本书力求通过深入浅出的方式，系统介绍机器学习技术在流体动力学系统问题中的应用情况,涉及流场预测、气动优化和流动控制等核心问题，同时通过具体案例和分析，展示这些技术的实际效果与潜在应用。本书共分7章，前3章主要介绍背景知识、数据处理和模型降阶、回归和模型选择等智能算法方面的基础内容。后4章则详细阐述智能算法在流动建模、优化设计和流动控制等方面的应用，通过具体案例和分析,使读者能够迅速掌握这些新型技术的核心思想与应用方法。
样章试读
目录
- 目录
丛书序
前言
第1章 绪论 001
1.1 人工智能在流体力学中的应用 001
1.2 基于人工智能的流动建模方法研究现状 002
1.2.1 基于流场特征提取的降阶模型 003
1.2.2 基于系统辨识方法的降阶模型 004
1.2.3 多源数据融合建模方法 005
1.2.4 物理和数据双驱动的机器学习流动建模方法 006
1.3 基于人工智能的气动优化研究现状 009
1.3.1 基于数据驱动的仿生扑翼优化 009
1.3.2 基于数据驱动的飞行器气动优化设计 011
1.4 基于人工智能的流动控制研究现状 012
1.4.1 人工智能在开环流动控制中的应用 013
1.4.2 人工智能在闭环流动控制中的应用 014
1.5 本书主要内容 015
习题 016
参考文献 017
第2章 流体动力学系统与数据处理 023
2.1 流体力学基础 023
2.1.1 流体的定义和分类 023
2.1.2 流体的基本物理性质 024
2.1.3 流体的基本状态参数 026
2.2 流体动力学方程 027
2.2.1 质量守恒方程 027
2.2.2 动量守恒方程 028
2.2.3 能量守恒方程 028
2.3 流体动力学的数学工具 029
2.3.1 流体动力学的数学描述 029
2.3.2 偏微分方程及其数值解法 030
2.3.3 计算流体力学基础概念 032
2.4 流体动力学中的常见模型与近似方法 034
2.4.1 势流理论 034
2.4.2 边界层近似 035
2.4.3 湍流模拟方法与RANS方程 037
2.4.4 浸没边界法及其低雷诺数动边界问题中的数据获取 038
2.4.5 高精度谱元法及其高雷诺数刚性/柔性圆柱绕流问题中的数据获取 043
2.5 模型降阶方法 046
2.5.1 本征正交分解法 046
2.5.2 用于流动降维的稀疏驱动的动态模态分解方法 047
习题 048
参考文献 049
第3章 人工智能技术概述 050
3.1 机器学习算法 050
3.1.1 单精度高斯过程回归 050
3.1.2 多精度高斯过程回归 051
3.1.3 贝叶斯优化 053
3.1.4 非线性动力学稀疏辨识 054
3.2 神经网络与深度学习 055
3.2.1 全连接神经网络 055
3.2.2 多精度神经网络 057
3.2.3 长短时间记忆网络 059
3.2.4 卷积变分自编码器神经网络 061
3.2.5 基于CNN-AE模型的元学习 064
3.3 强化学习与马尔可夫决策 066
3.3.1 马尔可夫决策和贝尔曼方程 066
3.3.2 近端策略优化 067
3.3.3 软演员-评论家 067
习题 068
参考文献 068
第4章 基于深度学习的流动建模 069
4.1 仿生扑翼流场感知 069
4.1.1 研究背景 069
4.1.2 网络模型选择和数据处理 070
4.1.3 基于时间序列数据神经网络的尾流识别 072
4.1.4 基于空间分布数据神经网络的尾流识别 079
4.1.5 小结 081
4.2 基于压缩感知的非定常流动建模 082
4.2.1 研究背景 082
4.2.2 网络模型选择 083
4.2.3 层流问题流动重构与预测 084
4.2.4 湍流问题流动重构与预测 091
4.2.5 小结 102
4.3 三维跨声速流场快速预测 103
4.3.1 研究背景 103
4.3.2 跨声速流场模拟研究 105
4.3.3 网络模型选择 109
4.3.4 跨声速流场预测任务结果分析 113
4.4 三维柔性圆柱流固耦合预测 131
4.4.1 研究背景 131
4.4.2 网络模型选择 132
4.4.3 二维静止圆柱算例用于模型验证 133
4.4.4 三维涡致振动系统结果分析和讨论 141
4.4.5 小结 147
习题 148
参考文献 148
第5章 基于多精度代理模型的气动优化设计 153
5.1 基于多精度代理模型的优化方法 153
5.1.1 基于数据驱动的自适应准稳态模型的优化框架 153
5.1.2 基于多精度高斯过程回归的优化框架 156
5.1.3 基于多精度神经网络的气动优化 156
5.2 非对称运动拍动翼型运动参数优化设计 158
5.2.1 非对称运动模式 158
5.2.2 算例验证与网格选择 159
5.2.3 基于多精度高斯过程回归的代理模型 161
5.2.4 优化框架验证 164
5.2.5 非对称运动模式下的扑翼运动参数优化分析 165
5.2.6 小结 172
5.3 三维椭球翼运动参数优化设计 172
5.3.1 三维扑翼运动形式 172
5.3.2 网格收敛性验证 173
5.3.3 数据驱动的自适应准稳态模型的性能评估 175
5.3.4 数据驱动的准稳态模型 176
5.3.5 优化框架测试 182
5.3.6 三维椭球翼扑动的运动参数优化与流场分析 184
5.3.7 小结 188
5.4 基于MFDNN高维跨声速气动优化设计框架 189
5.4.1 翼型和机翼参数化方法 189
5.4.2 多精度样本更新的加点准则 192
5.4.3 PSO算法 193
5.4.4 多精度回归和优化框架验证 194
5.4.5 二维跨声速翼型优化结果 198
5.4.6 三维跨声速机翼/机身组合体优化 202
5.4.7 小结 207
5.5 基于贝叶斯神经网络的多源气动数据融合建模及不确定性量化方法 208
5.5.1 引言 208
5.5.2 基于贝叶斯神经网络的多源数据融合建模方法及不确定性量化方法 209
5.5.3 多源气动数据来源 213
5.5.4 二维翼型结果分析与讨论 215
5.5.5 三维机翼结果分析与讨论 218
5.5.6 小结 223
习题 223
参考文献 224
第6章 基于强化学习的无模型交互式流动控制 226
6.1 主动流动控制在涡致振动抑制中的应用 226
6.1.1 研究背景 226
6.1.2 涡致振动仿真模型 227
6.1.3 基于强化学习的流动控制器交互式训练 228
6.1.4 涡致振动控制结果分析 233
6.1.5 小结 241
6.2 结合专家演示的强化学习流动控制 242
6.2.1 研究背景 242
6.2.2 专家演示框架 243
6.2.3 专家策略学习 247
6.2.4 训练结果展示 251
6.2.5 小结 260
习题 260
参考文献 261
第7章 总结与展望 264
7.1 本书总结 264
7.2 未来展望 265
京公网安备 11010102004214号