Využití strojového učení pro simulace obtékání profilu

Abstract

Tato práce popisuje základní problematiku neuronových sítí. Dále jsou různé typy neuronových sítí aplikovány na problém obtékání profilu, konkrétně jde o predikci tlakového pole. Učící datová sada je vytvořena pomocí numerického řešiče OpenFoam. Na této sadě je natrénována hustá a konvoluční neuronová síť architektury Unet. Práce obsahuje použité algoritmy pro přípravu a zpracování dat a metodiku automatizace dílčích procesů. Dále demonstruje výhodnost použití architektury Unet pro daný problém na základě získaných podkladů. Obsaženo je také vyhodnocení přesnosti predikce modelů a porovnání výpočetního času.

Thesis describes basic problematic around neural networks. Different types of neural nets are applied on flow over profile problem, models are specifically used for pressure field prediction. Learning dataset is generated with OpenFoam numerical solver. On this dataset is trained models of dense and fully convolutional Unet neural networks. Thesis contains explanation of used algorithms for data processing, manipulation and process automation. Also advantage of using convolutional nets for given problem is demonstrated based on acquired results. Precission evaluation and computational time comparison is also included.