Erlernen des dreidimensionalen Flusses für interaktive aerodynamische Gestaltung

Wir stellen eine datengestützte Technik vor, um sofort vorherzusagen, wie Fluid um verschiedene dreidimensionale Objekte fließt. Eine solche Simulation ist nützlich für die computergestützte Fertigung und Ingenieurwissenschaft, ist jedoch normalerweise rechenintensiv, da sie die Lösung der Navier-Stokes-Gleichung über viele Zeitschritte erfordert. Um den Prozess zu beschleunigen, schlagen wir ein Framework für maschinelles Lernen vor, das aerodynamische Kräfte sowie Geschwindigkeits- und Druckfelder basierend auf einer Eingabe in Form einer dreidimensionalen Gestalt vorhersagt. Der Umgang mit detaillierten freiformen dreidimensionalen Formen in einem datengestützten Framework ist herausfordernd, da maschinelles Lernen normalerweise eine konsistente Parametrisierung von Eingabe und Ausgabe erfordert. Wir präsentieren eine neuartige Parametrisierung basierend auf PolyCube-Karten, die für dreidimensionale Formen in interaktiven Raten berechnet werden kann. Dies ermöglicht es uns, die nichtlineare Reaktion des Flusses effizient mithilfe einer Gauß-Prozess-Regressionsanalyse zu lernen. Wir demonstrieren die Wirksamkeit unseres Ansatzes für das interaktive Design und die Optimierung einer Karosserie.