XiaoMi-AI文件搜索系统
World File Search System气动力
确定电动汽车的空气动力学优化
Results ......................................................................................................................................... 6
对多阶段轴向压缩机空气动力学的深度学习建模和建立变化
深度学习对物理模拟（例如计算流体动力学）的应用最近引起了人们的兴趣，并且在不同领域中证明了它们的生存能力。但是，由于高度复杂，湍流和三维流，尚未证明它们可用于涡轮机械应用。用于燃气轮机应用的多阶段轴向压缩机代表了一个非常具有挑战性的情况，这是由于几何和操作变量的流场回归的高差异性。本文展示了深度学习框架的开发和应用，以预测多阶段轴向压缩机的流动场和空气动力学性能。一种基于物理的降低性降低方法解锁了流场预测的潜力，因为它将回归问题从非结构化的问题重新构建为结构化的问题，并减少了自由度的数量。与传统的“ Black-Box”替代模型相比，它通过识别相应的空气动力学驱动程序来为整体性能的预测提供解释性。该模型适用于制造和建造变化，因为已知相关的性能散布对CO 2排放产生重大影响，这构成了巨大的工业和环境相关性的挑战。事实证明，所提出的体系结构可实时实现与CFD基准的准确性，以实时与工业相关的应用。部署的模型很容易集成到燃气轮机的制造和建造过程中，从而提供了通过可行和可解释的数据来分析评估对性能的影响的机会。
自动化车辆空气动力学模拟不同...
接地车风洞测试通常会评估车辆空气动力学的不同车辆高度配置。此类风洞测试的 CFD模拟需要为每个高度配置的单独计算机模型。 为了简化此过程，Dome使用了VB接口（使用Windows'COM接口的宏），该接口会自动使计算机模型的所有更改以正确模拟高度调整。 它可以为不同的高度配置提供稳态模拟。 VB界面也可以用于瞬态模拟，其中车辆高度构造正在不断变化。 使用SC/TETRA中的移动元件函数通过网格变形来调整车辆高度。CFD模拟需要为每个高度配置的单独计算机模型。为了简化此过程，Dome使用了VB接口（使用Windows'COM接口的宏），该接口会自动使计算机模型的所有更改以正确模拟高度调整。它可以为不同的高度配置提供稳态模拟。VB界面也可以用于瞬态模拟，其中车辆高度构造正在不断变化。使用SC/TETRA中的移动元件函数通过网格变形来调整车辆高度。
引入应用空气动力学替代建模基准案例
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。
人工智能空气动力学助力高效能源系统
人工智能在风能系统中的应用改变了风力涡轮机和风力发电场的设计、运行和管理，提高了风力涡轮机和风力发电场的效率、弹性和可行性。本文探讨了人工智能驱动技术对风能各个方面的变革性影响，重点关注五个关键领域：两个主要领域：在涡轮机工程中，流体动力学和叶片设计等先进概念；在计算机科学中，主要组成部分包括用于涡轮机性能评估、涡轮机实时监控以及维护和风力发电场优化的机器学习。在提高涡轮机叶片设计和功能效率的具体应用中，人工智能仍然很有用，因为机器学习用于创造新的、更高效和更持久的叶片，而动态实时监控系统用于根据外部条件进行调整。基于人工智能的预测性维护能够在机械问题出现之前识别它们，从而减少机器停运的时间和运营费用。此外，人工智能还可以增强风力发电场的设计、尾流控制和负载平衡，以提高风力发电效率。它允许更有效地将能源引入更大的电网并进行水合，从而稳定地增加可再生能源的可用性。基于本文，人工智能的未来仍然体现在未来风能系统的增强中，从而保证能源解决方案的可持续能源、效率和成本效益，以实现整体能源转型。
入口尖端间隙对离心压缩机内部流动特征和空气动力学性能的影响
在这项研究中，使用ANSYS-CFX软件进行离心压缩机的数值模拟。重点在于研究入口尖端清除率（ITC）对内部复合物流量和离心压缩机的空气动力学性能的影响。具体而言，本文主要强调了ITC对离心压缩机的多层次效率和总压力比，以及叶片尖端的速度和压力的变化，叶片尖端的时空演化（尖端裂缝涡旋（TLLV）（TLV）（TLV）以及沿压力和veLocity的波动。分析额定工作条件下的尖端裂变流量（TLF）和TLV运动模式，揭示了一场革命内的时空演化。快速傅立叶变换（FFT）频谱分析结果表明，TLV运动模式可能受到ITC大小的影响。叶片尖端区域中的流体流动阻力和回流逐渐降低，有效增强流场稳定性，并消除了旋转出口处的回流涡流，从而通过减小ITC有效扩展了离心压缩机的工作范围。通过降低ITC，离心压缩机的空气动力学性能在培养基和高流速范围内有效增加。此外，观察到刀片尖端区域中的压力，速度和负载与ITC没有线性关系，从而导致有关ITC的空气动力学性能的非线性变化。压力和速度光谱分析表明，与中间相比，TLF的效果在流通过的顶部更强。此外，随着ITC的增加，TLF的效果在压力侧的中间和顶部（PS）下降，同时在PS的底部和吸力侧（SS）增加。
具有扩散概率模型的生成空气动力学设计
对空气动力学设计的几何形状的优化通常依赖大量昂贵的模拟来评估并迭代地改善几何形状。可以通过提供具有接近所需要求的起始几何形状来减少模拟的数量，通常在提升和阻力，空气动力学矩和表面积方面。我们表明，生成模型有可能通过在大量模拟数据集上概括几何形状来提供这种开始的几何形状。，我们利用了在Xfoil模拟上训练的扩散概率模型，以合成以给定的空气动力学特征和约束条件来调节的二维机翼几何形状。用Bernstein多项式将机翼参数化，以确保生成的设计的平滑度。我们表明，这些模型能够为相同的需求和约束生成各种候选设计，从而有效地探索了设计空间，以提供优化过程的多个起点。但是，候选设计的质量取决于数据集中模拟设计的分布。重要的是，该数据集中的几何形状必须满足在扩散模型条件中未使用的其他要求和约束，以确保生成的几何形状是物理的。