基于生成式对抗网络的空气动力学数据建模研究

目录

声明

第一章绪论

1.1 选题背景与意义

1.2 国内外研究现状

1.2.1 空气动力学数据模型的研究现状

1.2.2 基于神经网络模型的气动数据建模研究现状

1.3 本文的研究内容

1.4 本文的组织结构

第二章空气动力学相关内容介绍

2.1 空气动力学简介

2.1.1 空气动力学传统研究方法

2.1.2 空气动力学数据模型

2.2 空气动力学基本控制方程

2.2.1 空气动力学基础知识

2.2.2 Burgers 方程

2.2.3 N-S方程

2.2.4 CFD求解器 SU2

2.3 本章小结

第三章基于生成式对抗网络的气动数据建模

3.1.1 生成式对抗网络原理

3.1.2 激活函数

3.1.3 生成式对抗网络算法

3.2.1 生成式对抗网络的优点

3.2.2 生成式对抗网络在气动建模中的问题

3.3.1 多层感知机神经网络

3.3.2 径向基神经网络

3.3.3 网络训练

3.3.4 基于多层感知机的生成式对抗网络气动力数据模型

3.3.5 基于多层感知机和多径向基的生成式对抗网络气动力数据模型

3.4 本章小结

第四章生成式对抗网络模型的优化

4.1 生成式对抗网络在气动力数据模型训练中存在的问题

4.2 Wasserstein-GAN模型

4.2.1 生成式对抗网络的收敛

4.2.2 Wasserstein-GAN模型

4.2.3 基于 WGAN-DGP的气动力数据模型

4.2.4 WGAN-DGP 算法

4.3 基于最小二乘法的生成式对抗网络模型

4.3.1 最小二乘法生成式对抗网络原理

4.3.2 最小二乘法生成式对抗网络的收敛

4.3.3 基于最小二乘法与交叉熵生成式对抗网络的气动力数据模型

4.4 条件生成式对抗网络模型

4.4.1 条件生成式对抗网络的原理

4.4.2 基于 Wasserstein 距离的条件生成式对抗网络

4.4.3 基于最小二乘法的条件生成式对抗网络

4.4.4 基于最小二乘法与交叉熵的条件生成式对抗网络

4.5 本章小结

第五章实验设计及结果分析

5.1 实验数据准备

5.1.1 Burgers 方程案例数据

5.1.2 圆柱层流绕流案例数据

5.1.3 ONERA M6 机翼湍流案例数据

5.1.4 数据预处理

5.2 实验评价指标

5.3 基于 Burgers 方程数据集的生成式对抗网络实验

5.3.1 实验设计

5.3.2 实验结果及分析

5.4 基于圆柱层流和 M6 机翼数据集的条件生成式对抗网络实验

5.4.1 实验设计

5.4.2 实验结果及分析

5.5 本章小结

第六章总结与展望

6.1 总结

6.2 展望

致谢

参考文献