peterdsharpe/NeuralFoil

해결하는 문제

NeuralFoil은 공기역학적 특성을 빠르고 신뢰성 있게 분석할 수 있는 방법을 제공합니다. 대규모 배치 분석이나 기울기 기반 형상 최적화에서 수렴 실패, '거친' 예측, 높은 계산 비용을 겪는 기존 도구인 XFoil을 대체합니다.

작동 방식

물리 기반 기계학습과 해석 모델의 하이브리드입니다. 핵심은 CST(Kulfan) 매개변수화를 사용하여 날개형 기하를 설명하고, 약 800만 건의 XFoil 실행 데이터로 훈련된 신경망입니다. 이 도구는 빠른 실행을 위한 독립형 Python/NumPy 구현으로 제공되며, AeroSandbox에 통합되어 압축성 공기역학(초음속/초음속), 후기 양력 저하 분석, 제어면 변위와 같은 고급 기능을 활용할 수 있습니다.

대상 사용자

설계 최적화, 비행 시뮬레이션, 실시간 제어 시스템을 위한 빠르고 미분 가능하며 신뢰성 있는 날개형 성능 예측이 필요한 항공공학 엔지니어, 항공기 설계자, 연구자.

주요 특징

• 극도의 속도: 단일 분석에서는 XFoil보다 최대 30배 빠르고, 다점 배치 분석에서는 약 1000배 빠릅니다.
• 강력한 신뢰성: 수렴 실패 없이 항상 결과를 반환하며, $C^\infty$-연속 출력을 제공하여 기울기 기반 최적화에 이상적입니다.
• 자기 평가 신뢰도: analysis_confidence 메트릭을 포함하여 분포 외 쿼리 또는 민감한 흐름 조건을 경고합니다.
• 일반화 능력: 훈련 세트에 포함되지 않은 날개형, 극단적인 제어면 변위를 가진 날개형에 대해서도 정확한 예측이 가능합니다.