基于深度学习的阵列风扇风场控制方法及系统

本发明属于风洞流场控制领域，公开了基于深度学习的阵列风扇风场控制方法及系统。该方法包括：采集不同工况下风扇阵列转速分布和试验区速度分布、数据归一化并构造RGB图片数据集、设计深度卷积神经网络并进行训练、给定目标速度分布进行转速分布预测，以及风扇阵列执行转速控制。本发明能够避免直接对多风扇间的流场耦合效应进行建模分析，充分利用深度卷积神经网络对网格化数据的非线性拟合能力，将目标流动特性生成转化成图像生成，建立目标风场‑风扇转速的映射模型，最终实现复杂风场的流动特性模拟。