CN115423053B - 适用于翼型切面的非结构流场数据的分类方法及相关设备 - Google Patents
适用于翼型切面的非结构流场数据的分类方法及相关设备 Download PDFInfo
- Publication number
- CN115423053B CN115423053B CN202211383268.9A CN202211383268A CN115423053B CN 115423053 B CN115423053 B CN 115423053B CN 202211383268 A CN202211383268 A CN 202211383268A CN 115423053 B CN115423053 B CN 115423053B
- Authority
- CN
- China
- Prior art keywords
- airfoil section
- grid points
- airfoil
- flow field
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明适用于CFD后处理技术领域,提供了一种适用于翼型切面的非结构流场数据的分类方法及相关设备,方法包括:S1、解析翼型的非结构流场数据,并获取翼型切面信息,所述翼型切面信息包括翼型切面上各个网格点的第一向量;S2、根据所述翼型切面信息计算翼型切面的第二向量;S3、基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类;S4、将分类后的网格点进行校正,得到翼型切面流场数据的正确分类。本发明可以自动地将翼型切面所有的网格点正确分类,从而得到所述翼型切面非结构流场数据的正确分类,无需人工分类,提高了翼型切面非结构流场数据分类的效率。
Description
技术领域
本发明涉及CFD后处理技术领域,尤其是涉及一种适用于翼型切面的非结构流场数据的分类方法及相关设备。
背景技术
基于CFD的数值仿真技术在飞行器设计分析中扮演了非常重要的角色。在CFD计算完成后,除了关注全机的气动力结果,设计或分析人员还常常需要对流场文件进行切面(slice)操作,以获取详细的流场数据。CFD的流场数据通常是在结构化网格点或非结构化网格点或二者组成的混合网格处的流动信息,如物面的流场压力、速度、摩阻等。对于结构网格,网格点是按照坐标值大小有序存储的;但对于非结构网格,常常按照网格的类型分类存储的,网格节点的存储顺序和坐标顺序不一致,即存储是无序的。但是对于非结构格式的流场,由于网格点存储是无序的,当用户通过切面获取到某个截面上的流场数据时,数据也是混乱无序的,需要进行排序以方便使用和分析。
常用的方法是按照网格点的坐标大小排序,但是对于机翼这种部件,其剖面形状是封闭的图形,数据分上表面和下表面,如果只是简单的按照坐标大小排序,并不能正确地将上下表面的数据分开;为了将切面形状为封闭的机翼或翼型等部件的上下表面的流场数据点正确分开,现有技术是根据切面形状和流体力学性质,人工的将数据点进行分类,但费时费力,特别是对于大数据量时,比如通过大量算例对CFD软件进行确认时,迫切需要一种更加有效的、自动化的算法。
发明内容
本发明的目的是提供一种适用于翼型切面的非结构流场数据的分类方法及相关设备,可以自动化地对翼型切面的非结构流场数据进行正确分类,从而提高非结构流场数据的分类效率。
第一方面,本发明实施例提供一种适用于翼型切面的非结构流场数据的分类方法,包括:
S1、解析翼型的非结构流场数据,并获取翼型切面信息,所述翼型切面信息包括翼型切面上各个网格点的第一向量;
S2、根据所述翼型切面信息计算翼型切面的第二向量;
S3、基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类;
S4、将分类后的网格点进行校正,得到翼型切面流场数据的正确分类。
可选的,所述网格点的第一向量包括网格点的法向量。
可选的,所述翼型切面信息还包括翼型切面的流向坐标和法向坐标,所述根据所述翼型切面信息计算翼型切面的第二向量,包括:
将翼型切面流向坐标最大值与最小值所对应的两个网格点连成翼型切面的弦线;
沿翼型切面的流向取所述弦线的方向并作为所述第二向量。
可选的,所述基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类的步骤包括:
将所述第一向量和所述第二向量叉乘,并根据叉乘结果将翼型切面上所有网格点分为第一类网格点和第二类网格点;
分别计算第一类网格点和第二类网格点法向坐标的平均值,将法向坐标平均值较大的一类网格点作为翼型切面的上表面网格点,将法向坐标平均值较小的一类网格点作为翼型切面的下表面网格点。
可选的,所述将分类后的网格点进行校正,得到翼型切面流场数据的正确分类包括:
计算所述翼型切面的弦线的直线方程;
根据所述弦线的直线方程分别对所述上表面网格点和所述下表面网格点进行校正,得到所述翼型切面流场数据的正确分类。
第二方面,本发明实施例提供一种适用于翼型切面的非结构流场数据的分类装置,包括:
解析模块,用于解析翼型的非结构流场数据,并获取翼型切面信息,所述翼型切面信息包括翼型切面上各个网格点的第一向量;
计算模块,用于根据所述翼型切面信息计算翼型切面的第二向量;
分类模块,用于基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类;
校正模块,用于将分类后的网格点进行校正,得到翼型切面流场数据的正确分类。
第三方面,本发明实施例提供一种计算机设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的适用于翼型切面的非结构流场数据的分类方法中的步骤。
第四方面,本发明实施例一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的适用于翼型切面的非结构流场数据的分类方法中的步骤。
与现有技术相比,本发明实施例主要有以下有益效果:本发明实施例通过解析翼型非结构流场数据,获取翼型切面数据后得到切面上各个网格点的外法向向量,然后通过网格点的几何坐标信息计算翼型切面的弦向向量,通过外法向向量和弦向向量的叉乘结果将切面上所有网格点分为两类,并进一步根据翼型切面弦线的直线方程对二分类后的网格点进行检验,将其中误判的网格点进行校正,最终自动地将翼型切面所有的网格点正确分类,从而得到上述翼型切面非结构流场数据的正确分类,无需人工分类,提高了翼型切面非结构流场数据分类的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种适用于翼型切面的非结构流场数据的分类方法的一个实施例的流程图;
图2是本发明的大展弦比运输机DLR-F6算例的机翼翼型截面形状图;
图3是本发明的大展弦比运输机DLR-F6算例的机翼翼型表面的压强系数(Cp)沿流向(x方向)的分布图;
图4是本发明的大展弦比运输机DLR-F6算例的机翼翼型切面上网格点初步正确分类后的示意图;
图5是本发明的大展弦比运输机DLR-F6算例的机翼翼型切面前缘处校正前含有误判网格点的放大示意图;
图6是本发明的大展弦比运输机DLR-F6算例的机翼翼型切面前缘处校正后的放大示意图;
图7是本发明的一种适用于翼型切面的非结构流场数据的分类装置的一个实施例的结构示意图;
图8是本发明的一种计算机设备的基本结构示意图。
具体实施方式
以下的说明提供了许多不同的实施例、或是例子,用来实施本发明的不同特征。以下特定例子所描述的元件和排列方式,仅用来精简的表达本发明,其仅作为例子,而并非用以限制本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,图1是本发明的一种适用于翼型切面的非结构流场数据的分类方法的一个实施例的流程图,上述适用于翼型切面的非结构流场数据的分类方法包括以下步骤:
S1、解析翼型的非结构流场数据,并获取翼型切面信息,所述翼型切面信息包括翼型切面上各个网格点的第一向量。
在本发明实施例中,上述翼型的非结构流场数据存储于翼型流场文件中,具体可以是CGNS格式的文件数据,由CFD软件模拟翼型而生成,包括模拟翼型表面的网格点的几何信息和流场信息;其中,几何信息包括网格点的(x,y,z)坐标信息,x、z分别表示翼型切面的流向坐标和法向坐标,即x坐标的方向可表示流场的流向;流场信息包括CFD程序输出的流场参数,如速度、压力、密度等。以大展弦比运输机DLR-F6算例非结构网格CFD模拟计算结果为例,通过解析其CGNS格式的非结构流场数据,并在距离机翼翼根一定展长处(如20%处)进行切面,其翼型截面形状如图2所示,将其非结构流场数据按x流向坐标大小简单排序,绘制出机翼表面的压强系数(Cp)沿流向(x方向)的分布可如图3所示。然后提取翼型切面信息,利用翼型切面上各个网格点的几何数据,计算得到各个网格点的第一向量。上述网格点的第一向量包括网格点的法向量,具体为翼型表面网格点的外法向量,可以通过网格点相邻两条边的矢量叉乘计算得到,例如网格点1和网格点2连接形成的边以及网格点1和网格点3连接形成的边,分别矢量化后进行向量叉乘可以得到网格点1的外法向量。
S2、根据所述翼型切面信息计算翼型切面的第二向量。
进一步的,步骤S2具体包括:
将翼型切面流向坐标最大值与最小值所对应的两个网格点连成翼型切面的弦线;
沿翼型切面的流向取所述弦线的方向并作为所述第二向量。
本发明实施例中,从上述切面得到的翼型表面的网格点的几何信息中获取流向坐标x最大值和最小值对应的两个网格点,并将两个网格点相连作为翼型切面的弦线,然后沿翼型切面的流向作为弦线的方向,根据上述两个网格点的坐标确定弦向量并作为上述第二向量,即,将流向坐标x最大的网格点的坐标减去流向坐标x最小的网格点的坐标得到第二向量。
S3、基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类。
具体地,上述步骤S3包括:
将所述第一向量和所述第二向量叉乘,并根据叉乘结果将翼型切面上所有网格点分为第一类网格点和第二类网格点;
分别计算第一类网格点和第二类网格点法向坐标的平均值,将法向坐标平均值较大的一类网格点作为翼型切面的上表面网格点,将法向坐标平均值较小的一类网格点作为翼型切面的下表面网格点。
本发明实施例中,可以将翼型切面上每个网格点的外法向量一一与此翼型切面的弦向量进行向量叉乘,根据叉乘结果的正负对翼型切面的每个网格点进行二分类,即将每个网格点分在第一类网格点或第二类网格点;然后分别计算第一类网格点和第二类网格点法向坐标z的平均值,将其中法向坐标z的平均值较大的一类网格点作为翼型切面的上表面网格点,将法向坐标z的平均值较小的一类网格点作为翼型切面的下表面网格点;通过翼型切面网格点的外法向量和弦向量的叉乘,对翼型切面非结构的网格点流场数据进行初步分类,可以得到较为准确的翼型切面数据点分类结果,使得后续可以使用到正确的翼型切面数据进行数据的绘图展示、分析等。
S4、将分类后的网格点进行校正,得到翼型切面流场数据的正确分类。
进一步的,步骤S4包括:
计算所述翼型切面的弦线的直线方程;
根据所述弦线的直线方程分别对所述上表面网格点和所述下表面网格点进行校正,得到所述翼型切面流场数据的正确分类。
通过上述步骤S3,本算例翼型切面上的所有网格点整体上已初步正确分类,如图4所示,但由于翼型前缘附近曲率变化大,此处翼型切面网格点的法向量计算也存在一定误差,导致部分前缘网格点会被错误分类,因此需要进一步的校正。
本发明实施例中,获取流向坐标x最大值和最小值对应的两个网格点,将两个网格点相连作为翼型切面的弦线,并根据这两个网格点的坐标值计算得到弦线的直线方程。然后取前缘附近的翼型切面上下表面的网格点,将其坐标代入相应的弦线的直线方程进行检验,若某些点不满足,则需要校正该点的分类,从而可以确保落在直线方程的上下两侧的网格点确实分别属于翼型切面的上下表面。
举例而言,在本算例中,计算得到上述弦线的直线方程为,取翼型切面前缘附近5%弦长范围内的网格点,分别将其坐标代入直线方程进行校验,坐标为A(0.418862,-0.004821)、B(0.418905,-0.005382)的两个下表面网格点带入直线方程后,“=”右侧值均为正数,而其余下表面网格点代入直线方程后“=”右侧为负数,说明A、B这两个网格点本该属于上表面,但在上述步骤S3中被误判,见图5;因此需要将A、B这两个网格点校正,即重新将A、B网格点分到翼型切面的上表面,校正后翼型切面前缘处的放大图如图6;通过上述步骤,最终将翼型切面的所有网格点正确分在翼型的上下表面,从而自动地实现翼型切面非结构网格点流场数据正确分类。
综上所述,本发明实施例通过解析翼型非结构流场数据,获取翼型切面数据后得到切面上各个网格点的外法向向量,然后通过网格点的几何坐标信息计算翼型切面的弦向向量,通过外法向向量和弦向向量的叉乘结果将切面上所有网格点分为两类,并进一步根据翼型切面弦线的直线方程对二分类后的网格点进行检验,将其中误判的网格点进行校正,最终自动地将翼型切面所有的网格点正确分类,从而得到上述翼型切面非结构流场数据的正确分类,无需人工分类,提高了翼型切面非结构流场数据分类的效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,也并不必然是在同一设备或机器上执行的,而是可以在不同的时刻、不同的地方执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
第二方面,如图7所示,作为对上述图1所示的一种适用于翼型切面的非结构流场数据的分类方法的实现,本发明提供了一种适用于翼型切面的非结构流场数据的分类装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该适用于翼型切面的非结构流场数据的分类装置具体可以应用于各种计算机设备中。
图7示出了本发明实施例提供的一种适用于翼型切面的非结构流场数据的分类装置的结构示意图,该装置具体包括:
解析模块701,用于解析翼型的非结构流场数据,并获取翼型切面信息,所述翼型切面信息包括翼型切面上各个网格点的第一向量;
计算模块702,用于根据所述翼型切面信息计算翼型切面的第二向量;
分类模块703,用于基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类;
校正模块704,用于将分类后的网格点进行校正,得到翼型切面流场数据的正确分类。
本发明实施例提供的适用于翼型切面的非结构流场数据的分类装置能够实现图1方法实施例中的各个实施方式,以及相应有益效果,为避免重复,这里不再赘述。
第三方面,本发明实施例提供一种计算机设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的适用于翼型切面的非结构流场数据的分类方法中的步骤。
第四方面,本发明实施例一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的适用于翼型切面的非结构流场数据的分类方法中的步骤。
具体请见图8,图8为本发明实施例的计算机设备的基本结构示意图。所述计算机设备800包括通过系统总线相互通信连接存储器801、处理器802、网络接口803。需要指出的是,图中仅示出了具有组件801-803的计算机设备800,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器 (Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器801至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器801可以是所述计算机设备800的内部存储单元,例如该计算机设备800的硬盘或内存。在另一些实施例中,所述存储器801也可以是所述计算机设备800的外部存储设备,例如该计算机设备800上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。当然,所述存储器801还可以既包括所述计算机设备800的内部存储单元也包括其外部存储设备。本实施例中,所述存储器801通常用于存储安装于所述计算机设备800的操作系统和各类应用软件,例如适用于翼型切面的非结构流场数据的分类方法的程序代码等。此外,所述存储器801还可以用于暂时地存储已经输出或者将要输出的各类数据。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种适用于翼型切面的非结构流场数据的分类方法,其特征在于,包括:
S1、解析翼型的非结构流场数据,并获取翼型切面信息,所述翼型切面信息包括翼型切面上各个网格点的第一向量;
S2、根据所述翼型切面信息计算翼型切面的第二向量;
S3、基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类;
S4、将分类后的网格点进行校正,得到翼型切面流场数据的正确分类;
所述网格点的第一向量包括网格点的法向量;
将翼型切面流向坐标最大值与最小值所对应的两个网格点连成翼型切面的弦线;
沿翼型切面的流向取所述弦线的方向并作为所述第二向量;
所述基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类的步骤包括:
将所述第一向量和所述第二向量叉乘,并根据叉乘结果将翼型切面上所有网格点分为第一类网格点和第二类网格点;
分别计算第一类网格点和第二类网格点法向坐标的平均值,将法向坐标平均值较大的一类网格点作为翼型切面的上表面网格点,将法向坐标平均值较小的一类网格点作为翼型切面的下表面网格点。
2.如权利要求1所述的方法,其特征在于,所述将分类后的网格点进行校正,得到翼型切面流场数据的正确分类包括:
计算所述翼型切面的弦线的直线方程;
根据所述弦线的直线方程分别对所述上表面网格点和所述下表面网格点进行校正,得到所述翼型切面流场数据的正确分类。
3.一种采用如权利要求1或2所述的一种适用于翼型切面的非结构流场数据的分类方法的分类装置,其特征在于,包括:
解析模块,用于解析翼型的非结构流场数据,并获取翼型切面信息,所述翼型切面信息包括翼型切面上各个网格点的第一向量;
计算模块,用于根据所述翼型切面信息计算翼型切面的第二向量;
分类模块,用于基于所述第一向量和所述第二向量对所述翼型切面上的网格点进行分类;
校正模块,用于将分类后的网格点进行校正,得到翼型切面流场数据的正确分类。
4.一种计算机设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1或2所述的适用于翼型切面的非结构流场数据的分类方法中的步骤。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1或2所述的适用于翼型切面的非结构流场数据的分类方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211383268.9A CN115423053B (zh) | 2022-11-07 | 2022-11-07 | 适用于翼型切面的非结构流场数据的分类方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211383268.9A CN115423053B (zh) | 2022-11-07 | 2022-11-07 | 适用于翼型切面的非结构流场数据的分类方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423053A CN115423053A (zh) | 2022-12-02 |
CN115423053B true CN115423053B (zh) | 2023-04-07 |
Family
ID=84207652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211383268.9A Active CN115423053B (zh) | 2022-11-07 | 2022-11-07 | 适用于翼型切面的非结构流场数据的分类方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423053B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015316575A1 (en) * | 2014-09-15 | 2017-03-30 | Oxford University Innovation Limited | Inertial tracking based determination of the position of a mobile device carried by a user in a geographical area |
CN109878721A (zh) * | 2019-04-04 | 2019-06-14 | 中南大学 | 一种微小型旋翼无人飞行器旋翼翼型的设计方法及产品 |
CN111382482A (zh) * | 2020-03-29 | 2020-07-07 | 华中科技大学 | 基于割线旋转迭代的航空叶片叶型弦长检测方法和系统 |
CN112231846A (zh) * | 2020-11-04 | 2021-01-15 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 飞机挂架网格生成及投影方法、装置、设备和存储介质 |
CN112784508A (zh) * | 2021-02-12 | 2021-05-11 | 西北工业大学 | 一种基于深度学习的翼型流场快速预测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126860B (zh) * | 2016-07-14 | 2018-04-24 | 北京航空航天大学 | 一种考虑加工误差的高超声速机翼鲁棒优化设计方法 |
CN107220399A (zh) * | 2017-03-23 | 2017-09-29 | 南京航空航天大学 | 基于埃尔米特插值基本加权无振荡格式的全流场模拟方法 |
CN110455713B (zh) * | 2019-09-09 | 2024-03-22 | 南京林业大学 | 一种加压的单界面微距旋切测试装置和测试方法 |
CN110705126A (zh) * | 2019-10-24 | 2020-01-17 | 南京航空航天大学 | 一种直升机旋翼翼型确定方法及系统 |
AU2021268533A1 (en) * | 2020-02-06 | 2022-06-30 | The Suppes Family Trust | Flat plate airfoil platform vehicle |
CN113849900A (zh) * | 2020-06-26 | 2021-12-28 | 汽车成型工程有限公司 | 用于零件表面几何形状分析的方法和装置 |
CN216342583U (zh) * | 2021-08-25 | 2022-04-19 | 华北电力大学 | 一种风电叶片运行攻角测量装置 |
CN114692488A (zh) * | 2022-03-15 | 2022-07-01 | 南方科技大学 | 一种超临界翼型的生成方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-07 CN CN202211383268.9A patent/CN115423053B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015316575A1 (en) * | 2014-09-15 | 2017-03-30 | Oxford University Innovation Limited | Inertial tracking based determination of the position of a mobile device carried by a user in a geographical area |
CN109878721A (zh) * | 2019-04-04 | 2019-06-14 | 中南大学 | 一种微小型旋翼无人飞行器旋翼翼型的设计方法及产品 |
CN111382482A (zh) * | 2020-03-29 | 2020-07-07 | 华中科技大学 | 基于割线旋转迭代的航空叶片叶型弦长检测方法和系统 |
CN112231846A (zh) * | 2020-11-04 | 2021-01-15 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 飞机挂架网格生成及投影方法、装置、设备和存储介质 |
CN112784508A (zh) * | 2021-02-12 | 2021-05-11 | 西北工业大学 | 一种基于深度学习的翼型流场快速预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115423053A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10685462B2 (en) | Automatic data extraction from a digital image | |
CN111095296A (zh) | 使用机器学习对字符串进行分类 | |
CN112231847B (zh) | 转捩位置确定方法、装置、电子设备及存储介质 | |
US20200387553A1 (en) | Digitization of technical documentation driven by machine learning | |
CN110378343A (zh) | 一种财务报销数据处理方法、装置及系统 | |
Li et al. | Automatic comic page segmentation based on polygon detection | |
CN109389050B (zh) | 一种流程图连接关系识别方法 | |
US9600624B2 (en) | System and method for simulating aerodynamics over an aircraft for a deflected position of a movable aircraft control surface using a structured chimera mesh | |
CN112119397A (zh) | 使用机器学习的管道及仪表流程图信息的分类 | |
EP3667544A1 (en) | Designing a structural product | |
CN114626457A (zh) | 一种目标检测方法、装置及电子设备 | |
CN115423053B (zh) | 适用于翼型切面的非结构流场数据的分类方法及相关设备 | |
CN103837135A (zh) | 工件检测方法及其系统 | |
CN105787004A (zh) | 一种文本分类方法及装置 | |
CN111738290B (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
CN115618468B (zh) | 基于Revit的门窗大样图快速出图方法、存储介质及设备 | |
CN111783561A (zh) | 审图结果修正方法、电子设备及相关产品 | |
US20150142709A1 (en) | Automatic learning of bayesian networks | |
CN114049686A (zh) | 签名识别模型训练方法、装置及电子设备 | |
CN110837707B (zh) | 一种有限元分析系统、方法、计算机设备及存储介质 | |
CN115731561A (zh) | 使用视觉箭头关系检测的手绘示图识别 | |
CN110826488A (zh) | 一种针对电子文档的图像识别方法、装置及存储设备 | |
CN110442708A (zh) | 一种基于粒度计算的信息分类方法 | |
Joy et al. | Automation of Material Takeoff using Computer Vision | |
CN112395473A (zh) | Cae模型中零部件的分类方法、装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |