飞行器智能气动设计是融合空气动力学、飞行器设计与人工智能技术的前沿交叉方向，在航空航天领域具有重要的研究价值与应用前景。本书系统介绍智能气动设计的基础理论、关键方法与典型应用案例，重点培养读者运用人工智能技术分析和解决气动设计问题的创新实践能力。全书共6章，内容涵盖绪论、飞行器气动计算方法与优化技术、深度学习方法基础、生成式模型基础、飞行器智能气动代理模型，以及飞行器智能气动反设计方法。
样章试读
目录
- 目录
第1章 绪论 1
1.1 飞行器气动设计任务 1
1.2 人工智能的发展 5
1.2.1 深度学习模型的发展 5
1.2.2 生成式模型的发展 6
1.2.3 人工智能驱动产业变革 8
1.3 飞行器智能气动设计内涵 10
1.3.1 几何表征方法 11
1.3.2 数据挖掘方法 12
1.3.3 智能气动代理模型 13
1.3.4 智能气动反设计方法 14
1.4 飞行器智能气动设计发展前景 14
1.4.1 融合型智能气动设计模型架构 14
1.4.2 气动设计大模型和领域智能体 15
1.4.3 智能气动设计质量综合评估体系 15
1.4.4 智能气动设计模型领域知识融入 16
1.5 总结 16
参考文献 17
第2章 飞行器气动计算方法与优化技术 21
2.1 气动特性数值计算方法 21
2.1.1 流动控制方程 21
2.1.2 数值离散方法 25
2.1.3 湍流模型 32
2.1.4 CFD 算例验证 33
2.2 数值优化设计技术 36
2.2.1 模型参数化方法 36
2.2.2 试验设计方法 38
2.2.3 网格形变技术 39
2.2.4 代理模型方法 41
2.2.5 优化搜索算法 42
2.3 基于代理模型的气动优化设计 44
2.3.1 代理模型优化设计框架 44
2.3.2 RAE2822 翼型优化 45
2.4 多目标加权策略下的宽域翼型优化设计 47
2.4.1 亚/高超声速状态下的翼型优化 49
2.4.2 跨/高超声速状态下的翼型优化 54
2.5 总结 56
参考文献 57
第3章 深度学习方法基础 59
3.1 神经网络基础 59
3.1.1 神经网络 59
3.1.2 损失函数 60
3.1.3 激活函数 61
3.2 深度学习模型的训练与优化 63
3.2.1 深度学习模型的训练方式 63
3.2.2 深度学习中的优化算法 65
3.3 常见的神经网络结构 67
3.3.1 全连接神经网络 67
3.3.2 卷积神经网络 68
3.3.3 循环神经网络 70
3.3.4 长短期记忆网络 73
3.3.5 Transformer 74
3.3.6 深度学习模型的比较与选择 79
3.4 总结 80
参考文献 80
第4章 生成式模型基础 82
4.1 生成式模型概述 82
4.1.1 生成式模型的基本工作原理 82
4.1.2 生成式模型的未来发展 83
4.2 生成对抗网络 84
4.2.1 生成对抗网络的基本原理 85
4.2.2 生成对抗网络的训练方式 86
4.2.3 生成对抗网络的改进 87
4.3 去噪扩散概率模型 90
4.3.1 去噪扩散概率模型的基本原理 90
4.3.2 去噪扩散概率模型的训练方式 90
4.3.3 去噪扩散概率模型的改进 91
4.4 变分自编码器 94
4.4.1 变分自编码器的基本原理 94
4.4.2 变分自编码器的训练方式 98
4.4.3 变分自编码器的改进 99
4.5 流模型 100
4.5.1 流模型的基本原理 100
4.5.2 流模型的训练方式 104
4.5.3 流模型的改进 105
4.6 总结 105
参考文献 105
第5章 飞行器智能气动代理模型 108
5.1 智能气动代理模型概述 108
5.2 基于DNN的翼型优化设计 109
5.2.1 DNN代理模型优化设计框架 109
5.2.2 翼型优化设计 113
5.3 基于CGAN的翼型压力系数预测模型 117
5.3.1 翼型数据生成 119
5.3.2 Airfoil？Cp？GAN模型架构 121
5.3.3 模型实验验证 123
5.4 三维飞行器气动参数智能预测模型及迁移学习方法 132
5.4.1 气动参数智能预测模型 133
5.4.2 模型实验评估 136
5.4.3 模型消融实验 138
5.4.4 迁移学习方法 140
5.5 总结 145
参考文献 145
第6章 飞行器智能气动反设计方法 148
6.1 智能气动反设计方法概述 148
6.2 基于CDDPM的飞行器智能气动多目标反设计模型 152
6.2.1 CDDPM构建 152
6.2.2 模型影响因素分析 157
6.2.3 实验结果及分析 162
6.2.4 模型外推能力测试 167
6.3 基于PCVAE的飞行器气动反设计模型 172
6.3.1 PCVAE模型介绍 173
6.3.2 PCVAE模型评估 177
6.4 总结 185
参考文献 185
京公网安备 11010102004214号