Wagner function

残差学习改进非定常气动载荷预测

研究人员探索了使用残差学习与长短期记忆（LSTM）神经网络相结合的方法，以增强航空弹性应用中非定常气动载荷的预测能力。该研究使用了NLR 7301翼型基准，将学习计算流体动力学（CFD）升力数据与基于物理的瓦格纳函数模型之间差异的残差模型与直接神经网络模型进行了比较。在各种测试中，残差方法表现出更强的泛化能力和更低的误差率，表明其有潜力增强经典的空气动力学理论。