飞行器翼型表面流场数据智能分区

飞行器翼型CFD仿真结果后处理分析自动化程度的提升能有效地提升产品设计效率,因此提出了一种翼型表面流场数据智能化分区方法,可有效得到翼型表面流场分区结果。首先,通过参数化批量修改气动外形得到翼型数据集,再利用数值模拟生成流场计算结果;然后,基于共形几何对流场数据进行降维并进行重采样和矩阵化,将其作为预测模型的标准输入;随后,构建卷积神经网络模型对流场数据进行训练和预测;最后,通过逆映射将分区结果重采样到翼型表面。实验表明,该方法可针对不同的物理量高效地对翼型表面流场数据进行分区,在测试数据集上的准确率在92%以上。