本文主要研究内容
作者陈冰雁,刘传振,白鹏,乔宇（2019）在《使用深度残差网络的乘波体气动性能预测》一文中研究指出：本文探究深度学习人工智能技术在飞行器气动外形预测中的应用。以激波装配法乘波体设计为背景,建立气动数据快速生成工具,使用拉丁超立方采样得到海量样本数据。使用深度残差神经网络构建气动外形参数到气动性能数据的代理模型,并与随机森林和双隐层神经网络等普通机器学习模型对比;同时将数据转换为图片,研究基于图片识别的深度学习模型搭建,省略飞行器外形的参数化表达。测试结果说明,深度残差网络作为数据代理模型的精度是随机森林和双隐层神经网络的3倍以上,而基于图片识别的代理模型精度提高有限。研究表明,深度残差网络在乘波体等易于生成大量数据的气动外形的性能预测中效果明显,为深度学习技术在气动外形设计中的应用奠定了基础。
Abstract
ben wen tan jiu shen du xue xi ren gong zhi neng ji shu zai fei hang qi qi dong wai xing yu ce zhong de ying yong 。yi ji bo zhuang pei fa cheng bo ti she ji wei bei jing ,jian li qi dong shu ju kuai su sheng cheng gong ju ,shi yong la ding chao li fang cai yang de dao hai liang yang ben shu ju 。shi yong shen du can cha shen jing wang lao gou jian qi dong wai xing can shu dao qi dong xing neng shu ju de dai li mo xing ,bing yu sui ji sen lin he shuang yin ceng shen jing wang lao deng pu tong ji qi xue xi mo xing dui bi ;tong shi jiang shu ju zhuai huan wei tu pian ,yan jiu ji yu tu pian shi bie de shen du xue xi mo xing da jian ,sheng lve fei hang qi wai xing de can shu hua biao da 。ce shi jie guo shui ming ,shen du can cha wang lao zuo wei shu ju dai li mo xing de jing du shi sui ji sen lin he shuang yin ceng shen jing wang lao de 3bei yi shang ,er ji yu tu pian shi bie de dai li mo xing jing du di gao you xian 。yan jiu biao ming ,shen du can cha wang lao zai cheng bo ti deng yi yu sheng cheng da liang shu ju de qi dong wai xing de xing neng yu ce zhong xiao guo ming xian ,wei shen du xue xi ji shu zai qi dong wai xing she ji zhong de ying yong dian ding le ji chu 。
论文参考文献
论文详细介绍
论文作者分别是来自空气动力学学报的陈冰雁,刘传振,白鹏,乔宇，发表于刊物空气动力学学报2019年03期论文，是一篇关于深度学习论文,乘波体论文,气动性能论文,残差论文,神经网络论文,空气动力学学报2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自空气动力学学报2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。