开本文

一种基于流场特征的气动力深度学习降阶模型

王怡星  李东风  陈刚  
【摘要】:深度学习模型可以自主学习系统特征,并对复杂非线性问题有很好的模拟及预测能力。通过深度学习进行流场建模,不仅可以利用学习到的流场系统内在变化规律、对流场作出模拟及预测,还可以显著降低预测时间及计算资源。传统神经网络方法基本仅针对特定模型,输入量仅为一些独立参数,没能体现出系统的本质特征,因此其精度与泛化能力均有很大程度限制。本文提出一种基于流场特征的深度学习模型,并将其应用于流场系统的降阶中。本文提出的方法采用深度卷积神经网络提取流场特征信息,并提出一种复合深度神经网络架构来解决不同类型输入变量的综合问题。为了确定神经元的权值,在学习过程中使用了一种改进的反向误差传递算法。对于NACA0012-2D等模型,采用各网格点上经过特殊计算的几何特征值作为输入,由全阶CFD方程计算所得的气动力作为目标数据,应用改进的反向误差传递算法对深度神经网络进行训练,使得该网络具有气动力预测能力。本文提出的深度神经网络预测结果很好地吻合了全阶计算结果。为了确定神经网络中诸如神经元个数、网络层数、卷积核大小等超参数,我们还进行了灵敏度分析。在误差范围内,与全阶模型相比,本文提出的深度学习模型显著降低了计算量。最后,我们尝试从理论方面探讨该方法的预测原理,并得到了一些有价值的结论。本文提出的基于流场特征的深度学习方法对于飞行器的设计与控制具有重要与广泛的意义,并可被应用于流场降阶等场合中。

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 郑赟;刘昆;黄道君;候劲松;;一些产生互连线降阶模型的方法[J];中国集成电路;2004年02期
2 G.J.Lastman ,N.K.Sinha ,P.Rózsa ,袁曾任;保留到降阶模型中状态选择的新方法[J];国外自动化;1986年03期
3 郑学奇 ,童调生;降阶模型的标准结构[J];电机电器技术;1988年03期
4 王建平;谢文展;;一种离散系统模型降阶的新方法[J];安徽工学院学报;1989年02期
5 胡克定;洪秉钧;;热工对象模型降阶的一种时域算法[J];华侨大学学报(自然科学版);1989年02期
6 张珺;李立州;罗骁;张新燕;;气动力降阶模型的优化识别方法[J];兵器装备工程学报;2018年04期
7 孙芳锦;梁爽;;分块降阶模型及其在风与膜结构流固耦合计算中的应用[J];防灾减灾工程学报;2015年03期
8 孙芳锦;殷志祥;曹启坤;张大明;;降阶模型及其在大跨度屋盖结构风振中的应用研究[J];工程力学;2008年06期
9 郑玉山;高向阳;吴佳斌;;基于系统响应图形的组合降阶模型模态提取[J];西北工业大学学报;2010年05期
10 吴受章;采用降阶模型设计高阶控制系统[J];信息与控制;1984年06期
中国重要会议论文全文数据库 前10条
1 王怡星;李东风;陈刚;;一种基于流场特征的气动力深度学习降阶模型[A];第四届全国非定常空气动力学学术会议论文集[C];2018年
2 王旭;寇家庆;张伟伟;;基于模糊神经网络的非定常气动力降阶模型[A];2018年全国固体力学学术会议摘要集(下)[C];2018年
3 余明;黄伟希;许春晓;;高超声速边界层转捩初期流场的降阶模型[A];第十届全国流体力学学术会议论文摘要集[C];2018年
4 李玉韦;王博;徐胜利;赵振军;;基于降阶模型的锥柱结合壳结构动力特性分析[A];中国航天第三专业信息网第三十九届技术交流会暨第三届空天动力联合会议论文集——S07结构、强度和可靠性技术[C];2018年
5 唐嫕璇;田强;胡海岩;;ANCF单元降阶方法研究[A];第九届全国多体系统动力学暨第四届全国航天动力学与控制学术会议论文摘要集[C];2015年
6 王文胜;侯中华;魏豪杰;梅群;;复杂梁式结构动力学模型修正研究[A];中国力学大会-2015论文摘要集[C];2015年
7 刘家振;王昕;王振雷;钱锋;;具有降阶模型的多模型鲁棒自适应控制[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
8 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
9 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
10 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
中国博士学位论文全文数据库 前10条
1 王文胜;复杂细长结构动力模型降价及优化研究[D];大连理工大学;2012年
2 徐鹏;基于深度学习的结构健康监测[D];暨南大学;2017年
3 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
4 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
5 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
6 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
7 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
8 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
9 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
10 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
中国硕士学位论文全文数据库 前10条
1 徐旺丁;气动弹性问题中的降阶模型方法研究[D];合肥工业大学;2018年
2 杨明磊;背势流激励叶片的气动力响应降阶模型研究[D];中北大学;2018年
3 胡振明;静电微梁器件的适应性降阶模型研究[D];福州大学;2016年
4 李威威;降阶模型在低渗透油藏数值模拟中的应用[D];中国石油大学(华东);2015年
5 王立忠;复杂梁式结构模型降阶及降阶模型修正[D];大连理工大学;2014年
6 王征韬;深度神经网络压缩与优化研究[D];电子科技大学;2017年
7 唐瑜;基于矩阵束和神经网络两种方法的多径干扰抑制研究[D];厦门大学;2017年
8 齐照辉;基于TensorFlow的卷积神经网络应用[D];武汉大学;2018年
9 陈健;基于深度学习的汉字笔迹自动比较检验与鉴别研究[D];浙江理工大学;2019年
10 张玮;基于深度学习的织物面料成分分类算法研究[D];浙江理工大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026