Název: Neural network prediction of the flow field in a periodic domain with hypernetwork parametrization
Autoři: Heidler, Václav
Pecka, Aleš
Bublík, Ondřej
Vimmr, Jan
Citace zdrojového dokumentu: HEIDLER, V. PECKA, A. BUBLÍK, O. VIMMR, J. NEURAL NETWORK PREDICTION OF THE FLOW FIELD IN A PERIODIC DOMAIN WITH HYPERNETWORK PARAMETRIZATION. In ECCOMAS conference proceeding. Barcelona: Scipedia S.L., 2022. s. 1-10. ISBN: neuvedeno , ISSN: 2696-6999
Datum vydání: 2022
Nakladatel: Scipedia S.L.
Typ dokumentu: konferenční příspěvek
ConferenceObject
URI: 2-s2.0-85146928981
http://hdl.handle.net/11025/52986
ISSN: 2696-6999
Klíčová slova v dalším jazyce: blade cascade;compressible fluid flow;convolution neural network;hypernetwork;Reynolds parametrization;U-Net
Abstrakt v dalším jazyce: This paper is concerned with fast flow field prediction in a blade cascade for variable blade shapes as well as variable Reynolds number using the machine-learning architecture called convolutional neural network. To generate flow field for a specific Reynolds number, an encoder-decoder convolutional neural network, also called U-Net, is used. The values 500, 1000 and 1500 of the Reynolds number are chosen as the training set. Three U-Nets were trained on CFD results for 100 blade profiles, each U-Net for a different Reynolds number. In order to get a prediction for variable Reynolds number, a so-called hypernetwork in employed. The hypernetwork essentially interpolates between the two trained U-Nets. The architecture of the hypernetwork is fully-connected feedforward neural network with one input neuron correspond-ing to the Reynolds number, one hidden layer and the output layer corresponds to the weights for the interpolated U-Net. The concept of the hypernetwork-based parametrization is tested on a problem of compressible fluid flow through a blade cascade with three unseen blade profiles and unseen Reynolds number.
Práva: © Scipedia S.L.
Vyskytuje se v kolekcích:Konferenční příspěvky / Conference papers (NTIS)
Konferenční příspěvky / Conference Papers (KME)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
Draft_Sanchez_Pinedo_7235092981732_paper.pdf1,55 MBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/52986

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD