Jun, 2023

多目标船型优化与基于 CAD 引擎的深度学习物理学方法用于三维流动预测

PDF
TL;DR本文提出了一个深度学习物理优化 (DLPO) 框架，用于设置迪斯堡测试用例 (DTC) 集装箱船的形状优化研究，并展示了两个不同的应用程序：(1) 敏感度分析，用于检测最有前途的通用基础船体形状，以及 (2) 多目标优化，用于量化最优船体形态之间的权衡。DLPO 框架允许自动端到端地评估设计迭代。该模型是由 Extrality 的 Deep Learning Physics (DLP) 模型与 CAD 引擎和优化器相结合而实现。我们的 DLP 模型训练完整的来自 RANS 模拟的三维体积数据，可以实时提供准确和高质量的三维流预测，从而使其成为评估新集装箱船设计在水动力效率方面优化的良好评估器。最终，我们得出结论 DLPO 框架是加速船舶设计过程，并导致具有更好水动力性能的更有效的船舶的有前途的工具。
发现论文，激发创造
  • 水下航行器外壳的高效可替代设计优化

    本研究探讨了在无人水下器（UUV）的设计过程中，采用计算流体动力学（CFD）与基于深度神经网络（DNN）的代理模型相结合，通过贝叶斯优化（BO）实现高效样本及快速数据驱动的 UUV 设计优化问题，结果表明，BO LCB 算法是最具高效的优化框架，DNN 代理模型可以实现计算的极速提升与相关精度的优化。

    Apr, 2023

  • Ship-D: 使用机器学习进行设计优化的船舶外壳数据集

    通过建立船舶设计机器学习工具，结合该论文提供的三万条船舶数据集，包括设计和功能表现信息，海洋水动力拖力系数等，发展一种以数据驱动的船舶设计方法，并使用代理模型和遗传算法将船舶波浪阻力降低 60％。

    May, 2023

  • ShipGen：多目标和约束的参数化船体生成的扩散模型

    利用参数扩散模型和性能引导，生成的参数化船体设计可以显著减少设计时间，提高船体性能，降低运营成本。

    Nov, 2023

  • 自动水下航行器外壳设计的约束贝叶斯优化

    本文介绍了一种将 CAD 工具 FreeCAD 和 CFD 工具 openFoam 与贝叶斯优化技术相结合的水下载具自动设计优化方法，并通过实际案例验证了该方法。

    Feb, 2023

  • 可扩展的深度学习方法求解高维动态最优输运问题

    本文提出了一种基于深度学习方法，通过蒙特卡洛方法计算动态高维空间下的最优输运问题的解法。与其他方法相比，我们的方法在更高维度下能够给出更准确的结果，并具有良好的可扩展性。

    May, 2022

  • 三维圆柱体的主动流控制及深度强化学习

    该研究首次成功地利用多个独立控制的零净质量通量合成喷射进行主动流量控制，以降低阻力系数。研究使用了基于深度强化学习框架的方法，将计算流体动力学求解器与代理程序结合，实现了多代理强化学习框架，能够利用局部不变性、适应不同几何结构、进行传递学习和交叉应用代理，显著加快了训练速度。通过应用基于深度强化学习的控制策略，在三种不同配置的问题中实现了显著的阻力降低。

    Sep, 2023

  • 基于体素化模型的深度强化学习提升车辆空气动力学性能

    本文介绍了一种使用深度强化学习在汽车设计中优化空气动力学的新方法，使用体素化模型来离散化车辆几何形状，通过训练深度强化学习代理网络来优化车辆的设计参数以获得更好的空气动力性能。实验结果表明该方法在实现显著的空气动力性能方面具有有效性和高效性，为改善车辆性能、燃油效率和环境可持续性提供了启示，适用于解决复杂的汽车工程中的空气动力学设计优化问题。

    May, 2024

  • 通过深度强化学习训练的人工神经网络，在一系列雷诺数范围内实现强大的主动流控制

    本文研究利用深度强化学习的 PPO 方法对不同雷诺数下的计算流体动力学模拟进行主动流控，成功地减小了波动和减小了阻力。

    Apr, 2020

  • 基于物理约束深度学习的流体动力学代理建模

    本文提出了一种基于受物理约束的深度学习的代理建模方法，以替代传统的基于数值模拟的建模方法，在流体力学问题中得到了很好的应用表现。

    Jun, 2019

  • 利用深度强化学习实现鲁棒的流量控制和最优传感器布置

    本研究使用深度强化学习算法，结合两个人工喷射器和压力传感器在圆柱的尾迹中，探索减少阻力的控制策略，并提出了新的优化算法（S-PPO-CMA）来优化传感器布局，结果显示控制效果稳定、鲁棒性高。这些成功实现的结果证明了强化学习在主动流控中具有非常大的潜力，并为实验和工业系统的高效、鲁棒和实用的控制技术实现铺平了道路。

    Jun, 2020