QLingNet:一种高效灵活的用于宽速域流场的快速仿真方法

【作者】 左奎军； 叶正寅； 袁先旭； 张伟伟；

【机构】 西北工业大学航空学院； 中国空气动力研究与发展中心空天飞行空气动力科学与技术全国重点实验室；

【摘要】 人工智能技术是加速流场仿真的一种有效方法,但当前的深度学习模型很难做到在保证计算效率的同时实现流场分辨率的泛化。提出了一种新颖的深度学习模型用于宽速域且具有不同网格分辨率流场的预测。与现有卷积神经网络不同,构造的特征提取器能够在通道维度上实现对不同空间位置特征的融合,从而能够极大的降低网络对分辨率的敏感性。另外,设计了一种记忆池策略能够保证模型在训练以及推理阶段均能够实现对不同分辨率流场的自适应。通过大量的定性以及定量实验,证明了提出的深度学习模型预测速度能够比基于CPU求解器的求解速度快3个数量级,流场的预测精度能够达到99%以上,该深度学习模型为空气动力学领域大模型的发展奠定了基础。更多还原