Rotor37

3D CFD RANS压缩机叶片解决方案数据集，属于图机器学习任务类别，数据集大小在1K到10K之间。该数据集通过模拟生成，专注于3D CFD RANS压缩机叶片的物理学习。数据集的版权所有者为Safran，采用CC-BY-SA许可证。数据集详细记录了测试集和训练集的样本编号。

3D CFD RANS compressor blade solution dataset: This dataset falls under the graph machine learning task category, with a size ranging from 1K to 10K. Generated through simulation, it focuses on physics-informed learning for 3D CFD RANS compressor blades. The copyright owner of the dataset is Safran, and it is released under the CC-BY-SA license. The dataset comprehensively records the sample IDs of both the training set and test set.

原始信息汇总

3D RANS 模拟数据集概述

数据集基本信息

• 许可证: CC-BY-SA 4.0
• 数据量: 1K < n < 10K
• 任务类别: 图机器学习 (graph-ml)
• 标签: 物理学习, 几何学习
• 配置名称: default
• 数据文件路径: data/all_samples-*

数据集详细描述

• 所有权: Safran
• 许可证: CC-BY-SA
• 数据生产类型: 模拟
• 物理模型: 3D CFD RANS 压缩机叶片

数据集分割

• 测试集: 1000-1199
• 训练集:
  • train_8: 154, 174, 383, 501, 524, 593, 711, 732
  • train_16: 76, 124, 130, 154, 157, 174, 383, 501, 524, 593, 711, 732, 798, 800, 959, 987
  • train_32: 3, 23, 76, 124, 130, 154, 157, 174, 190, 316, 324, 339, 383, 469, 501, 524, 556, 593, 606, 616, 662, 673, 711, 732, 757, 798, 800, 846, 909, 927, 959, 987
  • train_64: 3, 23, 34, 56, 71, 76, 124, 130, 145, 154, 157, 174, 187, 190, 201, 210, 223, 288, 316, 324, 335, 339, 376, 379, 383, 389, 414, 444, 469, 490, 501, 519, 524, 556, 557, 572, 575, 589, 593, 606, 616, 662, 673, 692, 711, 732, 741, 757, 760, 772, 781, 782, 798, 800, 806, 836, 846, 852, 896, 909, 927, 959, 985, 987
  • train_125: 3, 6, 16, 20, 23, 34, 56, 71, 76, 78, 83, 102, 105, 124, 130, 145, 152, 154, 157, 160, 173, 174, 180, 187, 190, 198, 201, 204, 210, 223, 224, 229, 233, 251, 278, 288, 289, 316, 317, 324, 335, 339, 371, 375, 376, 377, 379, 383, 389, 414, 426, 428, 431, 443, 444, 463, 469, 471, 490, 501, 513, 516, 519, 524, 525, 527, 530, 556, 557, 558, 572, 573, 575, 589, 593, 606, 612, 616, 624, 628, 638, 662, 673, 681, 692, 699, 711, 713, 715, 732, 741, 754, 757, 760, 763, 769, 772, 779, 781, 782, 783, 784, 798, 800, 806, 812, 834, 836, 843, 846, 852, 854, 866, 872, 877, 896, 909, 927, 931, 939, 956, 959, 985, 987, 996
  • train_250: 3, 6, 7, 16, 20, 21, 22, 23, 29, 33, 34, 39, 46, 56, 57, 71, 76, 77, 78, 81, 83, 95, 99, 101, 102, 105, 115, 117, 124, 130, 143, 145, 152, 154, 157, 159, 160, 167, 173, 174, 180, 182, 187, 190, 196, 198, 201, 203, 204, 210, 212, 217, 220, 223, 224, 229, 233, 246, 247, 250, 251, 252, 264, 268, 270, 278, 288, 289, 300, 312, 314, 316, 317, 319, 320, 324, 334, 335, 337, 339, 348, 356, 357, 359, 367, 369, 370, 371, 375, 376, 377, 379, 383, 389, 395, 396, 398, 400, 404, 405, 408, 413, 414, 415, 416, 420, 426, 428, 431, 435, 436, 441, 443, 444, 449, 452, 463, 468, 469, 471, 472, 479, 483, 490, 501, 512, 513, 516, 518, 519, 523, 524, 525, 526, 527, 528, 530, 532, 553, 556, 557, 558, 561, 567, 568, 570, 572, 573, 575, 589, 593, 595, 597, 601, 606, 610, 612, 613, 614, 616, 617, 618, 621, 622, 624, 626, 628, 629, 631, 633, 635, 638, 641, 643, 647, 648, 650, 652, 654, 657, 658, 662, 663, 667, 668, 670, 673, 677, 678, 681, 688, 690, 692, 693, 696, 699, 703, 704, 705, 706, 707, 711, 713, 715, 719, 721, 722, 724, 728, 729, 731, 732, 736, 741, 742, 745, 746, 747, 753, 754, 757, 760, 761, 763, 764, 765, 766, 767, 768, 769, 770, 771, 772, 773, 775, 778, 779, 780, 781, 782, 783, 784, 787, 789, 794, 795, 798, 800, 802, 804, 806, 808, 811, 812, 813, 815, 816, 818, 819, 823, 826, 827, 829, 832, 833, 834, 836, 842, 843, 846, 847, 849, 852, 853, 854, 855, 856, 857, 859, 861, 862, 863, 864, 866, 870, 871, 872, 873, 876, 877, 880, 882, 884, 887, 888, 891, 892, 893, 894, 896, 898, 900, 901, 902, 906, 909, 914, 920, 921, 922, 925, 927, 931, 936, 937, 938, 939, 942, 946, 950, 951, 952, 955, 956, 957, 959, 964, 965, 966, 969, 972, 975, 978, 980, 981, 982, 983, 985, 986, 987, 988, 989, 990, 993, 994, 995, 996, 999
  • train_500: 1, 2, 3, 6, 7, 9, 11, 14, 16, 18, 20, 21, 22, 23, 26, 29, 31, 32, 33, 34, 36, 37, 38, 39, 44, 46, 48, 51, 52, 54, 55, 56, 57, 58, 59, 61, 62, 66, 67, 71, 72, 73, 76, 77, 78, 80, 81, 82, 83, 86, 89, 92, 94, 95, 99, 101, 102, 105, 109, 111, 113, 115, 117, 118, 123, 124, 129, 130, 136, 140, 143, 144, 145, 152, 153, 154, 155, 157, 159, 160, 164, 167, 168, 173, 174, 176, 177, 180, 182, 187, 188, 190, 192, 193, 194, 196, 198, 199, 201, 202, 203, 204, 206, 207, 210, 211, 212, 213, 217, 219, 220, 221, 223, 224, 227, 228, 229, 233, 234, 237, 239, 240, 244, 245, 246, 247, 249, 250, 251, 252, 255, 263, 264, 266, 268, 269, 270, 271, 272, 277, 278, 284, 288, 289, 291, 293, 300, 302, 303, 312, 314, 316, 317, 319, 320, 323, 324, 329, 331, 332, 334, 335, 337, 339, 348, 351, 353, 356, 357, 359, 361, 363, 364, 366, 367, 369, 370, 371, 373, 375, 376, 377, 379, 380, 382, 383, 384, 387, 389, 390, 395, 396, 398, 400, 403, 404, 405, 408, 411, 412, 41

搜集汇总

数据集介绍

构建方式

Rotor37数据集基于三维雷诺平均Navier-Stokes（RANS）模拟技术构建，专注于压缩机叶片的流体动力学特性。该数据集通过高精度的计算流体动力学（CFD）仿真生成，涵盖了多种工况下的流场数据，确保了数据的多样性和代表性。数据生成过程中，采用了严格的物理模型和数值方法，确保了仿真结果的准确性和可靠性。

特点

Rotor37数据集的特点在于其高维度和复杂性，包含了丰富的流场信息，如速度、压力和温度分布等。数据集规模适中，样本数量在1K到10K之间，适合用于机器学习和深度学习模型的训练与验证。此外，数据集还提供了多种训练集划分方式，便于用户根据需求选择不同的训练规模。

使用方法

Rotor37数据集适用于流体动力学、几何学习和物理学习等领域的研究。用户可以通过加载数据集中的样本文件，获取流场数据并进行进一步的分析或模型训练。数据集支持多种机器学习任务，如图像分类、回归分析和流场预测等。使用该数据集时，建议结合具体的物理模型和数值方法，以确保研究结果的科学性和准确性。

背景与挑战

背景概述

Rotor37数据集由Safran公司创建，主要基于3D CFD RANS（雷诺平均Navier-Stokes）模拟技术，用于研究压缩机叶片的流体动力学特性。该数据集通过模拟技术生成了大量关于压缩机叶片在不同工况下的流体动力学数据，旨在为物理学习和几何学习提供高质量的研究素材。其核心研究问题在于如何通过数值模拟技术精确捕捉复杂流体行为，进而优化压缩机叶片的设计与性能。该数据集在航空航天、能源等领域的流体动力学研究中具有重要影响力，为相关领域的数值模拟和机器学习应用提供了宝贵的数据支持。

当前挑战

Rotor37数据集在解决流体动力学问题的过程中面临多重挑战。首先，流体动力学问题本身具有高度非线性，涉及复杂的湍流和边界层效应，如何通过数值模拟精确捕捉这些现象是一个巨大的挑战。其次，数据集的构建依赖于高精度的3D CFD RANS模拟，计算成本极高，且需要大量的计算资源和时间。此外，模拟结果的准确性和可靠性受到网格划分、边界条件设置等多重因素的影响，如何确保数据的质量和一致性也是一个关键问题。最后，该数据集的应用场景主要集中在物理学习和几何学习领域，如何将复杂的流体动力学数据转化为机器学习模型可用的特征，并提升模型的泛化能力，是当前研究中的一大难点。

常用场景

经典使用场景

Rotor37数据集广泛应用于计算流体动力学（CFD）领域，特别是在涡轮机械的设计与优化中。该数据集通过3D RANS模拟提供了压缩机叶片的详细流场数据，为研究人员提供了高精度的数值模拟结果，用于验证和优化涡轮机械的性能。其经典使用场景包括对叶片气动性能的分析、流场结构的可视化以及湍流模型的验证。

解决学术问题

Rotor37数据集解决了涡轮机械设计中常见的学术问题，如复杂流场的精确模拟与预测。通过提供高精度的3D RANS模拟数据，研究人员能够深入理解压缩机叶片周围的流场特性，优化叶片设计以减少能量损失并提高效率。此外，该数据集还为湍流模型的开发与验证提供了重要支持，推动了CFD领域的前沿研究。

衍生相关工作

Rotor37数据集催生了许多相关经典工作，特别是在CFD与机器学习交叉领域。例如，基于该数据集的研究开发了深度学习模型，用于预测复杂流场中的湍流特性。此外，该数据集还被用于验证新型数值模拟方法，如大涡模拟（LES）和直接数值模拟（DNS），推动了CFD技术的进一步发展。