# Prediction-Of-Aerodynamic-Parameters-Airfoil

**Repository Path**: dingdangLy/Prediction-Of-Aerodynamic-Parameters-Airfoil

## Basic Information

- **Project Name**: Prediction-Of-Aerodynamic-Parameters-Airfoil
- **Description**: CNN用于机翼升阻比预测



该存储库包含用于实现基于卷积神经网络的翼型升阻比预测方法的数据、代码和结果。该网络模型可以将“翼型轮廓”纳入cnn模型，并预测其“动力学参数”，如升阻比。

##我们取得的成就（_W）：_

**数据预处理：**raw_Data_parsing。py提供了一种将不一致的原始坐标数据转换为维度统一矩阵的方法，这实际上催生了一种新的易于处理的UIUC数据集升级版本。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: https://gitee.com/dingdangLy/Prediction-Of-Aerodynamic-Parameters-Airfoil
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 2
- **Created**: 2022-10-10
- **Last Updated**: 2025-11-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于CNN的空气动力学参数预测方法

CNN 用于翼型升阻比预测

该存储库包含用于实现基于卷积神经网络的翼型升阻比预测方法的数据、代码和结果。网络模型可以纳入cnn模型 `the airfoil contour` 并预测其 `areodynamics parameters` 如升阻比。
## 成就：   
**数据预处理:** raw_data_parsing.py提供了一种将不一致的原始坐标数据转化为维度统一矩阵的方法，这实际上催生了一个新的易于处理的UIUC数据集升级版.

<center><img src="https://img-blog.csdnimg.cn/e98dc7e04d9c473da5775dc410831040.jpeg" width=30% height=30%></center>

**模型构建:** 此 CNN 模型运行速度比商业 CFD 软件快 5000 倍，误差相对较低（即在 200 epoch 训练后测试 MSE 0.36）
## 如何运行
请务必使用 numpy、scipy 和 matplotlib 包安装 Pytorch（推荐 GPU 版本）环境.
```python
python CNN.py
```

## 内容
**/data/raw_data/foil_figure.rar:**   
坐标 txt 文件生成的所有填充灰度翼型轮廓图的文件。/data/raw_data/csv.zip：Xflr5  计算的所有样本的升阻比文件 /data/parsed_data/1_300.mat  将上述原始数据解析成.mat文件用于加载/source/raw_data_parsing.py  此 .py 文件显示了从原始数据构建类似 NIST36 的组织数据集的步骤。  请解压缩原始数据并修改目录，然后运行它。您可以传递所有数据，这是一个 4.2 GB 的 1_1550.mat 文件。/source/CNN.py  运行此文件加载解析数据1_300.mat，训练并打印测试集结果 

 <img src="https://img-blog.csdnimg.cn/354e7c055a2f4e549bbc49883c34a101.png">

## 结果
 <p align="left">
 <img src="https://img-blog.csdnimg.cn/4ab5db94ef4045f9a0ed612e4c00f66f.png" width="50%" height="50%">
 <img src="https://img-blog.csdnimg.cn/5c27d89011f2468ea2c55b5e5e8c567e.png" width="50%" height="50%">
 </p>