【文件属性】：
文件名称：细节增强的matlab代码-aero:航空
文件大小：129KB
文件格式：ZIP
更新时间：2021-05-27 02:50:29
系统开源
细节增强的matlab代码空气动力学预测的深度学习
该存储库包含用于创建和训练深层神经网络的脚本，该网络复制CFD求解器以对机翼进行空气动力学预测。
使用RANS（雷诺平均Navier-Stokes）求解器准备训练数据。
使用合理值的网格搜索对超参数进行了调整。
当前代码仅作为示例提供，并非最终版本，其中包括损失函数修改和解卷积步骤的多种方法。
s814机翼上的X速度轮廓图。
引用这项工作
如果使用此功能，请引用以下论文：
Bhatnagar，Afshar，Pan，Duraisamy，Kaushik：使用卷积神经网络预测空气流场（计算力学，2019年）
介绍
今天，CFD求解器在产品的开发和设计中，特别是在机械和航空工程中，扮演着重要的角色。
执行高逼真度仿真的最大问题之一是进行此类仿真的时间以及执行该仿真的计算成本。
该项目是密歇根大学一项雄心勃勃的项目的基础，该项目使用深层神经网络，随着几何形状的变化，几乎实时地预测复杂车辆几何周围的空气动力流场。
假设是，训练有素的神经网络的使用可以实现这一点，而大部分的计算时间和精力都用于离线训练网络。
使用这种工具将大大缩短设计的周转时间，并
【文件预览】：
aero-master
----Front_end.py(311B)
----.gitignore(32B)
----training_1.csv(4KB)
----README.md(6KB)
----config_file_2.csv(183B)
----network.png(63KB)
----model.json(18KB)
----config_file.csv(443B)
----result_ex.png(42KB)
----back_end.py(14KB)
----u_velocity_TURNS.jpg(22KB)