Этот репозиторий содержит код для модели, описанной в
Глос А., Кинг Р.Н., Виджаякумар Г. и Анантан С. (2022). Обратимые нейронные сети для проектирования аэродинамических профилей. Журнал AIAA, 1–13.
Проблема инверсной конструкции аэродинамического профиля, при которой инженер задает желаемые эксплуатационные характеристики и ищет форму, удовлетворяющую этим требованиям, является фундаментальной для аэрокосмической техники. Эти рабочие процессы проектирования традиционно основаны на сопряженных методах CFD, которые являются дорогостоящими в вычислительном отношении и были продемонстрированы только на стационарных потоках. Подходы, основанные на суррогатах, могут ускорить этот процесс, изучая дешевые прямые сопоставления между формами профиля и интересующими результатами. Однако эти рабочие процессы по-прежнему должны быть включены в какой-либо обратный процесс проектирования на основе оптимизации или Байеса. В этой работе мы предлагаем использовать новые инструменты обратимой нейронной сети (INN), чтобы обеспечить быстрое обратное проектирование форм профиля крыла. INN — это модели глубокого обучения, спроектированные так, чтобы иметь четко определенное обратное сопоставление, которое разделяет параметры модели между прямым и обратным проходами. При соответствующем обучении полученная суррогатная модель INN способна прогнозировать аэродинамические и структурные характеристики для заданной формы профиля и обратное восстановление форм профиля с заданными аэродинамическими и структурными характеристиками.
Модель обратимой нейронной сети (INN) построена с использованием Python и TensorFlow. К коду прилагается файл YML INNfoil_env.yml , который можно использовать для настройки соответствующей среды conda для запуска кода. Файл main.py содержит пример сценария для загрузки данных, обучения модели и запуска процесса инверсии. Файл INNfoil.py содержит модель INN с возможностью запуска модели в прямом и обратном направлениях. Каталог model содержит все необходимое для загрузки предварительно обученной версии INN.
Автором данной работы является Национальная лаборатория возобновляемых источников энергии, управляемая Alliance for Sustainable Energy, LLC для Министерства энергетики США (DOE) по контракту № DE-AC36-08GO28308. Финансирование предоставлено [соответствующим офисом Министерства энергетики и программным офисом, например, Управлением Министерства энергетики США по энергоэффективности и возобновляемым источникам энергии, технологиям солнечной энергии (укажите полные названия офисов; не используйте инициализмы/аббревиатуры)]. Мнения, выраженные в статье, не обязательно отражают точку зрения Министерства энергетики или правительства США. Правительство США сохраняет за собой, а издатель, принимая статью к публикации, признает, что правительство США сохраняет за собой неисключительную, платную, безотзывную, всемирную лицензию на публикацию или воспроизведение опубликованной формы этой работы или разрешение другим делать это, для целей правительства США.
