基于遷移學習與殘差網(wǎng)絡的冰形圖像預測

摘要： 神經(jīng)網(wǎng)絡冰形預測方法中，風洞試驗結(jié)冰數(shù)據(jù)具有較高精度的冰形特征，但試驗成本昂貴、獲得數(shù)據(jù)較少，未能得到充分利用，而大多數(shù)是針對數(shù)值計算數(shù)據(jù)開展研究。為此，提出了一種結(jié)合遷移學習和殘差網(wǎng)絡的圖像化預測方法，以翼型截面圖像和結(jié)冰工況參數(shù)為輸入，二維冰形圖像為輸出，建立深度神經(jīng)網(wǎng)絡預測模型，實現(xiàn)高精度二維冰形預測。通過大量數(shù)值計算數(shù)據(jù)獲得預訓練模型，再加入少量風洞試驗數(shù)據(jù)進行微調(diào)，實...