基于坐标注意力残差网络的二维钝体斯特劳哈尔数深度学习预测
《Aerospace》:A ResNet with Coordinate Attention for Intelligent Prediction of the Strouhal Number of 2D Bluff Body Sections at Reynolds 20,000
【字体:
大
中
小
】
时间:2026年09月25日
来源:Aerospace 2.5
摘要
斯特劳哈尔数的精确评估对抗风设计具有重要意义,但传统空气动力学评估计算成本高昂。为支持快速方案化设计,本文提出了一种深度学习框架,用于预测二维钝体的斯特劳哈尔数。任意不规则截面采用统一的三通道几何张量表示,该张量结合了距离场与空间坐标场。本文开发了一种集成坐标注意力的残差网络(ResCA-Net),使其聚焦于涡脱决定因素,尤其是前缘分离点。模型在1000个随机生成的凸截面上进行训练,目标St值来自雷诺数 Re = 2 × 104 下的二维URANS模拟。在独立测试集上,ResCA-Net 的 R2 达到0.9129,平均绝对误差为0.0316,中位绝对百分比误差为6.56%。系统性基准测试表明,内嵌的坐标注意力机制优于SE、CBAM及基线ResNet。单次推理仅需43.56毫秒,比瞬态CFD模拟快超过160,000倍。该端到端方法为气动外形的快速迭代筛选提供了一种高效且精确的代理模型。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号