LGFNet: Netzwerk kombiniert CFD, Windkanal- und Flugtests für Aerodynamik

Ein neues Forschungsdokument auf arXiv präsentiert das Local-Global Fusion Network (LGFNet), das die präzise Zusammenführung von CFD‑Simulationen, Windkanalmessungen und Flugtests in der Aerodynamik ermöglicht. Durch die Kombination dieser Datenquellen soll ein umfassendes Bild sowohl lokaler Strömungsstrukturen als auch globaler aerodynamischer Trends über das gesamte Flugenvelope hinweg entstehen.

Traditionelle Verfahren stoßen häufig an ihre Grenzen, wenn sie versuchen, hochauflösende lokale Details mit weitreichenden globalen Abhängigkeiten zu verknüpfen. Oft gehen dabei scharfe Diskontinuitäten verloren oder die Fähigkeit, langfristige topologische Zusammenhänge zu erfassen, wird eingeschränkt. LGFNet adressiert dieses Problem, indem es eine zweistufige Feature‑Decomposition nutzt, die sowohl lokale Präzision als auch globale Kontextualisierung gewährleistet.

Das Netzwerk besteht aus einer räumlichen Wahrnehmungsschicht, die einen gleitenden Fenstermechanismus einsetzt, und einer relationalen Schicht, die auf Selbstaufmerksamkeit basiert. Diese Kombination stärkt die Kontinuität feiner lokaler Merkmale – etwa Stoßwellen – und erfasst gleichzeitig langreichweitige Strömungsinformationen. Zusätzlich wird die Fidelity Gap Delta Learning (FGDL)-Strategie eingeführt, die CFD‑Daten als „Low‑Frequency‑Carrier“ behandelt, um nichtlineare Diskrepanzen explizit zu approximieren. Dadurch wird ein unphysikalisches Glätten vermieden, während die grundlegenden physikalischen Trends aus der Simulationsbasis übernommen werden.

Experimentelle Ergebnisse zeigen, dass LGFNet die aktuelle Spitzenleistung (SOTA) in Bezug auf Genauigkeit und Unsicherheitsreduktion in einer Vielzahl aerodynamischer Szenarien übertrifft. Das Netzwerk demonstriert damit, dass eine intelligente Fusion von Datenquellen und gezieltes Lernen von Diskrepanzen zu signifikanten Fortschritten in der aerodynamischen Analyse führen können.