基于混合神经网络的风力机翼型流场预测  

作　　者：张盟 王龙[1] 

机构地区：[1]安徽理工大学机电工程学院,安徽淮南232001

出　　处：《人工智能》2025年第2期50-56,共7页Artificial Intelligence View

摘　　要：随着人工智能技术的不断发展,深度学习与流体力学相结合的模式呈现出一种不可阻挡的趋势。本文从风力机翼型流场计算出发,建立了混合神经网络模型,用于替代传统计算流体力学(CFD)方法。将预测值与仿真值进行对比,结果表明,混合神经网络模型能够准确捕获到与原始仿真流场一致的特征信息,证明了此预测方法的可行性。该方法为人工智能在流体力学领域的应用提供了一个新的思路。

关 键 词：深度学习 计算流体力学 NACA 4412 流场预测 

分 类 号：TK83[动力工程及工程热物理—流体机械及工程] TP18[自动化与计算机技术—控制理论与控制工程]