Aerodynamic Drag and Heat Transfer Corrections for Dehydrated Pollen Particles: CFD-Based Modeling of Airborne Allergen Transport in Smart Urban Environments
CNRS, CORIA, UMR 6614, University of Rouen Normandy（法国国家科学研究中心CORIA联合研究单位6614，诺曼底鲁昂大学）；Université de Lille, Institut Mines-Télécom, Université d’Artois, Junia, ULR 4515-LGCgE, Laboratoire de Génie Civil et géo-Environnement（里尔大学、矿业电信联盟、阿尔图瓦大学、朱尼亚学院）；Lebanese International University (LIU)（黎巴嫩国际大学）；Gulf University for Science and Technology（海湾科学与技术大学）
该研究针对传统扩散模型忽略花粉脱水形态的问题，通过CFD模拟揭示干燥与 hydrated 花粉颗粒的阻力、传热差异，指出需采用真实脱水形态建模气传过敏原输运。
2026-08-04 physics.comp-ph physics.flu-dyn
DrivAerML: High-Fidelity Computational Fluid Dynamics Dataset for Road-Car External Aerodynamics
Amazon Web Services（亚马逊网络服务）；Upstream CFD GmbH（Upstream CFD有限公司）；BETA-CAE Systems（BETA-CAE系统公司）；Siemens Energy（西门子能源）；Ford Motor Company（福特汽车公司）
针对高保真CFD方法的真实公路汽车开源训练数据缺失问题，该研究基于500个参数变形的DrivAer notchback变体生成高保真开源数据集，助力汽车空气动力学领域机器学习模型的开发。
2025-04-17 cs.CE cs.LG physics.flu-dyn
Framework for a simulation-based aerodynamic shape optimization of bridge decks for different limit state phenomena
风致响应是大跨度桥梁设计的重要内容。桥面形状是影响桥梁力学性能和气动性能的重要因素之一。提出了一个有效的框架，进行气动形状优化的桥面使用计算流体动力学（CFD）模拟和响应面策略，考虑气动弹性现象，如颤振，抖振和涡激振动（VIV）。已使用参数化的桥面截面，以确保所需的车道宽度和结构要求。粒子群优化算法已被采用，这导致了一个优化的形状，表现更好的相比，参考部分。所提出的气动外形优化框架在大跨度桥梁设计中具有很大的应用潜力。
2022-03-27 physics.flu-dyn
Aerothermodynamic Simulators for Rocket Design using Neural Fields
本文提出物理增强神经场，用于连续预测火箭在不同 AoA 下的定常超声速流场，以低成本解析激波、边界层和尾流，支撑设计与任务控制。
2023-03-21 physics.flu-dyn
A Synergistic Framework Leveraging Autoencoders and Generative Adversarial Networks for the Synthesis of Computational Fluid Dynamics Results in Aerofoil Aerodynamics
Delhi Technological University（德里理工大学）
本文提出将自编码器与条件GAN协同用于翼型CFD结果生成，以20维向量编码几何并生成压力分布图，从而降低气动预测成本、提升翼型设计与优化效率。
2023-05-28 cs.LG physics.flu-dyn
CFD-Machine Learning Driven Pod Optimization and Staged Pressure-Area Management for Supersonic Evacuated Tube Transport
Indian Institute of Technology Bombay（印度孟买理工学院）
本研究通过CFD-机器学习框架优化舱体几何并采用分级CD管道，实现超音速真空管道运输从马赫1.6到2.5的无壅塞过渡，总阻力从68,913.7牛降至120.5牛，显著降低气动阻力。
2026-09-23 physics.flu-dyn
A Residual Learning Approach for Unsteady Aerodynamic Load Prediction
University of Michigan（密歇根大学）
本文以NLR 7301翼型为对象，采用LSTM神经网络，通过残差学习方法学习CFD升力与Wagner模型预测值的差值，其泛化能力优于直接预测CFD升力的神经网络，可用于增强经典低阶气动力理论。
2026-08-19 cs.LG physics.flu-dyn
A Method for Evaluation of Aerodynamic Lift and Drag Based on Statistical Mechanics
本文提出基于统计力学的“体积元”方法，用于数值评估空气动力升力与阻力，适用于凸形翼型，结合蒙特卡洛模拟可处理凹形翼型，并拓展至量子气体应用。
2023-04-25 cond-mat.stat-mech physics.app-ph physics.flu-dyn
High-Order CFD Modeling of Rotating Actuator Line Systems
University of Maryland Baltimore County (UMBC)（马里兰大学巴尔的摩县分校）
本研究开发耦合FR/CPR格式与ALM的高阶CFD框架，无需显式叶片几何即可模拟全旋转涡轮机，经两叶片VAWT测试，可可靠捕捉强非定常下的叶片载荷、流场及尾流特征。
2026-08-31 physics.flu-dyn
Investigation of Numerical Diffusion in Aerodynamic Flow Simulations with Physics Informed Neural Networks
General Motors Global Research and Development（通用汽车全球研发）
本文研究了使用物理信息神经网络在气动流动模拟中是否产生数值扩散，发现其能准确模拟流体方向的迎风法，具有提升求解器精度的潜力。
2025-12-24 physics.flu-dyn
TripNet: Learning Large-scale High-fidelity 3D Car Aerodynamics with Triplane Networks
Department of Mechanical Engineering（机械工程系）；Massachusetts Institute of Technology（麻省理工学院）；Department of Computer Science（计算机科学系）；Technical University of Munich（慕尼黑技术大学）
TripNet通过三平面网络实现高分辨率3D汽车空气动力学模拟，无需依赖网格结构，提供高效准确的CFD预测。
2025-05-23 cs.LG physics.flu-dyn
HGPTrans: Hierarchical Graph-Pooling Transolver for Automotive Aerodynamic Drag Coefficient Prediction
提出HGPTrans，一种结合图同构卷积、物理感知切片注意力和分层池化的网络，直接从车辆网格预测气动阻力系数，在DrivAerNet等数据集上达到最低误差，推理速度较CFD加速数个数量级。
2026-10-08 cs.CV physics.flu-dyn
WindsorML: High-Fidelity Computational Fluid Dynamics Dataset For Automotive Aerodynamics
Amazon Web Services（亚马逊网络服务）；Volcano Platforms Inc.（火山平台公司）；Siemens Energy（西门子能源）；AWS AI Labs（亚马逊云科技人工智能实验室）；Loughborough University（拉夫堡大学）
该研究推出开源高保真数据集WindsorML，含355种Windsor车身几何变体与超2.8亿网格的WMLES仿真数据，为汽车空气动力学ML代理模型研发提供首个宽松许可的大规模高保真CFD数据集。
2025-01-16 cs.CE cs.LG physics.flu-dyn
LGFNet: Local-Global Fusion Network with Fidelity Gap Delta Learning for Multi-Source Aerodynamics
University of Electronic Science and Technology of China（电子科技大学）
LGFNet通过局部-全局融合网络实现多尺度特征分解，结合滑动窗口机制和自注意力关系推理层，解决气动数据融合中的局部保真与全局依赖平衡问题，提出保真度间隙delta学习策略提升非线性误差逼近能力。
2026-03-31 cs.LG physics.flu-dyn
Multi-Granularity Conformal Prediction for Reliable Neural-Operator Automotive Aerodynamic Surrogates
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Chalmers University of Technology（查尔姆斯理工大学）；Tongji University（同济大学）
研究针对汽车空气动力学代理建模，开发多粒度共形预测框架，以解决神经算子确定性预测问题。利用GeoTransolver等，对阻力系数等进行预测，通过共形校准等方法获得可靠区间，提升可靠性指标，助于后续CFD验证。
2026-07-21 physics.flu-dyn
Study change of the performance of airfoil of small wind turbine under low wind speed by CFD simulation
本研究利用XFLR5软件重新设计S1010翼型，并通过CFD仿真在4-6 m/s低风速下评估其气动性能，发现新翼型在特定攻角与厚度参数下气动效率最优。
2023-11-20 physics.flu-dyn
Aerodynamic consequences of wing damage in dragonflies
ESPCI Paris-Université PSL, Sorbonne Université, Université Paris Cité（巴黎高等物理化工大学国立学院、索邦大学、巴黎西岱大学）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）；Aix-Marseille Université（艾克斯-马赛大学）
研究通过CFD模拟分析蜻蜓翅膀损伤对空气动力学性能的影响，发现损伤导致涡旋结构变化及飞行能力下降，且前翅损伤会影响同侧后翅性能。
2025-07-01 physics.flu-dyn
A Coupled CFD/Trim Analysis of Coaxial Rotors
介绍了一种计算流体动力学（CFD）与配平分析耦合的同轴转子系统数值模拟方法。配平分析使用旋翼机流场求解器rFlow 3D来实现。共轴旋翼系统的推力、上下旋翼的滚转力矩和俯仰力矩以及偏航控制的力矩平衡等6个目标力和力矩作为配平条件。通过与CFD求解器松散耦合的配平分析，调节上、下旋翼的叶片俯仰角以满足目标配平条件。在悬停和前飞试验和数值模拟的基础上，利用升力偏置条件对配平分析方法进行了验证，并对气动性能的预测精度进行了验证。结果表明，预测的悬停性能的扭矩平衡的同轴转子是在良好的协议与实验数据。还验证了在前飞中的升力偏移条件模拟使用所建立的配平分析。此外，合理的协议与其他计算结果表明。
2022-08-18 physics.flu-dyn
AhmedML: High-Fidelity Computational Fluid Dynamics Dataset for Incompressible, Low-Speed Bluff Body Aerodynamics
Amazon Web Services（亚马逊云科技）；AWS AI Labs（AWS AI实验室）
本文提出AhmedML数据集，包含500种Ahmed Car Body几何变体的高保真CFD模拟结果，采用OpenFOAM和RANS-LES混合湍流建模，为机器学习驱动的流体力学研究提供首个可免费下载的开源大规模数据集。
2024-07-30 cs.CE cs.LG physics.flu-dyn
Multi-Fidelity modeling of Probabilistic Aerodynamic Databases for Use in Aerospace Engineering
工程模拟中的不确定性的显式量化正越来越多地用于为稳健和可靠的设计实践提供信息。在航空航天工业中，用于设计优化目的的计算可行性分析通常由于所采用的数学模型的缺陷而引入显著的不确定性。在本文中，我们讨论了两个最近的改进，从多个来源的不确定性的量化和组合，可以帮助生成概率空气动力学数据库，用于航空航天工程问题。我们首先讨论的特征空间摄动方法来估计模型形式的不确定性产生的不足之处，在湍流模型中使用的雷诺平均Navier-Stokes计算流体动力学（RANS CFD）模拟。然后，我们提出了一个多保真度高斯过程框架，可以将噪声观测生成集成的代理模型，提供均值和方差信息的兴趣（QoIs）。过程噪声在空间上跨域和跨保真度水平变化。这两种方法都通过应用于全构型飞机的例子--跨音速条件下的NASA通用研究模型（CRM）得到了证明。首先，模型形式的不确定性与RANS CFD模拟估计。然后，来自不同来源的数据被用来产生多保真度的概率空气动力数据库的NASA CRM。我们讨论了变革性的影响，负担得起的和早期治疗的不确定性，可以在传统的航空航天工程实践。的结果，并进行比较，从一个单一的数据源上进行高斯过程回归。
2019-11-12 physics.flu-dyn stat.AP
An improved numerical simulation methodology for nanoparticle injection through aerodynamic lens systems
针对单粒子衍射成像中气溶胶注入器优化需求，提出一种结合DSMC/CFD的混合模拟框架，用于快速探索参数空间并模拟载气与粒子轨迹，经实验数据验证，可提升注入器设计效率。
2025-01-24 physics.flu-dyn
Reliable and efficient steady CFD from surrogate predictions through Newton-Krylov correction
School of Aerospace Engineering, Tsinghua University（清华大学航天航空学院）；State Key Laboratory of Advanced Space Propulsion, Tsinghua University（清华大学先进空间推进全国重点实验室）
本研究提出求解器耦合的替代模型-牛顿框架，结合替代模型快速预测与牛顿-克里洛夫迭代高精度收敛，在OOD基准及实际翼型优化中提升稳态CFD的可靠性与效率，实现15.5倍生成级加速并可扩展至三维。
2026-08-06 physics.flu-dyn
Data-Driven Modeling for Transonic Aeroelastic Analysis
本文提出一种基于DMDc从高保真CFD仿真中提取表面压力分布代理模型的数据驱动框架，用于跨声速气动弹性分析，并在BSCW基准上验证，软件开源并集成至SU2。
2023-04-14 physics.flu-dyn
Physics-Informed Latent Neural Operator for Three-Dimensional Compressor Cascade Flow Prediction
School of Engineering, University of Liverpool（利物浦大学工程学院）
提出物理信息潜变量神经算子框架，结合Transolver编码器与PINNs解码器，实现三维压气机叶栅流场的高精度重建与预测，并保持对未知工况的泛化能力。
2026-09-22 physics.flu-dyn
On Elliptical Wings in Subsonic Flow: Indicial Lift Generation via CFD Simulations -- with Parametric Analytical Approximations
本文研究了基于欧拉方程的计算流体动力学支持下生成气动指标导纳函数的过程和优点。一个简单的参数解析近似的基础上，线性升力线和活塞理论，为了评估的物理一致性的数值解，同时调查在亚音速区的理论模型的适用性。因此考虑薄椭圆机翼，设计空间用三个参数描述：机翼展弦比（6、8、12、20），自由流马赫数（0.3、0.5、0.6）和气流扰动类型（迎角阶跃，垂直尖缘阵风）。所有的数值模拟都表现出良好的质量和弱敏感性的参数以外的马赫数和流动的纵横比，占其综合影响。最后，通过匹配机翼升力发展的初始和最终特性，以及在低保真模型中有效地综合高保真特性，证明了利用数值结果来调整解析近似和提高其精度的好处。
2020-01-18 physics.flu-dyn
On the Applicability of the Gas-Kinetic Scheme with Kinetic Boundary Conditions for Near-Continuum Hypersonic Flows
Hong Kong University of Science and Technology（香港科技大学）；HKUST Shenzhen Research Institute（香港科技大学深圳研究院）
本文研究气体动理学格式（GKS）结合动理学边界条件在近连续高超音速流动中的适用性，通过比较表面量和分布函数，验证其在滑移和过渡流区域的准确性和计算效率。
2026-05-22 physics.flu-dyn
Applying Bayesian Optimization with Gaussian Process Regression to Computational Fluid Dynamics Problems
将基于高斯过程回归（GPR）的贝叶斯优化（BO）应用于具有实际意义的不同CFD（计算流体动力学）问题。这些问题是：i）在盖驱动的空腔中的形状优化，以最小化或最大化能量耗散，ii）通道流的壁的形状优化，以获得沿着在另一壁上形成的湍流边界层的边缘的期望的压力梯度分布，以及最后，iii）扰流器-冰模型的控制参数的优化，以获得具有实际表面冰的翼型的空气动力特性。优化问题的多样性、优化方法与任何伴随信息的独立性、在优化循环中采用不同的CFD求解器的容易性，以及更重要的是，所需的流动模拟的相对较少的数量揭示了BO-GPR方法在CFD应用中的灵活性、效率和通用性。它表明，以确保找到的尺寸高达8的设计参数的全局最优值，少于90个执行的CFD求解器是必要的。此外，据观察，流量模拟的数量并没有显着增加的设计参数的数量。这些模拟的相关计算成本对于许多具有实际意义的优化案例来说是可以负担得起的。
2021-11-12 physics.flu-dyn
Unsteady airfoil aerodynamics in attached flow: From unsteady thin airfoil theory to wind turbine application
Technical University of Denmark（丹麦技术大学）
该研究针对风力机附着流非定常空气动力学，将其转化为BEM、LL、AL方法的气动力系数，经案例验证可提升计算精度，明确了关键建模选择与误差来源。
2026-08-31 physics.flu-dyn
Model-Based Reinforcement Learning for Control of Strongly-Disturbed Unsteady Aerodynamic Flows
Department of Mechanical and Aerospace Engineering（机械与航空航天工程系）；Graduate Aerospace Laboratories（航空航天研究生实验室）
针对强扰动非定常气动流动控制中无模型RL交互成本高的问题，提出以物理增强自编码器和潜动力学模型构建降阶替代环境的MBRL方法，并在俯仰翼型阵风控制中验证其可迁移至完整CFD环境。
2025-02-27 cs.LG physics.flu-dyn
C(NN)FD -- Deep Learning Modelling of Multi-Stage Axial Compressors Aerodynamics
Siemens Energy Industrial Turbomachinery Ltd（西门子能源工业透平机械有限公司）；Lincoln AI Lab, University of Lincoln（林肯大学林肯人工智能实验室）
本文提出C(NN)FD深度学习框架，结合物理降维、物理损失和迭代架构，实现多级轴流压气机流场与气动性能的可泛化、可解释预测。
2025-03-18 cs.LG physics.flu-dyn
Fast simulation of airfoil flow field via deep neural network
本文提出在 UNet 下采样阶段融合通道与空间注意力的深度学习框架，用于快速重构翼型流场，并结合 NS 求解器验证可信度，实现较 CFD 快三个数量级的预测及三倍求解加速。
2023-12-07 physics.flu-dyn
Geometry-Aware Anisotropic Boundary Correction for Aerodynamic Simulation
School of Informatics, Xiamen University（厦门大学信息学院）；Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院）
针对神经算子忽视边界各向异性物理行为的问题，提出几何条件各向异性边界修正框架GeoABC，利用边界几何引入方向感知修正，在2D翼型和3D汽车任务中平均降低近边界相对L2误差约38%。
2026-06-08 cs.AI physics.flu-dyn
Numerical Simulation and Aerodynamic Optimization of Two-Stage Axial High-Pressure Turbine Blades
本研究以两级轴流式高压涡轮叶片的安装角、进出口角为设计变量，结合CFD、DOE和遗传算法进行气动优化，使扭矩、功率和多变效率分别提升8.4%、0.69%和1.2%，验证了方法的有效性。
2024-01-04 physics.flu-dyn
A Coupled CFD Framework for Combustor Turbine Interaction in a Research Aeroengine
Ruhr University Bochum（鲁尔大学波鸿分校）；Lund University（隆德大学）
本文提出了一种用于研究航空发动机燃烧室与涡轮交互的耦合CFD框架，通过热化学一致性的化学处理策略，评估可持续航空燃料和氢气对推进系统的影响。
2025-12-06 physics.flu-dyn
Large-Scale Horizontal Axis Wind Turbine Aerodynamic Efficiency Optimization using Active Flow Control and Synthetic Jets
本研究通过CFD分析DTU-10MW叶片翼型的边界层分离特性，并采用遗传算法优化主动流动控制（AFC）与合成射流参数实现边界层重新附着，使各翼型获得23至36KW的净功率增益，验证了该技术提升大型风力涡轮机性能的有效性。
2024-07-30 physics.flu-dyn
Analysis of Flow Field and Pneumatic Noise of The Flow around Series Cylinder
本研究采用CFD结合声学类比和涡动力学理论，分析由飞机起落架简化的串联圆柱，发现椭圆形圆柱设计能显著降低平均阻力系数、抑制升力系数波动并收缩尾流涡结构，从而有效降低气动噪声。
2023-10-20 physics.flu-dyn
Accelerating Bayesian inverse design in computational fluid dynamics using neural operators
Department of Mechanical and Aerospace Engineering, University of Tennessee, Knoxville（机械与航空航天工程系，田纳西大学，诺克斯维尔）
本文提出将神经算子代理模型嵌入MCMC采样循环，在保持后验结构的同时实现超过三个数量级的加速，用于计算流体力学中的贝叶斯逆向设计。
2026-05-25 cs.LG physics.flu-dyn
Towards scalable surrogate models based on Neural Fields for large scale aerodynamic simulations
ISAE-SUPAERO；AIRBUS；ICA, Université de Toulouse, France（ICA，法国图卢兹大学）
本文提出基于神经场的气动代理建模框架MARIO，利用形状编码与离散不变性实现低分辨率训练、全分辨率高精度推理，在二维翼型和三维全机数据集上验证了其精度与可扩展性，性能优于现有方法。
2025-05-14 cs.LG physics.flu-dyn
Fusion of Simulation and Experiment Data for Hypersonic Flow Field Prediction via Pre-Training and Fine-Tuning
The Hong Kong Polytechnic University（香港理工大学）；Zhengzhou University of Aeronautics（郑州航空工业管理学院）
本研究通过预训练和微调融合仿真与实验数据，提高高超声流场预测精度，验证了该方法在实际应用中的有效性。
2025-11-25 physics.flu-dyn
A panoramic aerodynamic performance prediction method for turbomachinery cascades using transformer-enhanced neural operator
ENN Science and Technology Development China Co., Ltd.（新奥科技发展有限公司）；Hebei Key Laboratory of Compact Fusion（河北省紧凑型聚变重点实验室）
本文提出一种基于Transformer增强神经算子（TNO）的全景性能预测框架，先预测NS方程基本参数再推得叶轮机械性能，精度优于FNO和DeepONet，计算成本降低四个数量级。
2026-09-16 cs.LG physics.comp-ph physics.flu-dyn
CFD simulation of the wind field over a terrain with sand fences: Critical spacing for the protected soil area
在受沙侵和荒漠化影响的地区，通常建立沙栅以降低风速，防止风沙侵蚀，并诱导沙沉积和沙丘形成。然而，由于现场实验受天气条件的影响，仅通过现场实验寻找最有效的围栏阵列构成了一项具有挑战性的任务。在这里，我们应用计算流体动力学模拟调查的三维结构的湍流风场在一个阵列的栅栏的不同大小，孔隙度和间距。我们的目标是在没有跃移或悬浮运输的情况下对这种结构进行定量分析，作为发展连续模拟风成土中存在围栏的第一步。我们发现，该地区的土壤保护直接气动夹带有两个制度，取决于间距$L_x$之间的围栏。当$L_x$小于临界值$L_{xc}$时，与每个围栏相关联的尾流区是相互连接的（状态A），而当$L_x$超过该间隔临界值时，这些尾流区看起来彼此分离（状态B）。该系统在$L_x = L_{xc}$处经历二阶相变，保护区的侧风宽度在状态A中与$\left[{1-{L}_x}/{L}_{xc}\right]^β$缩放，与$β\approx 0.32$缩放。我们的研究结果有意义的风沙运输中存在的沙栅栏，以及制定优化策略的措施，以保护土壤免受风蚀。
2019-04-01 physics.flu-dyn
Accelerating Transient CFD through Machine Learning-Based Flow Initialization
NVIDIA Corporation（英伟达公司）
针对瞬态CFD仿真计算成本高的问题，提出基于机器学习的流场初始化方法，结合势流或均匀流的两种策略可将收敛时间缩短50%，且易集成到现有工作流，具备工业场景泛化能力。
2025-06-12 cs.LG physics.flu-dyn
A Mixture of Experts Gating Network for Enhanced Surrogate Modeling in External Aerodynamics
NVIDIA
针对汽车气动 CFD 代理模型架构多样且无一通用最优的问题，提出门控 MoE 元学习框架，融合 DoMINO、X-MeshGraphNet 与 FigConvNet，并在 DrivAerML 上降低 L-2 误差。
2025-08-28 cs.AI cs.LG cs.NA
Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network
Institute of Space Technology（空间技术研究所）
在任何飞行器设计的初始阶段，确定正确的翼型是至关重要的一步，因为它的形状直接影响飞机或旋翼机的整体空气动力学特性。除了作为性能的量度外，气动力系数还用于设计附加的子系统，如飞行控制系统，或预测复杂的动态现象，如气动弹性不稳定性。所讨论的系数可以通过风洞试验获得，或者根据精度要求，通过数值模拟流体动力学的基本方程获得。本文研究了应用人工神经网络（ANN）在不同迎角、马赫数和雷诺数下估算不同翼型几何形状的气动力系数的可行性。人工神经网络是具有学习高度非线性空间和时间模式的能力的计算实体。因此，它们越来越多地被用来近似复杂的现实世界现象。然而，尽管在过去的几年中取得了重大突破，人工神经网络在计算流体动力学（CFD）领域的传播是相当新的，并且该领域内的许多应用仍然未被探索。因此，本研究比较了不同的网络架构和训练数据集，试图深入了解网络如何感知给定的翼型几何形状，同时产生一个可接受的神经元模型，用于更快，更容易地预测稳定状态下的升力，阻力和力矩系数，不可压缩流态。这种数据驱动的方法产生了足够准确的结果，并节省了高昂的计算和实验成本。
2021-09-24 cs.AI physics.flu-dyn
Data-Driven CFD Modeling of Turbulent Flows Through Complex Structures
近几十年来，计算资源的增长使计算流体动力学（CFD）的应用从传统的空气动力学和流体动力学领域扩展到许多新的领域。示例范围从核反应堆容器和数据中心中的热和流体流动到通过风力涡轮机农场和沿海植被植物的湍流。然而，在这些新的应用中，通常存在复杂的结构（例如，反应堆容器中的棒束和风力发电场中的涡轮机），这使得完全解析的基于第一原理的CFD建模过于昂贵。这一障碍严重损害了CFD模型在这些应用中的预测能力。另一方面，在上述应用中的系统中通常可获得有限量的测量数据。在这项工作中，我们提出了一个数据驱动的，基于物理的方法来执行全场反演的复杂结构的流动的影响。这是通过同化观测数据和数值模式预报的迭代EnergyKalman方法来实现的。根据反演结果，可以得到流场的速度和湍流度。目前的贡献的一个主要的新颖性是非参数，全场反演方法，这是在以往的作品中经常实行的特设模型中的系数的推断相反。所提出的方法的优点是证明了多孔盘的流动通过使用合成数据和真实的实验测量。空间变化的阻力的多孔盘上的流动推断。所提出的方法具有潜在的用于在上述应用中的复杂系统的监测。
2016-03-29 physics.comp-ph physics.flu-dyn
DrivAerNet++: A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks
Massachusetts Institute of Technology（麻省理工学院）；BETA CAE SYSTEMS USA, Inc（BETA CAE系统美国公司）；Technical University of Munich（慕尼黑工业大学）
提出DrivAerNet++大规模多模态汽车数据集，含8000种经高保真CFD模拟的汽车设计，支持多种机器学习应用，填补资源空白并提供基准测试，加速汽车设计与相关工程创新。
2025-02-13 cs.AI cs.CE cs.LG
Neural Field Ensembles for Aerodynamic Surface Prediction: Winning Solution to the ONERA CRM Wall Distribution 2025 Challenge
Cenaero
本工作提出一种基于条件神经场集成的方法，通过傅里叶特征编码、相对平方误差目标和k折交叉验证，在有限数据下预测复杂飞机配置的气动壁面分布，以8.81分赢得ONERA CRM挑战赛，优于基线且参数少三个数量级。
2026-09-16 cs.LG physics.flu-dyn
Wind Tunnel Testing and Modeling Implications of an Advanced Turbine Cascade
本文针对低亚声速等截面涡轮叶片开展大规模风洞试验，测定多参数下的气动性能，结合三维测量补充结果，验证了设计目标，并评估了CFX和MISES两种CFD工具的预测能力，讨论了测量与预测的差异。
2024-07-15 physics.flu-dyn
DrivAerNet: A Parametric Car Dataset for Data-Driven Aerodynamic Design and Prediction
Massachusetts Institute of Technology（麻省理工学院）；Technical University of Munich（慕尼黑技术大学）；Department of Mechanical Engineering（机械工程系）；Department of Computer Science（计算机科学系）
本文提出大规模高保真汽车CFD数据集DrivAerNet和动态图卷积网络RegDGCNN，实现从3D网格秒级高精度预测阻力，加速数据驱动的汽车空气动力学设计。
2025-02-12 cs.CE cs.LG physics.flu-dyn
A fast Physics-Informed Neural Networks based approach to the 2D design of turbine blades
Ruhr University Bochum（鲁尔大学波鸿）
提出渐进式欧拉PINN框架，通过逐步放松边界条件和几何感知动态损失加权，实现涡轮叶片族在多种工况下的快速气动筛选，精度与CFD相当且计算成本显著降低。
2026-05-22 physics.flu-dyn
Computational Investigation of Roughness Effects on Boundary Layer Transition for Stetson's Blunt Cone at Mach 6
本研究通过马赫6下二维CFD与热传导单向耦合模拟，结合Stetson实验层流关联式，探究离散粗糙度对钝锥边界层转捩起始的影响，强调非平衡效应对提升高速气动预测精度的重要性。
2025-01-19 physics.flu-dyn
DeepCFD: Efficient Steady-State Laminar Flow Approximation with Deep Convolutional Neural Networks
German Aerospace Center (DLR)（德国航空航天中心(DLR)）；German Research Center for AI (DFKI)（德国人工智能研究中心(DFKI)）；NUST School of Electrical Engineering and Computer Science（巴基斯坦国立科技大学）
计算流体动力学（CFD）模拟的数值解的纳维-斯托克斯方程是一个重要的工具，在广泛的应用范围从工程设计到气候建模。然而，计算流体动力学代码所需的计算成本和内存需求可能会变得非常高的实际利益的流动，如在气动外形优化。该费用与流体流动控制方程的复杂性相关联，流体流动控制方程包括难以求解的非线性偏导数项，导致计算时间长并且限制了在迭代设计过程期间可以测试的假设的数量。因此，我们建议DeepCFD：基于卷积神经网络（CNN）的模型，其有效地近似非均匀稳定层流问题的解。所提出的模型是能够学习完整的解决方案的纳维-斯托克斯方程，速度和压力场，直接从地面实况数据产生的使用国家的最先进的CFD代码。使用DeepCFD，我们发现与标准CFD方法相比，速度提高了3个数量级，但错误率很低。
2021-11-26 cs.LG physics.comp-ph physics.flu-dyn
AeroDiT: Diffusion Transformers for Reynolds-Averaged Navier-Stokes Simulations of Airfoil Flows
Imperial College London（帝国理工学院）；School of Engineering, Westlake University（西湖大学工学院）；Institute of Advanced Technology, Westlake Institute for Advanced Study（西湖高等研究院先进技术研究所）
针对传统CFD方法难兼顾效率与精度的问题，提出融合扩散模型与Transformer、加入物理信息损失的代理模型AeroDiT，可快速高精度预测翼型RANS流场。
2025-10-22 physics.comp-ph physics.flu-dyn
Design, Testing and Numerical Modelling of a Low-Speed Wind Tunnel Gust Generator
National Technical University of Athens（雅典国家技术大学）
本文提出了一种低速风洞湍流发生器，通过实验和数值模拟验证了其在生成确定性湍流剖面方面的有效性，并揭示了非线性相互作用对流动特性的影响。
2025-12-23 physics.flu-dyn
