幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據驅動流體力學基礎與實踐(教育部高等學校航空航天類專業教學指導委員會推薦教材)

  • 作者：編者:陳剛//袁先旭//朱林陽//張虎|責編:徐楊峰//郁威克
  • 出版社：科學
  • ISBN：9787030823922
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：250
人民幣：RMB 90 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞高端裝備設計與製造中面臨的基礎流體力學問題，應用人工智慧和大數據時代的數據驅動研究新範式，從人工智慧技術與流體力學深度交叉融合視角出發，介紹數據驅動流體力學的基本原理、基礎方法和典型案例。本書第一部分（第1?4章）介紹數據驅動流體力學研究必備的機器學習演算法、Python編程基礎、數據構造等底層基礎技術；第二部分（第5?9章）介紹面向複雜流動應用場景的數據驅動建模技術；第三部分（第10和11章）介紹流體力學領域偏微分方程神經網路智能求解及深度強化學習優化技術。
    本書可作為航空航天、力學等專業高年級本科生和研究生的教學參考書，也可供航天、航空、航海、機械、能源、化工、土木、交通、半導體製造、生命健康等領域涉及流體力學相關知識的工程師參考。
作者介紹
編者:陳剛//袁先旭//朱林陽//張虎|責編:徐楊峰//郁威克
目錄
叢書序
前言
第1章  緒論
  1.1  引言
    1.1.1  科學研究範式的演進
    1.1.2  深度學習與科學發現
    1.1.3  數據驅動流體力學的提出
  1.2  研究現狀
  1.3  小結
  參考文獻
第2章  Python編程基礎
  2.1  Python語言
    2.1.1  安裝與設置
    2.1.2  編寫規範
    2.1.3  常用語句
    2.1.4  數據結構和操作
    2.1.5  文件處理
    2.1.6  面向對象編程
  2.2  典型人工智慧框架
    2.2.1  TensorFlow
    2.2.2  PyTorch
    2.2.3  MindSpore
  2.3  小結
  參考文獻
第3章  神經網路演算法基礎
  3.1  神經網路演算法概述
  3.2  神經網路演算法
    3.2.1  前饋神經網路
    3.2.2  反向傳播演算法
    3.2.3  網路優化演算法
  3.3  深度神經網路模型
    3.3.1  全連接深度神經網路
    3.3.2  卷積深度神經網路
    3.3.3  生成對抗網路
    3.3.4  長短期記憶網路
    3.3.5  Transformer網路
    3.3.6  圖神經網路
  3.4  小結
  參考文獻
第4章  流體數據集生成
  4.1  流體樣本生成
    4.1.1  試驗設計方法
    4.1.2  數據生成方法
  4.2  神經網路數據集構造方法
    4.2.1  無量綱化與歸一化
    4.2.2  流場數據格式轉換
  4.3  公開數據集介紹
    4.3.1  定常數據集
    4.3.2  非定常數據集
    4.3.3  流固耦合數據集

    4.3.4  典型流動與湍流數據集
  4.4  小結
  參考文獻
第5章  氣動特性數據驅動建模
  5.1  定常氣動力預示建模
    5.1.1  樣本庫構造
    5.1.2  模型架構
    5.1.3  模型訓練與分析
  5.2  非定常氣動力預示建模
    5.2.1  樣本庫構造
    5.2.2  模型架構
    5.2.3  模型訓練與分析
  5.3  多精度數據融合預示模型
    5.3.1  樣本庫構造
    5.3.2  模型架構設計
    5.3.3  模型訓練與分析
  5.4  基於D-最優試驗設計的數據融合建模方法
    5.4.1  樣本庫構造
    5.4.2  模型架構
    5.4.3  模型訓練與分析
  5.5  小結
  參考文獻
第6章  定常流動深度學習建模
  6.1  變工況翼型繞流流場預示模型
    6.1.1  樣本庫構造
    6.1.2  模型架構
    6.1.3  模型訓練與分析
  6.2  基於遷移學習的流場融合預示模型
    6.2.1  樣本庫構造
    6.2.2  模型架構
    6.2.3  模型訓練與分析
  6.3  變幾何翼型繞流流場預示模型
    6.3.1  樣本庫構造
    6.3.2  模型架構
    6.3.3  模型訓練與分析
  6.4  基於深度投影的形狀感知氣動熱預示模型
    6.4.1  樣本庫構造
    6.4.2  模型架構
    6.4.3  模型訓練與分析
  6.5  基於三維點雲的端到端氣動熱預示模型
    6.5.1  樣本庫構造
    6.5.2  模型架構
    6.5.3  模型訓練與分析
  6.6  小結
  參考文獻
第7章  非定常流動深度學習建模
  7.1  二維圓柱繞流深度學習模型
    7.1.1  樣本庫構造
    7.1.2  模型架構
    7.1.3  模型訓練與分析

  7.2  跨聲速抖振深度學習模型
    7.2.1  樣本庫構造
    7.2.2  模型架構
    7.2.3  模型訓練與分析
  7.3  基於POD降階的LSTM深度學習模型
    7.3.1  POD降階方法
    7.3.2  樣本庫構造
    7.3.3  模型架構
    7.3.4  模型訓練與分析
  7.4  面向高雷諾數湍流預測的深度學習模型
    7.4.1  樣本庫構造
    7.4.2  模型架構
    7.4.3  模型訓練與分析
  7.5  基於實驗數據的流場時空重構方法
    7.5.1  樣本庫構造
    7.5.2  模型架構
    7.5.3  模型訓練與分析
  7.6  三維圓球非定常流動深度學習模型
    7.6.1  網格變換拼接技術
    7.6.2  樣本庫構造
    7.6.3  模型架構
    7.6.4  模型訓練與分析
  7.7  小結
  參考文獻
第8章  流固耦合系統數據驅動建模
  8.1  含運動邊界的圓柱繞流深度學習模型
    8.1.1  樣本庫構造
    8.1.2  模型架構
    8.1.3  模型訓練與分析
  8.2  圓柱渦激振動流固耦合深度學習模型
    8.2.1  樣本庫構造
    8.2.2  模型架構
    8.2.3  模型訓練與分析
  8.3  翼型流固耦合深度學習模型
    8.3.1  樣本庫構造
    8.3.2  模型架構
    8.3.3  模型訓練與分析
  8.4  基於圖神經網路的降落傘充氣過程深度學習模型
    8.4.1  樣本庫構造
    8.4.2  模型架構
    8.4.3  模型訓練與分析
  8.5  小結
  參考文獻
第9章  湍流神經網路模型
  9.1  湍流神經網路建模概述
    9.1.1  數據集構造
    9.1.2  與RANS求解器結合方法
  9.2  張量基神經網路雷諾應力模型
    9.2.1  雷諾應力模型
    9.2.2  神經網路建模方法

    9.2.3  模型改進與發展
  9.3  可壓縮湍流神經網路模型
    9.3.1  可壓縮湍流建模概述
    9.3.2  可壓縮湍流模型
    9.3.3  模型效果
  9.4  小結
  參考文獻
第10章  面向偏微分方程求解的神經網路模型
  10.1  神經網路求解偏微分方程概述
  10.2  物理信息嵌入的神經網路求解模型
    10.2.1  PINNs的基本思想
    10.2.2  PDEs的數據驅動求解
    10.2.3  PDEs的參數辨識
    10.2.4  PINNs的局限性
  10.3  基於深度運算元神經網路的偏微分方程求解
    10.3.1  DeepONet與FNO
    10.3.2  基於FNO的二維N-S方程求解
  10.4  偏微分方程智能求解的新進展
    10.4.1  PINNs的衍生新框架
    10.4.2  PINNs對於特定流動情況的求解及策略創新
    10.4.3  基於深度運算元神經網路方法
  10.5  小結
  參考文獻
第11章  基於深度強化學習的氣動優化、控制與決策模型
  11.1  深度強化學習演算法理論
    11.1.1  強化學習基本理論
    11.1.2  深度強化學習演算法
  11.2  基於深度強化學習的氣動外形優化設計
    11.2.1  優化設計算例
    11.2.2  優化設計模型
    11.2.3  優化策略學習與應用
  11.3  基於深度強化學習的流動控制
    11.3.1  流動控制算例
    11.3.2  流動控制模型
    11.3.3  主動流動控制策略學習與應用
  11.4  基於強化學習的飛行器變形決策模型
    11.4.1  變形決策算例介紹
    11.4.2  決策任務模型
    11.4.3  決策任務策略訓練與應用
  11.5  小結
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032