基于卷积神经网络的深度学习流场特征识别及应用进展

• 作者: 叶舒然 张珍 王一伟 黄晨光
• 来源期刊: 航空学报
• 关键词: 卷积神经网络 流场识别 流动预测 外形优化 泊松方程 生成对抗网络 深度学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 综述|Review
• 页码范围: 179-193
• 页数: 15页
• 分类号: V211.3|O351.2
• 语种: 中文

摘要

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求.卷积神经网络(CNN)强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具.围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果.首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾.然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展.最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考.