Transferable scaling function learning method for knowledge embedded aerodynamic database construction

doi:10.1016/j.ast.2026.112097

Transferable scaling function learning method for knowledge embedded aerodynamic database construction

2026-03-10

0

PRE

AI

DOI：10.1016/j.ast.2026.112097

原文链接

原文求助

摘要

En 中文

• 提出了一种可迁移的缩放函数学习方法，用于高效构建气动数据库。 • 使用来自多个源域形状的气动数据进行预训练，并通过符号回归获得泛化至形状的气动缩放函数表达式。 • 仅需利用新形状的稀疏气动样本，通过微调缩放函数参数即可高效构建气动模型。 • 与Kriging和DNN相比，所提出的方法将外推预测精度提高了27%～97%。

Keyword:

scaling function

aerodynamic database

symbolic regression

transfer learning

extrapolation accuracy

Transferable scaling function learning method for knowledge embedded aerodynamic database construction

摘要

期刊

机构

引用论文