基于多任务学习的翼型流场预测方法

本发明提出一种基于多任务学习的翼型流场预测方法，首先建立基于多任务学习的翼型流场预测模型，包括编码器、主干网络、多头解码器；然后利用翼型流场数据集，采用基于多任务学习的优化策略对建立的模型进行训练；最后对实际需要进行流场预测的翼型进行几何参数化与网格生成处理，获得标准化的翼型流场数据，将翼型流场数据输入训练好的翼型流场预测模型进行预测，得到全流场物理量分布及升阻力系数信息。本发明预测模型训练过程中使用了多任务损失优化策略，所以能够有效解决翼型表面损失和体积损失优化产生冲突的问题，进而实现了翼型代理模型的构建以及流场信息和气动参数的准确预测。