يحتوي هذا المستودع على رمز للنموذج الموضح في
Glaws, A., King, RN, Vijayakumar, G., & Ananthan, S. (2022). الشبكات العصبية العكسية لتصميم الجنيح. مجلة AIAA، 1-13.
إن مشكلة تصميم الجنيح المعكوس، حيث يحدد المهندس خصائص الأداء المطلوبة ويسعى للحصول على شكل يلبي تلك المتطلبات، هي مشكلة أساسية في هندسة الطيران. تعتمد مسارات عمل التصميم هذه تقليديًا على أساليب العقود مقابل الفروقات (CFD) المتجاورة والتي تكون باهظة الثمن من الناحية الحسابية ولم يتم إثباتها إلا على تدفقات الحالة المستقرة. يمكن للمناهج القائمة على البدائل تسريع هذه العملية من خلال تعلم تعيينات أمامية رخيصة الثمن بين أشكال الجنيحات والمخرجات محل الاهتمام. ومع ذلك، لا يزال يتعين تضمين مسارات العمل هذه في بعض عمليات التصميم العكسي المستندة إلى التحسين أو المستندة إلى نظرية بايزي. في هذا العمل، نقترح الاستفادة من أدوات الشبكة العصبية القابلة للانعكاس (INN) الناشئة لتمكين التصميم العكسي السريع لأشكال الجنيح. إن الأسماء الدولية غير المسجلة الملكية هي نماذج تعلم عميقة تم تصميمها بحيث تحتوي على تعيين عكسي محدد جيدًا يتقاسم معلمات النموذج بين التمريرات الأمامية والعكسية. عندما يتم تدريبه بشكل مناسب، يكون النموذج البديل INN الناتج قادرًا على التنبؤ المسبق بالكميات الديناميكية الهوائية والهيكلية لشكل جنيح معين والاسترداد العكسي لأشكال الجنيح ذات الخصائص الديناميكية الهوائية والهيكلية المحددة.
تم إنشاء نموذج الشبكة العصبية القابلة للعكس (INN) باستخدام Python وTensorFlow. يكون الكود مصحوبًا بملف YML INNfoil_env.yml الذي يمكن استخدامه لإعداد بيئة كوندا مناسبة لتشغيل الكود. يحتوي الملف main.py على مثال لبرنامج نصي لتحميل البيانات وتدريب النموذج وتشغيل عملية الانعكاس. يحتوي ملف INNfoil.py على نموذج INN مع وظيفة تشغيل النموذج في الاتجاهين الأمامي والعكس. يحتوي دليل model على كل الأجزاء اللازمة لتحميل نسخة مدربة مسبقًا من INN.
تم تأليف هذا العمل من قبل المختبر الوطني للطاقة المتجددة، الذي يديره التحالف من أجل الطاقة المستدامة، LLC، لوزارة الطاقة الأمريكية (DOE) بموجب العقد رقم DE-AC36-08GO28308. التمويل مقدم من [مكتب وزارة الطاقة ومكتب البرامج المعتمد، على سبيل المثال، مكتب كفاءة الطاقة والطاقة المتجددة التابع لوزارة الطاقة الأمريكية، مكتب تقنيات الطاقة الشمسية (اذكر أسماء المكاتب بالكامل؛ لا تستخدم الأحرف الأولى/المختصرات)]. الآراء الواردة في المقال لا تمثل بالضرورة آراء وزارة الطاقة أو حكومة الولايات المتحدة. تحتفظ حكومة الولايات المتحدة ويقر الناشر، من خلال قبول المقال للنشر، بأن حكومة الولايات المتحدة تحتفظ بترخيص عالمي غير حصري ومدفوع وغير قابل للإلغاء لنشر أو إعادة إنتاج النموذج المنشور لهذا العمل، أو السماح للآخرين بالقيام بذلك، لأغراض الحكومة الأمريكية.
