方向 1: メッシュ品質の評価
畳み込みニューラルネットワークに基づくメッシュ品質評価手法に関する研究（畳み込みニューラルネットワークに基づく新たなメッシュ品質評価手法の開発）
導入
メッシュの形状やセグメンテーション（手法）の違いにより評価基準が異なり、
三角形、四角形、四面体、六面体の要素ごとにさまざまな品質基準が導出されます。2 次元メッシュ
の場合、要素の形状測定のガイドとして、最小内角基準と最大および最小角度基準がよく使用されます。ただし、これら 2 つの基準は 3 次元メッシュには適用されません。
三次元メッシュの基準：
最小立体角 θmin
半径比 ρ
ガンマ係数 γ
四面体 T
など…
レビューセクションでは、グリッドごとに異なる評価基準を提案します。
全体として、既存の品質基準は、高品質のメッシュ生成または最適化(既存の問題を解決する) を保証しない可能性があります。これは、これらの規格の導出が特定の要素タイプまたは CFD モデルに固有であることが多く、規格が異なると同じメッシュでも異なる結果や反対の結果が生じる可能性があるためです。
（既存業務の意義・価値） したがって、現在の系統品質評価業務では、技術者が既存の品質基準とプロジェクト経験を活用して判断する必要がある。手動検査は CFD 前処理コストを大幅に増加させ、高品質メッシュの自動生成プロセスを妨げるため、全自動メッシュ品質評価ツールを使用するのが理想的です。これは、メッシュと関連パラメータを入力として受け取り、メッシュの品質を自動的に評価することとして定義されます。
以下にディープラーニングについていくつか紹介します...
貢献ポイント
- ディープラーニングベースのメッシュ品質評価タスクを容易にするデータセット NACAMarket。
- グリッド評価に対処するために、ニューラル ネットワーク トレーニングにおけるさまざまなグリッドに新しい 3 チャネル表現スキームを導入します。
- グリッド品質の自動評価: CNN に基づく GridNet
- GridNet が効果的であることを実験で証明
2. データセット
メッシュの品質に大きな影響を与える 3 つのプロパティ:
(1) 滑らかさ
(2) 直交性
(3) 間隔分布
データセットの説明: NACA Market の現在のバージョンには、10,240 個の NACA0012 グリッドが含まれています。すべてのメッシュは8 つの異なる品質タイプに属し、タイプごとに平均 1280 メッシュがあります。高精度のラベルを生成するために、まず手動の判別手法を使用して NACA Market のグリッドの品質を評価します。
データセットの利点を紹介します。
3. メッシュ品質評価タスク用の CNN モデル
問題定義: これは分類問題です (回帰問題ではありません)
3 チャネル特徴: 各グリッド要素について、長さ x、長さ y、および最大角度を選択して、画像の RGB 3 チャネル特徴と同様の 3 チャネル品質特徴を形成します。これらの各要素の品質特性は、メッシュの生成時に自動的に抽出されます。
次に、グリッドから入力行列を生成します。マトリックスの最初の行はグリッド内の最も外側のグリッド要素の質量特性に対応し、最後の行は境界層近くのグリッド要素に対応します (図 8 を参照)。各チャネルでは、マトリックスのエントリの数はグリッド要素の数と同じです。
その後、CNN ベースのモデルをメッシュ品質弁別器として使用して、メッシュの品質を評価します。3 チャネルのグリッド表現 (入力行列) がネットワーク モデルに供給されて、ソフト最大確率出力ベクトルが計算されます。
モデルの構造を以下に紹介します
実験
他のベースラインと比較した結果
