关键词：风阻系数;深度学习;稀疏八叉树;卷积神经网络;汽车
摘 要：针对汽车风阻系数预测研究中参数化方法难以准确表征汽车外造型的难题，提出融合稀疏八叉树与卷积神经网络的汽车风阻系数预测方法。将汽车外造型按照八叉树结构离散，使用平均法向量对离散的复杂曲面进行简化，利用卷积神经网络对八叉树形式的汽车外造型进行特征提取，进而对汽车风阻系数进行快速预测。通过改变卷积层数与全连接层数，研究了不同卷积神经网络结构对风阻系数预测精度的影响。与参数化方法相比，本文提出的外造型表示方法能更好地描述模型细节，构建的卷积神经网络结构对风阻系数预测的最小相对误差为1.453%,且计算速度是CFD仿真的1620倍，具有较高的精度及计算效率。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取