人工智能与空气动力学结合的初步思考

发布时间：2021-11-05 07:54

　　以人工智能为核心的新一轮技术革命及产业变革正在影响着社会的各个领域,世界各航空航天大国均在人工智能与空气动力学的结合方面开展了许多有益的尝试与探索。本文回顾了人工智能技术的发展历程及现状,重点讨论了大数据时代背景下人工智能在风洞试验、数值计算和飞行试验等空气动力学研究的三大手段上的应用,详细分析了人工智能在辅助海量气动数据分析与知识发现上发挥的作用,探讨了人工智能在气动建模与先进飞行器设计中蕴藏的应用价值,并指出了人工智能与空气动力学相结合所带来的挑战。 

【文章来源】：航空工程进展. 2019,10(01)CSCD

【文章页数】：11 页

【文章目录】：
0 引言
1 人工智能发展现状
    1.1 人工智能的发展历程
    1.2 机器学习
2 人工智能辅助空气动力学三大手段研究效率提高
    2.1 风洞试验
    2.2 数值模拟
    2.3 飞行试验和模型飞行试验
3 人工智能辅助数据分析与知识发现
4 人工智能辅助飞行器气动优化设计
5 人工智能给空气动力学发展带来的挑战
6 结束语


【参考文献】：
期刊论文
[1]基于深度学习的翼型气动系数预测[J]. 陈海,钱炜祺,何磊.  空气动力学学报. 2018(02)
[2]从“事后诸葛亮”到“防患于未然”——“深度学习与信息安全”解读[J]. 张钹.  信息安全研究. 2017(11)
[3]基于本征正交分解的气动优化设计外形数据挖掘[J]. 段焰辉,吴文华,范召林,罗佳奇.  物理学报. 2017(22)
[4]“人在回路”思想在飞机气动优化设计中演变与发展[J]. 李润泽,张宇飞,陈海昕.  空气动力学学报. 2017(04)
[5]飞行器气动外形设计方法研究与进展[J]. 高正红,王超.  空气动力学学报. 2017(04)
[6]基于差分进化和RBF响应面的混合优化算法[J]. 邓凯文,陈海昕.  力学学报. 2017(02)
[7]人工智能与人类智能——从认知科学五个层级的理论看人机大战[J]. 蔡曙山,薛小迪.  北京大学学报(哲学社会科学版). 2016(04)
[8]人工智能的历史回顾和发展现状[J]. 顾险峰.  自然杂志. 2016(03)
[9]飞机大迎角非定常气动力建模研究进展[J]. 汪清,钱炜祺,丁娣.  航空学报. 2016(08)
[10]第4讲 深度学习应用中的常见模型[J]. 乔林,张雄伟,史海宁,贾冲.  军事通信技术. 2016(01)

博士论文
[1]遗传算法及其在气动优化设计中的应用研究[D]. 王晓鹏.西北工业大学 2000

硕士论文
[1]4米×3米风洞自主式维修保障系统信息化平台设计与实现[D]. 马国辉.电子科技大学 2014
[2]基于样本学习的有限元网格模型优化研究[D]. 陈晓申.浙江大学 2012



本文编号：3477389