跳到主要内容
返回时间线
arXiv来源发表:

翼型流场代理模型在优化轨迹上失准:多步残差修正把CL误差降59%,每样本多花0.25秒

核心概要

气动代理模型在训练分布内高效,但遇到分布外几何时误差会急剧上升。一种残差引导的顺序推理框架先用Flow Initializer给出初始近壁面流场,再交替调用面向高残差区域和激波区域的修正器,只重建被遮住的局部。在以CFD气动优化轨迹构建的分布外测试集上,相对单步Geo-to-Flow预测,L1误差、CL误差和CD误差分别降低30%、59%和41%,每样本额外推理耗时约0.25秒。

Source-provided article image: Residual-Guided Multi-Step Conditional Generation for Fast Airfoil Flow Field Prediction
arXiv

深度剖析

翼型近壁面流场预测在分布外几何上不再只靠一次端到端映射,而是把初始预测当作可被局部改写和回退的起点。 此前的单步Geo-to-Flow预测在训练分布内准确,但面对优化轨迹上未受几何约束的翼型时,初始流场常不可靠,激波等结构明显偏离真值。 在基于RAE2822气动优化轨迹构建的分布外测试集上,单步初始流场的L1误差为6.71e-03、CL MAE为6.87e-02、CD MAE为2.85e-03,多步迭代后分别为4.69e-03、2.80e-02和1.68e-03,对应降低30%、59%和41%。

修正过程只重写流场中不可信的部分,其余区域作为可见条件保留。 三个组件共用同一个近壁面Conditional Transformer骨干,差别只在训练输入输出和掩码策略,而不是三套不同网络。 推理时先评估近壁面残差场,取残差最高的50%单元作为遮罩区交给Residual-based Corrector重建;随后取压力跃升最高的8%区域并向两侧各扩8个单元,由Shock-based Corrector以非激波区为条件重建。

迭代由一组停止规则控制:残差上升时回滚并终止,流场不再变化时视为不动点而终止,另设最大迭代次数防止无限递归。 每完成一轮交替修正就评估停止条件,若残差上升则拒绝本次更新并回滚到上一轮残差最低的结果,而不是固定跑满步数。 分布外测试集上平均迭代3.47次、中位数3次,单样本推理从单步的0.061秒增至0.309秒,平均每样本多约0.25秒,均在RTX4060上以批大小1测得。

启示与展望

结果建立在二维翼型近壁面流场之上,网格为296个弦向单元、两个法向单元层,测试集由以RAE2822为起点、用CFD求解的气动优化轨迹上的候选翼型构成。训练数据为45000个超临界翼型样本及其CFL3D高保真流场,插值到统一代数网格后供代理模型直接运行。作者提出后续将框架从二维翼型流推广到三维气动问题。

少数极难的分布外样本在迭代后仍残留激波结构误差,只是流场明显优于初始预测。各修正器的验证集误差是在分布内验证集上得到的,与其推理时的输入场景并不完全一致。作者预计把迭代框架改为多批并行后还能进一步降低计算成本。