简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:利用MacronediaFlash8软件等设计制作了弦振动研究实验的仿真课件,课件包括实验目的、实验原理、实验仪器、实验内容、实验演示、模拟实验、和思考拓展七个部分。本课件逼真地模拟实验操作的整个过程,同时,该课件具有较强的交互性,学生可以根据实验步骤,自己模拟操作实验,实现实验操作的开放性。从而增强学习者的学习兴趣,激发学生的学习热情,提高学习效率,对提高教学质量,改善教学效果,改变传统的教学模式有着积极的作用。