半监督气动预测网络

标注成本骤降七成

用少量标注数据联合大量无标注翼型数据，预测精度可比拟全监督方法。

Wang, Xiao · Dong, Yidao · 邹舒帆 · Zhang, Laiping · 邓小刚

Applied Soft Computing Journal 2024

参数信息

数据采集时间降低幅度

70 %

技术优势

标注成本降七成

仅需少量标注数据配合大量无标注数据即可训练，直接减少数据采集和标注的工作量。

精度不降反升

通过动态伪标签划分和更新，模型泛化能力提升，在翼型回归任务上与全监督方法相当或更优。

能直接用于优化

由 DRF 训练得到的代理模型可嵌入翼型优化流程，替代高成本 CFD 评估，加速设计迭代。

应用场景

• 翼型气动优化：直接提供代理模型嵌入优化流程，降低 CFD 评估成本。
• 无人机设计：快速预测翼型气动性能，加速无人机气动外形迭代。
• 航空飞行器设计：替代部分 CFD 计算，提升总体设计中气动评估效率。
• 低空飞行器：面向低空飞行器翼型快速评估，减少数据采集负担。