1 绪论
1.1 研究背景及意义
1.2 国内外研究现状及发展动态
1.2.1 汽车空气动力学研究
1.2.2 深度学习在计算流体力学领域的应用
1.3 本文主要研究内容
2 相关技术简述
2.1 无网格CFD理论基础
2.1.1 介观模型和LBM简介
2.1.2 格子玻尔兹曼方法
2.2 深度学习简介
2.2.1 卷积神经网络
2.2.2 三维深度学习方法介绍
2.3 本章小结
3 汽车气动仿真数据集构建
3.1 XFlow介绍
3.2 汽车模型选取与仿真
3.2.1 汽车CAD模型选取
3.2.2 计算域的确定
3.2.3 仿真参数的设定
3.3 仿真结果分析
3.3.1 速度场分析
3.3.2 压力场分析
3.3.3 气动阻力系数分析
3.4 数据集的制作
3.5 本章小结
4 基于O-CNN的汽车气动参数实时仿真预测
4.1 O-CNN介绍
4.1.1 八叉树结构
4.1.2 八叉树在O-CNN中的应用
4.1.3 O-CNN的输入
4.1.4 O-CNN中的卷积计算
4.2 用于汽车气动参数实时仿真的O-CNN神经网络结构
4.3 算法实践
4.3.1 软硬件平台
4.3.2 数据集
4.3.3 评价指标
4.3.4 测试结果
4.5 本章小结
结论
参考文献
致谢