基于无监督学习的飞行器表面网格平滑方法

作     者：王志超 陈新海 邓亮 刘杨 庞宇飞 刘杰 

作者机构：国防科技大学高端装备数字化软件湖南省重点实验室 国防科技大学并行与分布处理重点实验室 中国空气动力研究与发展中心 

出 版 物：《航空学报》 (Acta Aeronautica et Astronautica Sinica)

年 卷 期：2025年

核心收录：

学科分类：08[工学] 082501[工学-飞行器设计] 0825[工学-航空宇航科学与技术] 

基　　金：National Natural Science Foundation of China (12402349) Natural Science Foundation of Hunan Province (2024JJ6468) Youth Foundation of the National University of Defense Technology (ZK2023-11) National Key Research and Development Program of China(2021YFB0300101) 

主　　题：飞行器设计 网格平滑 局部曲面拟合 优化式平滑方法 无监督学习 

摘      要：在面向飞行器设计的数值模拟中，网格平滑方法是提升前处理流程中网格质量，减少模拟误差的重要手段。传统的优化式平滑方法受限于复杂的迭代求解过程，存在内存开销大、计算效率低等问题。为解决该问题，已有的智能化平滑方法采用神经网络拟合平滑过程，能够实现平滑效率和质量的平衡。然而，已有的方法在应用到三维表面网格时通常采用投影操作或有监督学习来保证网格点的贴体性，引入了额外的计算或数据生成开销。本研究基于无监督学习技术和局部曲面拟合，搭建了面向飞行器表面网格的智能化平滑代理模型GMSNet3D。模型设计了面向表面网格平滑的无监督损失函数，实现了无需高质量监督数据下的智能训练；模型还创新性地引入局部曲面坐标变换来保证平滑后网格点的贴体性。实验结果证明，GMSNet3D模型采用的局部曲面坐标变换方法相比于已有方法中的投影操作实现了13.82倍的加速比；同时，GMSNet3D模型在保证网格平滑质量的同时，与传统的优化式平滑方法相比实现了29.81倍的优化效率提升。