-
公开(公告)号：CN116029219B
公开(公告)日：2023-07-07
申请号：CN202310166088.3
申请日：2023-02-27
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/08 , G06Q10/04
Abstract: 本申请公开了一种飞行器气动热预测方法、装置、设备及存储介质，涉及飞行器气动热技术领域，包括：获取飞行器的飞行条件和飞行器的外形特征；基于卷积神经网络构建包含外形特征提取网络、来流信息提取网络以及热流预测网络的气动热预测模型；将飞行条件和所述外形特征输入至训练后的气动热预测模型，利用训练后的气动热预测模型对飞行器的气动热进行预测，以得到相应的预测结果。通过该气动热预测模型直接输出预测的气动热结果，通过该气动热预测模型能够实现对不同外形飞行器的气动热进行快速预测，并且借鉴了图像处理技术的思想，利用卷积神经网络权值共享的特点，相比基于全连接神经网络构建的预测模型提高模型的训练速度。
-
公开(公告)号：CN118410743A
公开(公告)日：2024-07-30
申请号：CN202410865656.3
申请日：2024-07-01
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本申请公开了基于去噪扩散模型的翼型快速反设计方法、装置及设备，涉及智能流体力学领域，包括：基于获取的历史飞行器翼型形状及对应的历史翼型坐标点训练无条件去噪扩散模型，以便训练后的目标无条件去噪扩散模型生成若干目标翼型形状，基于目标翼型形状建立目标翼型数据库；利用目标翼型数据库的目标翼型形状以及对应的气动性能参数对条件去噪扩散模型进行模型训练，得到目标条件去噪扩散模型；当存在翼型生成请求时，将翼型生成请求中的气动性能指标输入至目标条件去噪扩散模型，以便目标条件去噪扩散模型基于气动性能指标生成对应的翼型形状。可对训练完成的目标条件去噪扩散模型直接输入气动性能快速得到满足气动性能要求的翼型结果。
-
公开(公告)号：CN113609596B
公开(公告)日：2021-12-14
申请号：CN202111147006.8
申请日：2021-09-29
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于神经网络的飞行器气动特性预测方法，涉及飞行器气动设计领域，包括：采集预设飞行器在不同来流参数和外形参数下的气动特性参数获得第一训练集；将第一训练集划分为M个第一子训练集；构建M个第一飞行器气动特性预测模型；基于M个所述第一子训练集分别训练对应的M个第一飞行器气动特性预测模型，获得M个第二飞行器气动特性预测模型；基于待预测飞行器的来流参数和外形参数获得M个输入数据；将M个输入数据分别输入到对应的第二飞行器气动特性预测模型中获得待预测飞行器的气动特性参数预测结果；通过本方法能够快速且准确的对飞行器气动特性进行预测，降低了计算量和计算成本，提高了效率。
-
公开(公告)号：CN116296239A
公开(公告)日：2023-06-23
申请号：CN202310601831.3
申请日：2023-05-26
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G01M9/06 , G06F30/27 , G06N3/0464 , G01M9/02 , G06F111/10 , G06F113/08 , G06F119/08
Abstract: 本发明公开了基于卷积神经网络的风洞试验方法、装置、设备以及介质，涉及飞行器风洞试验领域，其中方法包括：对攻角和侧滑角进行采样得到不同的样本点；对各个所述样本点进行气动热数值模拟，得到各个所述样本点的热流数据；根据所述热流数据，利用卷积神经网络对所述热流数据进行训练，得到卷积神经网络模型；获取待预测攻角和待预测侧滑角的范围数值，利用所述卷积神经网络模型进行预测，得到与所述范围数值对应的气动响应面；本发明通过利用卷积神经网络进行风洞现代试验设计的方式，替代现有技术中的线性机理模型，充分挖掘飞行器在不同工况条件下与气动响应间的非线性关系，有效提高响应面的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN113609596A
公开(公告)日：2021-11-05
申请号：CN202111147006.8
申请日：2021-09-29
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于神经网络的飞行器气动特性预测方法，涉及飞行器气动设计领域，包括：采集预设飞行器在不同来流参数和外形参数下的气动特性参数获得第一训练集；将第一训练集划分为M个第一子训练集；构建M个第一飞行器气动特性预测模型；基于M个所述第一子训练集分别训练对应的M个第一飞行器气动特性预测模型，获得M个第二飞行器气动特性预测模型；基于待预测飞行器的来流参数和外形参数获得M个输入数据；将M个输入数据分别输入到对应的第二飞行器气动特性预测模型中获得待预测飞行器的气动特性参数预测结果；通过本方法能够快速且准确的对飞行器气动特性进行预测，降低了计算量和计算成本，提高了效率。
-
公开(公告)号：CN118410743B
公开(公告)日：2024-08-23
申请号：CN202410865656.3
申请日：2024-07-01
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本申请公开了基于去噪扩散模型的翼型快速反设计方法、装置及设备，涉及智能流体力学领域，包括：基于获取的历史飞行器翼型形状及对应的历史翼型坐标点训练无条件去噪扩散模型，以便训练后的目标无条件去噪扩散模型生成若干目标翼型形状，基于目标翼型形状建立目标翼型数据库；利用目标翼型数据库的目标翼型形状以及对应的气动性能参数对条件去噪扩散模型进行模型训练，得到目标条件去噪扩散模型；当存在翼型生成请求时，将翼型生成请求中的气动性能指标输入至目标条件去噪扩散模型，以便目标条件去噪扩散模型基于气动性能指标生成对应的翼型形状。可对训练完成的目标条件去噪扩散模型直接输入气动性能快速得到满足气动性能要求的翼型结果。
-
公开(公告)号：CN116227389A
公开(公告)日：2023-06-06
申请号：CN202310505614.4
申请日：2023-05-08
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F30/27 , G06F18/214 , G06N3/048 , G06N3/08 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本申请公开了一种气动热数据的预测方法及装置，通过获取目标来流参数信息；将目标来流参数信息输入到预先建立的气动热预测模型中，得到与目标来流参数信息对应的目标气动热数据；预先建立的气动热预测模型是根据风洞试验数据以及CFD计算数据对神经网络模型进行训练后得到的，本申请通过建立飞行器来流参数信息和飞行器的融合数据之间的映射关系，融合数据包括风试验数据和CFD计算数据，生成气动热预测模型，通过该气动热预测模型能快速精确的根据不同的来流条件对不同飞行状态下的飞行器气动热数据进行预测，并使数据结果精度更接近风洞试验数据。
-
公开(公告)号：CN116029219A
公开(公告)日：2023-04-28
申请号：CN202310166088.3
申请日：2023-02-27
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/08 , G06Q10/04
Abstract: 本申请公开了一种飞行器气动热预测方法、装置、设备及存储介质，涉及飞行器气动热技术领域，包括：获取飞行器的飞行条件和飞行器的外形特征；基于卷积神经网络构建包含外形特征提取网络、来流信息提取网络以及热流预测网络的气动热预测模型；将飞行条件和所述外形特征输入至训练后的气动热预测模型，利用训练后的气动热预测模型对飞行器的气动热进行预测，以得到相应的预测结果。通过该气动热预测模型直接输出预测的气动热结果，通过该气动热预测模型能够实现对不同外形飞行器的气动热进行快速预测，并且借鉴了图像处理技术的思想，利用卷积神经网络权值共享的特点，相比基于全连接神经网络构建的预测模型提高模型的训练速度。
-
公开(公告)号：CN115544917A
公开(公告)日：2022-12-30
申请号：CN202211296645.5
申请日：2022-10-21
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F30/27 , G06F30/15 , G06T17/20 , G01L11/00 , G01M9/06 , G06F119/14 , G06F113/28
Abstract: 本申请公开了压力分布数据预测模型建立方法，涉及飞行器气动设计技术领域，包括：将各工况条件下参考压力分布数据集和工况条件分为训练集、验证集和测试集，将训练集分为与网格区域一一对应的训练子集；为网格区域设置参考神经网络模型；基于预设拓展区域对训练子集进行自适应边界拓展得到拓展后训练子集；在每个网格区域内利用拓展后训练子集得到具有工况条件和压力分布数据之间映射关系的参考神经网络模型；利用验证集更新预设拓展区域并跳转至基于预设拓展区域的步骤，直至得到每个网格区域的压力分布数据预测模型；利用测试集测试压力分布数据预测模型，若满足第一预设条件则为最终预测模型。构建模型以快速精确预测表面压力分布数据。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
