| 融合稀疏八叉树与卷积神经网络的汽车风阻系数预测 |
| |
| 引用本文： | 王刚,张瑞昊,刘学龙,袁海东,韩旭. 融合稀疏八叉树与卷积神经网络的汽车风阻系数预测[J]. 计算力学学报, 2024, 41(1): 58-65 |
| |
| 作者姓名： | 王刚 张瑞昊 刘学龙 袁海东 韩旭 |
| |
| 作者单位： | 河北工业大学 机械工程学院, 天津 300401;河北工业大学 机械工程学院, 天津 300401;中汽研(天津)汽车工程研究院有限公司, 天津 300300 |
| |
| 基金项目： | 国家自然科学基金（12072099;11832011）;科技创新2030—"新一代人工智能"重大项目（2021ZD0113100）资助. |
| |
| 摘 要： | 针对汽车风阻系数预测研究中参数化方法难以准确表征汽车外造型的难题,提出融合稀疏八叉树与卷积神经网络的汽车风阻系数预测方法。将汽车外造型按照八叉树结构离散,使用平均法向量对离散的复杂曲面进行简化,利用卷积神经网络对八叉树形式的汽车外造型进行特征提取,进而对汽车风阻系数进行快速预测。通过改变卷积层数与全连接层数,研究了不同卷积神经网络结构对风阻系数预测精度的影响。与参数化方法相比,本文提出的外造型表示方法能更好地描述模型细节,构建的卷积神经网络结构对风阻系数预测的最小相对误差为1.453%,且计算速度是CFD仿真的1620倍,具有较高的精度及计算效率。
|
| 关 键 词： | 风阻系数 深度学习 稀疏八叉树 卷积神经网络 汽车 |
| 收稿时间： | 2023-07-30 |
| 修稿时间： | 2023-10-23 |
Automobile drag coefficient prediction combining sparse octree and convolutional neural network |
| |
| WANG Gang,ZHANG Rui-hao,LIU Xue-long,YUAN Hai-dong,HAN Xu. Automobile drag coefficient prediction combining sparse octree and convolutional neural network[J]. Chinese Journal of Computational Mechanics, 2024, 41(1): 58-65 |
| |
| Authors: | WANG Gang ZHANG Rui-hao LIU Xue-long YUAN Hai-dong HAN Xu |
| |
| Affiliation: | School of Mechanical Engineering, Hebei University of Technology, Tianjin 300401, China;School of Mechanical Engineering, Hebei University of Technology, Tianjin 300401, China;CATARC (Tianjin) Automotive Engineering Research Institute Co., Ltd., Tianjin 300300, China |
| |
| Abstract: | |
| |
| Keywords: | drag coefficient deep learning sparse octree convolutional neural network automobile |
|
| 点击此处可从《计算力学学报》浏览原始摘要信息 |
|
点击此处可从《计算力学学报》下载免费的PDF全文 |
|
