文献

J-GLOBAL ID：202202273549845695   整理番号：22A0652673

計算流体力学シミュレーションの合成アップスケーリングのための畳込みニューラルネットワークベース自動エンコーダ【JST・京大機械翻訳】

Convolutional-neural-network-based Auto-encoder for Synthetic Upscaling of Computational Fluid Dynamics Simulations

著者 (2件)： Romano John (Old Dominion University) ,  Baysal Oktay (Old Dominion University)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 0186  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,畳込みニューラルネットワーク(CNN)モデルを提示し,高精度計算流体力学(CFD)シミュレーションから高精度CFDシミュレーションへのデータ変換を容易にした。本研究では,以前に開発した自動エンコーダネットワークを構築し,コンピュータビジョン,画像処理,およびデータ変換の分野における進歩を利用した。開発したCNNモデルは,高い迎え角でいくつかのNACA4桁翼を通過する遷音速流の非定常レイノルズ-Average-Navier-Stokes(URANS)とDetached-Eddy-Simulation(DES)の両方を考慮することにより訓練され,複雑な分離と伴流離脱現象が課題の一部である。モデルは,訓練セット外の翼形プロファイルと流れ条件を通過して試験し,DESシミュレーションに対する出力流れ場を比較した。全てのCFD計算は,NASAの完全構造-Navier-Stokes-3D(FUN3D)ソルバを用いて行い,機械学習モデルをTensorFlowとPythonを用いて発生させた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 伴流 ,  *シミュレーション ,  遷音速流 ,  翼形 ,  迎え角 ,  *ニューラルネットワーク ,  画像処理 ,  *符号器 ,  モデル ,  コンピュータビジョン ,  流れ場 ,  *計算流体力学 ,  機械学習
準シソーラス用語： ソルバ ,  Python ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 物体の周りの流れ  (BC02040N) ,  送風機,圧縮機,風車  (QD03000U)

タイトルに関連する用語 (4件)： 計算流体力学シミュレーション ,  アップスケーリング ,  畳込みニューラルネットワーク ,  エンコーダ