作者：mobiledu2502912817 | 来源：互联网 | 2023-09-10 19:19
本文由编程笔记#小编为大家整理，主要介绍了基于机器学习的非结构网格生成技术研究进展及初探相关的知识，希望对你有一定的参考价值。
本次分享的报告是空气动力学国家重点实验室王年华助理研究员在2020年CFD专委会暨“人工智能与流体力学”专题研讨会上所作的报告。
个人简介
王年华
，男，1992年1月生，博士生，本科毕业于西北工业大学，硕士毕业于中国空气动力研究与发展中心，师从张来平研究员；目前博士一年级在读，师从邓小刚院士。现任空气动力学国家重点实验室助理研究员，研究领域包括非结构网格有限体积法、验证与确认和人工智能网格生成方法等。参与国家重点研发计划、自然基金重点项目和面上项目等多项课题研究，发表论文20余篇。
网格生成和自适应是制约计算流体力学未来发展的瓶颈问题之一，网格生成自动化和智能化仍是一个需要持续研究的领域。随着高性能计算算力的提升和大数据时代的到来，以机器学习为代表的人工智能方法已经成功应用于包括流体力学在内的多个领域，革命性地推动了这些领域的发展。本报告首先简要综述机器学习方法在非结构网格生成领域的研究进展，分析基于机器学习进行非结构网格生成的关键问题；其次，设计非结构网格样本数据格式并实现了样本数据集的自动提取，通过结合人工神经网络和阵面推进法，初步发展了一种基于人工神经网络的二维非结构网格阵面推进生成方法；最后，采用新发展的方法生成了几个典型二维各向同性非结构三角形网格（二维圆柱、二维NACA0012翼型和30p30n三段翼型），进一步采用合并法生成了相应的三角形/四边形混合网格，并测试了网格质量和生成耗时，结果显示新方法生成的网格质量可以达到商业软件的水平，且生成效率较传统阵面推进法提高30%。
[1]. 王年华, 鲁鹏, 常兴华, 张来平. 基于机器学习的非结构网格阵面推进生成技术初探[J]. 力学学报, 2021.2, 网络发表, DOI:10.6052/0459-1879-20-402.
http://lxxb.cstam.org.cn/CN/10.6052/0459-1879-20-402
编辑：孙旭翔
审核：张伟伟
![R语言中向量（Vector）数据类型的元素索引与访问：利用中括号[]和赋值操作符在向量末尾追加数据以扩展其长度](https://img5.php1.cn/3cdc5/92e2/2be/c2a171af6e5eeb5a.png)
京公网安备 11010802041100号