摘要
本发明公开了基于有限元物理信息降阶模型的翼型气动特性分析方法,通过构建翼型的高保真仿真流场;提取高保真仿真流场数据中的降阶模态,降阶全阶仿真结果;构建基于降阶模型的参数化深度学习网络;基于降阶转移矩阵,构建降阶有限元分析的物理信息损失方程;使用预训练的高保真仿真结果与网络预测重构模态结果的均方误差与降阶有限元物理信息方程对比进行网络训练;通过优化网络权重参数,获得从不同攻角、不同马赫数到扩展系数之间的映射关系;基于降阶模态与扩展系数重构全阶仿真结果,以此计算翼型升阻力系数。实现了不同攻角、不同马赫数下的翼型升阻力系数的快速输出,在少量高保真仿真样本的情况下,快速预测翼型的气动参数。
技术关键词
特性分析方法
降阶模型
翼型参数
数值仿真
物理
矩阵
快照
深度学习网络
重构
代表
阻力
关系
方程
定义
升力
数据
速度
系统为您推荐了相关专利信息
电力系统信息安全
时间序列特征
物理
传输方法
指纹
数字孪生
空间构建方法
数据
物流设备
频域特征提取
智能优化方法
神经网络模型
智能优化系统
打印机构
参数