基于深度学习的测热数据标注与智能计算
发布时间:2022-06-02 21:02
随着世界军事革命的不断变革,未来战争中的制天权将在未来的高技术战争中发挥主要作用,而高超声速飞行器技术是争夺制天权的关键技术之一。作为高超声速飞行器设计的关键技术,高超声速飞行器的热防护问题对高超声速飞行器的研制至关重要。然而,目前高超声速飞行器的热防护仍然面临着诸多严峻挑战,其中一大挑战就是飞行器气动热环境的预测问题。近年来,深度学习的快速发展给各领域解决问题提供了新的思路。本文依托于深度学习的方法对气动热预测的传统方法加以改进,主要工作如下:(1)调研目前国内外在飞行器气动热环境预测方面的研究进展,总结目前气动热环境预测的主要研究方法,分析各种研究方法的优势与不足,为本文所提出的方法做技术铺垫。(2)基于深度学习的测热数据自动标注算法研究与实现。作为气动热环境预测方法的一种,地面风洞试验所得试验数据需要进行后处理,现有方法完全凭人工一条一条处理,非常耗费时间,且存在随机误差。针对此问题,本文首先设计了测热数据预处理方法,先对原始数据进行预处理。然后,在迁移学习的基础上选取卷积神经网络模型设计自动标注算法,提升了标注的效率和正确率。在测试过程中通过借鉴在线学习思想,完善了自动标注算法...
【文章页数】:72 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第一章 绪论
1.1 课题研究背景和研究意义
1.2 国内外研究现状
1.2.1 测热数据标注研究现状
1.2.2 数值计算研究现状
1.2.3 智能计算研究现状
1.3 本文的研究内容及创新
1.4 论文的结构安排
第二章 相关理论和技术综述
2.1 测热数据相关技术
2.1.1 热传导计算方法
2.1.2 热传导反问题计算方法
2.1.3 人工标注
2.2 智能计算相关技术
2.2.1 控制方程
2.2.2 数值方法
2.2.3 边界条件
2.3 深度学习相关技术
2.3.1 深度学习基本概念
2.3.2 典型卷积神经网络
2.4 本章小结
第三章 基于深度学习的测热数据标注
3.1 本章总体算法概述
3.2 测热数据获取
3.3 测热数据预处理
3.3.1 测热数据滤波
3.3.2 数据分段
3.3.3 图片转换
3.4 卷积神经网络构建
3.4.1 卷积神经网络的基本概念
3.4.2 卷积神经网络结构
3.4.3 自动标注算法
3.4.4 算法优化
3.5 实验设计及结果分析
3.5.1 训练和测试策略
3.5.2 实验结果及分析
3.6 本章小结
第四章 基于深度学习的智能计算
4.1 本章总体算法概述
4.2 数值计算数据获取及数据预处理
4.2.1 数值计算数据获取
4.2.2 数据预处理
4.3 深度神经网络模型构建
4.3.1 N-S方程推导
4.3.2 网络结构
4.3.3 网络算法
4.4 实验设计及结果分析
4.4.1 训练和测试策略
4.4.2 实验结果及分析
4.5 本章小结
第五章 全文总结及展望
5.1 研究工作总结
5.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】:
期刊论文
[1]2018年度国外高超声速飞行器发展动向[J]. 廖孟豪. 飞航导弹. 2019(03)
[2]2018年国外高超声速技术发展回顾[J]. 王璐,韩洪涛,郑义. 飞航导弹. 2019(04)
[3]2017年国外高超声速飞行器技术发展综述[J]. 张灿,胡冬冬,叶蕾,李文杰,刘都群. 战术导弹技术. 2018(01)
[4]高超声速飞行器关键技术发展分析[J]. 赵鹏飞,董长虹. 飞航导弹. 2017(10)
[5]国外高超声速飞行器研究现状及发展趋势[J]. 姜鹏,匡宇,谢小平,张文广,彭奇峰,康宇航. 飞航导弹. 2017(07)
[6]流固耦合界面信息传递理论和方法研究进展[J]. 苏波,钱若军,袁行飞. 空间结构. 2010(01)
[7]二维稳态热传导逆问题初步研究[J]. 钱炜祺,蔡金狮,任斌. 计算物理. 2002(06)
[8]径向基函数、散乱数据拟合与无网格偏微分方程数值解[J]. 吴宗敏. 工程数学学报. 2002(02)
[9]函数的径向基表示[J]. 吴宗敏. 数学进展. 1998(03)
博士论文
[1]图像自动标注关键技术研究[D]. 臧淼.北京邮电大学 2017
本文编号:3653084
【文章页数】:72 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第一章 绪论
1.1 课题研究背景和研究意义
1.2 国内外研究现状
1.2.1 测热数据标注研究现状
1.2.2 数值计算研究现状
1.2.3 智能计算研究现状
1.3 本文的研究内容及创新
1.4 论文的结构安排
第二章 相关理论和技术综述
2.1 测热数据相关技术
2.1.1 热传导计算方法
2.1.2 热传导反问题计算方法
2.1.3 人工标注
2.2 智能计算相关技术
2.2.1 控制方程
2.2.2 数值方法
2.2.3 边界条件
2.3 深度学习相关技术
2.3.1 深度学习基本概念
2.3.2 典型卷积神经网络
2.4 本章小结
第三章 基于深度学习的测热数据标注
3.1 本章总体算法概述
3.2 测热数据获取
3.3 测热数据预处理
3.3.1 测热数据滤波
3.3.2 数据分段
3.3.3 图片转换
3.4 卷积神经网络构建
3.4.1 卷积神经网络的基本概念
3.4.2 卷积神经网络结构
3.4.3 自动标注算法
3.4.4 算法优化
3.5 实验设计及结果分析
3.5.1 训练和测试策略
3.5.2 实验结果及分析
3.6 本章小结
第四章 基于深度学习的智能计算
4.1 本章总体算法概述
4.2 数值计算数据获取及数据预处理
4.2.1 数值计算数据获取
4.2.2 数据预处理
4.3 深度神经网络模型构建
4.3.1 N-S方程推导
4.3.2 网络结构
4.3.3 网络算法
4.4 实验设计及结果分析
4.4.1 训练和测试策略
4.4.2 实验结果及分析
4.5 本章小结
第五章 全文总结及展望
5.1 研究工作总结
5.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】:
期刊论文
[1]2018年度国外高超声速飞行器发展动向[J]. 廖孟豪. 飞航导弹. 2019(03)
[2]2018年国外高超声速技术发展回顾[J]. 王璐,韩洪涛,郑义. 飞航导弹. 2019(04)
[3]2017年国外高超声速飞行器技术发展综述[J]. 张灿,胡冬冬,叶蕾,李文杰,刘都群. 战术导弹技术. 2018(01)
[4]高超声速飞行器关键技术发展分析[J]. 赵鹏飞,董长虹. 飞航导弹. 2017(10)
[5]国外高超声速飞行器研究现状及发展趋势[J]. 姜鹏,匡宇,谢小平,张文广,彭奇峰,康宇航. 飞航导弹. 2017(07)
[6]流固耦合界面信息传递理论和方法研究进展[J]. 苏波,钱若军,袁行飞. 空间结构. 2010(01)
[7]二维稳态热传导逆问题初步研究[J]. 钱炜祺,蔡金狮,任斌. 计算物理. 2002(06)
[8]径向基函数、散乱数据拟合与无网格偏微分方程数值解[J]. 吴宗敏. 工程数学学报. 2002(02)
[9]函数的径向基表示[J]. 吴宗敏. 数学进展. 1998(03)
博士论文
[1]图像自动标注关键技术研究[D]. 臧淼.北京邮电大学 2017
本文编号:3653084
本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/3653084.html