【技术实现步骤摘要】
本申请属于气动参数，尤其涉及一种翼型流场信息的确定方法、装置、终端设备及存储介质。
技术介绍
1、随着人们对飞行器的性能要求日益提高，气动布局设计与优化日益受到重视。然而，由于空气动力学的复杂性，采用现有计算流体力学（cfd）方法确定飞行器的气动特性高度依赖于高精度数值模拟，需要大量计算能力和处理时间。气动优化寻优算法，通过融合多种精度的代理模型和降阶模型进行搜索以提高优化的时间效率。常规模型遭遇维度灾难等问题，随着设计问题复杂度的上升，计算成本仍然不可接受。基于机器学习设计方法由于具有强大的归纳能力，在气动布局优化设计领域提供了新的发展方向。
2、以机器学习为代表的各种智能方法已延伸到飞行器气动、强度、结构设计等各个方面，极大地优化了设计效率和效果。但是现有技术中并没有采用机器学习来提取翼型流场信息的低维结构并实现流场信息快速预测的技术方案。
技术实现思路
1、本申请意在提供一种翼型流场信息的确定方法、装置、终端设备和存储介质，以解决现有技术中存在的不足，本申请要解决的技术问...
【技术保护点】
1.一种翼型流场信息的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的翼型流场信息的确定方法，其特征在于，所述初始变分模型包括编码器和解码器，所述编码器为两层全连接神经网络。
3.根据权利要求2所述的翼型流场信息的确定方法，其特征在于，所述变分自编码模型通过如下方式获得：
4.根据权利要求3所述的翼型流场信息的确定方法，其特征在于，所述根据所述样本训练数据，对所述初始变分模型进行训练，得到训练后的流场信息，包括：
5.根据权利要求3所述的翼型流场信息的确定方法，其特征在于，所述获取样本训练数据，包括：>
6.一种翼型...
【技术特征摘要】
1.一种翼型流场信息的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的翼型流场信息的确定方法，其特征在于，所述初始变分模型包括编码器和解码器，所述编码器为两层全连接神经网络。
3.根据权利要求2所述的翼型流场信息的确定方法，其特征在于，所述变分自编码模型通过如下方式获得：
4.根据权利要求3所述的翼型流场信息的确定方法，其特征在于，所述根据所述样本训练数据，对所述初始变分模型进行训练，得到训练后的流场信息，包括：
5.根据权利要求3所述的翼型流场信息的确定方法，其特征在于，所述获取样本训练数据，...
【专利技术属性】
技术研发人员：宋超，刘红阳，刘文君，蓝庆生，罗骁，王浩，周铸，肖明昊，
申请(专利权)人：中国空气动力研究与发展中心计算空气动力研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。