核心内容摘要
大数据领域数据共享的数据治理框架
以下文章来源于“航空学报CJA”仅做学术分享原文链接飞行器设计生成式模型专栏正式发布 | 航空学报生成式模型作为数智化的新型技术基座正加速重塑科学研究与工程实践的范式为飞行器设计注入了新动能对新质飞行器的快速迭代与创新突破具有重要推动作用。
为此《航空学报》策划出版“飞行器设计生成式模型”专栏论文来自中国空气动力研究与发展中心、西北工业大学、国防科技大学、复旦大学、上海交通大学、电子科技大学、浙江大学、厦门大学、中国运载火箭技术研究院、上海飞机设计研究院、中国航空研究院、飞行器基础布局全国重点实验室等单位集中展示生成式模型在飞行器设计领域中的前沿进展及研究成果共同推动飞行器设计与人工智能跨域交叉融合发展。
愿该专栏成为生成式模型赋能飞行器设计的重要节点见证中国航空航天事业在智能化浪潮中的跨越式发展。
识别以下二维码下载论文全文01飞行器生成式模型气动设计研究进展与展望微信作者林杰,唐志共,钱炜祺,王岳青,张鹏,徐炜遐,刘杰摘要生成式模型技术作为深度学习领域发展最为迅速的方向之一在计算机视觉等领域取得巨大成功也为空气动力学等科学领域研究提供了新的模式和方法。
聚焦生成式模型在飞行器气动设计领域研究进展系统
总结近年来相关研究成果。
首先建立了包含“表示—生成—评估”3个环节的飞行器生成式气动设计框架其次针对气动布局表征、生成式气动布局生成和设计质量评估等环节技术发展现状和涉及的
关键技术问题分别进行梳理和深入讨论然后简要介绍了气动数据构造方法和典型气动数据集为开展生成式气动设计提供数据支撑最后结合气动设计需求和大模型技术在气动设计领域研究趋势对发展融合型生成式模型架构、构建气动设计大模型和领域智能体、建立生成式气动设计质量综合评估体系、生成式气动设计模型领域知识融入等未来重点发展方向进行展望。
02 生成式模型赋能飞行器技术应用研究进展与展望微信作者陈树生,贾苜梁,林家豪,金世轶,高正红,王岳青,马志强,李铮,段辰龙,李佳伟摘要在自然语言处理和计算机视觉领域取得颠覆性应用的生成式模型正成为数智化的新型技术基座是未来驱动飞行器技术智能化发展的重要引擎。
综述了生成式模型赋能飞行器技术应用进展。
首先
总结了生成式模型架构的发展历程详细介绍了变分自编码器、生成对抗网络、扩散模型、Transformer等基本原理架构和改进方向。
其次归纳了生成式模型在飞行器空气动力学、航迹预测和目标检测等领域的典型应用和变革情况关注了参数化建模、气动预测模型、反设计等飞行器空气动力设计
关键技术的发展趋势探讨了实时航迹预测、完整航迹预测、协同航迹预测和预测误差补偿的智能实现方法从现有目标检测方法改进角度分析了生成式模型在多尺度融合、超分辨率增强和数据增强中的作用。
最后从模型方法和应用场景拓展角度展望了生成式模型赋能飞行器技术未来的研究方向针对构建可解释的通用大模型和推动垂直领域应用等方面提出了发展建议。
03 基于无监督学习的飞行器表面网格平滑方法作者王志超,陈新海,邓亮,刘杨,庞宇飞,刘杰摘要在面向飞行器设计的数值模拟中网格平滑方法是提升前处理流程中网格质量、减少模拟误差的重要手段。
传统的优化式平滑方法受限于复杂的迭代求解过程存在内存开销大、计算效率低等问题。
为解决该问题已有的智能化平滑方法采用神经网络拟合平滑过程能够实现平滑效率、质量的平衡。
然而已有的方法在应用到三维表面网格时通常采用投影操作或有监督学习来保证网格点的贴体性引入额外的计算或数据生成开销。
基于无监督学习技术、局部曲面拟合搭建了面向飞行器表面网格的智能化平滑代理模型GMSNet3D。
模型设计了面向表面网格平滑的无监督损失函数实现了无须高质量监督数据下的智能训练模型还创新性地引入局部曲面坐标变换来保证平滑后网格点的贴体性。
实验结果证明GMSNet3D采用的局部曲面坐标变换方法相比已有方法的投影操作实现了
1
82倍的加速比同时在保证网格平滑质量的同时GMSNet3D相比传统的优化式平滑方法实现了
2
81倍的优化效率提升。
04 基于潜在扩散模型的翼型参数化方法论文作者张睿韬,王聪,陶俊,王立悦,孙刚摘要为缓解气动外形优化设计中的“维数灾难”问题提高参数化方法的表示能力和气动优化效率基于类别/形状函数变换方法CST、自编码器AE以及去噪扩散隐式模型DDIM提出了一种基于潜在扩散模型的翼型参数化方法LDM。
随后分析了LDM方法生成翼型样本的几何质量研究了该方法不同潜在维度对样本分布的影响对比了该方法与CST-AE、PCA、FFD、CST这4种参数化方法的翼型拟合精度和表示能力并开展翼型气动优化设计以验证其性能。
结果表明LDM方法可以生成光滑、有效的翼型样本与其他参数化方法相比该方法对翼型具有较精确的描述能力与较强的表示能力。
此外该方法在翼型气动优化过程中具有较快的收敛速度与较短的优化耗时优化结果较好且优化过程更为稳定。
未来该方法具有拓展至翼段、短舱、风扇等复杂外形气动优化设计过程的潜力。
05基于目标检验条件生成对抗网络的翼型反设计方法作者孟宪超,陶俊摘要基于条件生成对抗网络CGAN通过在CGAN后附加多层感知机MLP检验器发展了一种目标检验条件生成对抗网络TT-CGAN并将其用于翼型反设计。
TT-CGAN可以重点检验设计目标的实现效果增强了CGAN对于附加条件的检验效果。
基于UIUC翼型数据库选取了797个真实翼型并通过求解基于雷诺平均Navier-StokesRANS方程组计算得到了各翼型对应的气动参数形成真实翼型数据库利用类别/形状函数变换CST方法对翼型外形进行参数化将翼型外形从100维几何参数描述为14维CST参数。
通过特征级融合方式将升力系数、阻力系数、表面压力分布融合得到多模态气动参数并与基于升阻力系数的气动参数作对比分别作为网络的附件条件进行翼型反设计。
结果表明基于多模态数据TT-CGAN的翼型反设计方法生成结果更为精准翼型几何外形的平均均方根误差为
779×
平均绝对误差为
351×
。
通过求解RANS方程组对生成翼型进行数值模拟验证结果显示其升力系数的平均相对误差为
599 8%阻力系数的平均相对误差为
723 9%生成翼型的升阻力系数均满足设计指标生成结果较精准。
通过比较训练样本与测试样本的升阻比分布发现升阻比在2030区间上的翼型占总测试集的40%而升阻比在此区间的训练翼型仅占训练集的16%即使在训练样本较少的区间该方法也能实现准确的预测具有一定泛化性。
06 基于门控扩散模型的飞行器气动性能预测与反设计作者楼锦华,陈荣钱,柳家齐,鲍越,吴昊,尤延铖摘要针对传统深度学习模型在三维飞行器超声速条件下反设计中的收敛困难提出了一种基于先验预测模型引导的生成式门控去噪扩散概率模型DDPM。
该模型通过门控机制集成了气动性能预测与飞行器外形反设计的功能旨在提高预测精度、反设计效率同时克服传统模型在处理高度非线性问题时的训练挑战。
通过构建深度神经网络DNN作为先验预测模型以获取初步的气动性能预测、几何外形估计。
基于这些初步结果门控DDPM结合DNN的预测信息利用扩散、逆扩散过程来生成设计结果。
扩散过程逐步添加高斯噪声逆扩散过程则恢复数据分布这一机制提升了模型在复杂气动设计任务中的收敛性、预测准确性。
基于轴对称飞行器数据集验证了门控DDPM在气动性能预测、反设计中的有效性。
相比先验模型门控DDPM在反设计任务中能够将大多数气动参数的相对误差控制在
75%内显著优于DNN模型。
结果表明所提方法有效提高了飞行器设计中的气动性能预测、外形反设计的精度。
07 扩散模型驱动的超临界翼型多目标生成式设计作者王景,柳位,谢海润,张淼,马涂亮摘要在飞机气动设计的工程实践中通常由总体专业提出设计指标气动设计部门通过多次迭代优化和大量数值模拟计算逐步实现设计目标这一过程通常耗费巨大资源。
生成式模型展现出直接生成符合预定目标设计方案的潜力能够显著减少传统设计中的迭代过程。
研究中提出了一种基于扩散模型的多目标生成式翼型设计方法通过将抖振升力系数、巡航阻力系数及厚度等多个性能指标作为条件生成能够同时满足这些指标的翼型设计方案。
采用条件扩散模型来逐步生成设计空间中的有效翼型避免了传统优化方法中复杂的迭代计算。
通过与条件变分自编码器方法的对比试验展示了扩散模型在生成多样性和条件符合度等方面的优势。
结果表明扩散模型不仅能够生成符合性能要求的翼型还具备更强的多样性和设计空间探索能力为未来翼型设计提供了一种高效的新途径。
08 基于径向基生成式对抗网络的多源数据融合方法论文作者胡登峰,向渝,张骏,杨佳辰,汪文勇摘要飞行器气动数据可通过数值计算、风洞试验、飞行试验等途径获得。
如何在低成本的基础上获得高保真度且不确定度较低的气动数据依然是一个挑战。
在深度学习方法中利用多层神经网络能够在更高维度上进行特征的表征与组合从而有效地融合来自不同数据源的相关特征提升模型的预测精度、可信度。
然而现有方法在融合不同数据集特征时仍面临诸多技术难题。
针对这一问题提出了一种基于径向基生成式对抗网络RBFGAN的多源数据融合方法——RGAN-MSFM。
该方法能够融合不同来源的气动数据集挖掘多源气动数据特征之间的互补性、相关性。
利用RBFGAN融合不同来源数据中的互补状态特征生成新的融合数据集构建功能网络和上下文网络深入探索各数据源之间的相关性从而实现多源数据特征的融合学习。
基于包含计算流体力学CFD数据、风洞试验数据的数据集以及包含CFD数据、飞行试验数据的数据集设计了2组仿真实验。
实验结果显示采用该模型进行数据特征融合后数据集的精度平均提高了
3
2%、
6
5%与传统数据融合方法相比不确定度分别降低了
2
9%、
2
6%。
09 基于生成式模型的三维飞行器外形泛化表征方法作者薛有涛,尧少波,杨雨欣,段毅,赵文文,李昊歌摘要未来飞行器复杂多变的设计需求对气动外形参数化方法的灵活性、有效性提出了更高的要求。
针对传统飞行器几何参数化方法气动外形约束过强导致设计优化空间受限及复杂外形设计变量冗余导致“维度灾难”等问题提出了一种基于生成式模型的三维飞行器气动外形泛化表征方法。
该方法通过提取气动外形剖面图像几何特征约束全局外形与局部点云扩散模型实现三维外形点云快速生成以满足三维复杂外形降维表达和灵活设计的工程需求。
该方法通过3个核心模块实现从剖面图像到点云外形再到表面网格的全流程多视角泛化表征基于变分自编码器与残差网络的剖面图像几何特征提取、降维重构模型融合点云变分自编码器网络、条件可控生成扩散模型的三维外形点云生成模型采用可微泊松求解器的表面网格生成模型。
以三维翼身融合乘波体外形为例通过控制隐变量空间中的泛化外形参数实现了单个外形剖面图像生成耗时3 s三维气动外形网格文件生成耗时80 s。
所重构外形与初始外形的平均几何误差控制在1 mm以内实现了飞行器复杂外形的高效泛化表征。
此外直接基于生成的表面网格导入计算流体力学软件在不同攻角条件下进行了流场与气动特性的预示。
相关研究成果为复杂飞行器的优化设计提供了一种智能且灵活的外形泛化表征手段。
10 基于深度学习的飞行器外形快速生成作者王永海,李昊歌,李嘉鑫,段毅,田川,郭灵犀,吴旭生摘要飞行器气动布局设计技术是发展先进飞行器和实现飞行器性能跨代提升的重要研究方向之一。
传统飞行器气动布局设计存在气动构型选型困难、过于依赖设计人员经验的问题。
同时当前的气动外形参数化方法难以突破预设定的气动构型方案在气动布局优化设计过程中仅能对同一气动构型的外形参数进行优化调整需设计人员反复开展选型迭代与优化导致飞行器气动布局设计周期长且难以获取最优气动外形制约了短平快的高效方案论证。
提出并发展了一种基于图像的飞行器外形生成框架采用深度行进四面体方法和可微分渲染器利用神经网络强大的非线性拟合能力实现了飞行器气动外形快速智能生成。
飞行器生成外形表面光滑且具有高分辨率尺寸包络可控具有工程可用性无需去噪操作。