elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Fast Predictions of Aircraft Aerodynamics using Deep Learning Techniques

Sabater Campomanes, Christian und Stürmer, Philipp und Bekemeyer, Philipp (2021) Fast Predictions of Aircraft Aerodynamics using Deep Learning Techniques. In: AIAA Aviation and Aeronautics Forum and Exposition, AIAA AVIATION Forum 2021. AIAA Aviation 2021 Forum, 2021-08-02 - 2021-08-06, Virtuell. doi: 10.2514/6.2021-2549. ISBN 978-162410610-1.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

The numerical analysis of aerodynamic components based on the Reynolds Average Navier Stokes equation has become critical for the design of transport aircraft but still entails large computational cost. Simulating a multitude of different flow conditions with high-fidelity methods as required for loads analysis or aerodynamic shape optimization is still prohibitive. Within the past few years the application of machine learning methods has being proposed as a potential way to overcome these shortcomings. This is leading towards a new data-driven paradigm for the modelling of physical problems. The objective of this paper is the development of a deep learning methodology for the prediction of aircraft surface pressure distributions and the rigorous comparison with existing state-of-the-art non-intrusive reduced order models. Three data driven-methods, Gaussian Processes, proper orthogonal decomposition combined with an interpolation technique and deep learning are proposed. Results are compared for a 2D airfoil case and the NASA Common Research Model transport aircraft as a relevant 3D case. Results show that all methods are able to properly predict the surface pressure distribution at subsonic conditions. In transonic flow, when shock waves and separation lead to non-linearities, deep learning methods outperform the others by also capturing the shock wave location and strength accurately

elib-URL des Eintrags:https://elib.dlr.de/144589/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Fast Predictions of Aircraft Aerodynamics using Deep Learning Techniques
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Sabater Campomanes, ChristianChristian.SabaterCampomanes (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Stürmer, PhilippNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bekemeyer, PhilippPhilipp.Bekemeyer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:August 2021
Erschienen in:AIAA Aviation and Aeronautics Forum and Exposition, AIAA AVIATION Forum 2021
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.2514/6.2021-2549
ISBN:978-162410610-1
Status:veröffentlicht
Stichwörter:Deep Neural-Networks, Reduced Order Modeling, Computational Fluid Dynamics, Large-Scale Aircraft
Veranstaltungstitel:AIAA Aviation 2021 Forum
Veranstaltungsort:Virtuell
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:2 August 2021
Veranstaltungsende:6 August 2021
Veranstalter :American Institute of Aeronautics and Astronautics, Inc.
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Effizientes Luftfahrzeug
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L EV - Effizientes Luftfahrzeug
DLR - Teilgebiet (Projekt, Vorhaben):L - Digitale Technologien
Standort: Braunschweig
Institute & Einrichtungen:Institut für Aerodynamik und Strömungstechnik > CASE, BS
Hinterlegt von: Bekemeyer, Philipp
Hinterlegt am:19 Okt 2021 08:48
Letzte Änderung:24 Apr 2024 20:43

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.