高超声速进气道流场智能预测

本工具是一款高效的 高超声速进气道内收缩基准流场智能预测研究助手, 基于 残差网络 (ResNet) 深度学习架构,针对 内收缩进气道 进行快速流场特性分析。 能够替代传统耗时的 CFD 计算,智能预测激波结构、压力分布及马赫数场,显著提升您的 气动设计效率

参数配置
1 积分
Busemann
Oswatitsch
自定义型面
轴对称
二维二元
侧压式
预测结果
高超声速进气道流场智能预测
请在侧输入以开始
用户评分
4.7 / 5.0
25 人已评价

残差网络预测原理

深度学习映射

利用残差网络强大的非线性拟合能力,建立从几何边界条件到流场参数分布的高维映射关系。

基准流场特征

准确捕捉内收缩流场中的激波反射、边界层分离及压缩面压力分布等关键气动特征。

常见问题

预测精度如何?

模型基于大量高精度 CFD 数据训练,在常规设计工况下预测误差极低,可用于初步设计筛选。

适用范围?

适用于高超声速(Ma > 5)内收缩进气道,包括轴对称和二元构型的基准流场快速评估。

主题已切换 已为您开启护眼模式