基于三维深度学习的汽车气动性能实时预测
为适应现代汽车快速设计的需求,采用基于三维深度学习算法的汽车气动参数实时预测,计算汽车的空气阻力系数.利用Rhinoceros软件对包含多种车型的汽车模型库进行T样条曲面重构,制作汽车外形的三维点云数据集;分别利用FLUENT和CFX对模型逐个进行不同风速工况下的仿真分析,得到相应的空气阻力系数,并建立三维深度学习的训练和测试数据集;采用PointNet深度学习框架训练并计算各模型的空气阻力系数.训练集的对比结果表明,采用深度学习方法快速预测汽车气动性能可得到基本满意的效果.
三维深度学习、阻力系数、气动外形、实时预测、点云、PointNet
31
TP391.99;U461.1(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金
2023-02-06（万方平台首次上网日期，不代表论文的发表时间）
共8页
31-37,42
