武装部队部媒体中心 60 boulevard du général Martial Valin CS 21623 - 75009 Paris Cedex 15
从飞机设计到认证,需要大量空气动力学数据以确保最佳性能,符合监管标准并保持结构完整性。这些数据必须跨越整个飞行包络,包括压力和剪切应力分布,全局系数和衍生物。传统上来自飞行测试,风洞实验或数值模拟,这些数据通常具有不同的保真度,从手册方法到高分辨率模拟。近年来,由于人工智能和机器学习的进步,对这些数据有效使用的需求已经增长,从而可以开发快速运行的替代模型。与传统的高保真模拟或实验设置不同,这些设置可能是资源密集型的替代模型,该模型在这些数据集中训练,可以提供与数据库查询相当的快速预测。AIAA应用的空气动力学替代建模(AASM)组的成立是为了将集中在航空航天科学中的数据驱动和AI建模上,并将来自学术界,工业和政府机构的专家团结在一起。AASM组优先考虑对航空航天应用的替代建模的开发,准确性和适用性,包括设计优化,不确定性量化,系统工程和任务分析,这对数字工程生态系统至关重要。为了支持方法论的评估和比较,本文介绍了四个基准案例:一个集成式机翼性能系数的空气动力学数据库,6DOF生成的导弹案例,以及两个集中在表面压力分布的数据集。这些基准强调了相关的替代建模挑战,并将通过AIAA公开提供,为航空航天社区提供宝贵的资源。
1.Lee,Y。J.,Lee,J。Y.,Cho,J。H.&Choi,J。H.睡眠阶段评分的互级可靠性:荟萃分析。J Clin Sleep Med 18,193-202(2022)。2.Danker-Hopfe,H。等。根据Rechtschaffen&Kales和新的AASM标准,对睡眠评分的互惠性。J Sleep Res Res 18,74-84(2009)。3.Danker-Hopfe,H。等。来自八个欧洲睡眠实验室的评分者之间的可靠性在患有不同睡眠障碍的受试者中。J Sleep Res 13,63-69(2004)。4.Basner,M.,Griefahn,B。&Penzel,T。与背景不同的中心之间睡眠阶段分类中评估者一致。Somnologie 12,75-84(2008)。