基于深度学习的亚声速机翼升力线理论的改进

针对计算流体力学及升力面理论解算效率低、算力需求大的问题,提出基于深度学习的改进亚声速机翼升力线理论。通过灰度化、阈值化等处理,提取机翼的轮廓。将图像的轮廓通过YOLO系列神经网络使用原创数据集进行角点检测,获得机翼控制点坐标。分别使用控制点坐标及机翼轮廓通过升力线和升力面理论计算机翼的气动参数,并使用多层感知机修正升力线与升力面的误差,获得精度较高的改进升力线模型。结果表明采用上述算法可有效提升升力线理论的准确率,并保证解算效率。