BlendedNet

BlendedNet是一个公开的高分辨率表面空气动力学数据集，包含999个独特的混合翼身（BWB）几何形状，每个几何形状在约9个不同的空气动力学情况下进行模拟，总共产生了8830个成功收敛的情况。该数据集使用高保真雷诺平均纳维-斯托克斯（RANS）模拟生成，并采用Spalart-Allmaras湍流模型，每个案例使用900万至1400万个体积单元。该数据集可用于BWB飞机的空气动力学分析，并支持数据驱动代理模型方法的研究。BlendedNet旨在解决BWB飞机空气动力学设计中的数据稀缺问题，并为未来研究提供综合基准。数据集在哈佛Dataverse上公开发布。

AI搜集汇总

数据集介绍

构建方式

在飞行器设计领域，融合翼体构型因其卓越气动效率而备受关注。该数据集通过拉丁超立方采样系统生成999种独特几何外形，涵盖翼型弦长比、展宽比及后掠角等关键参数。基于OpenVSP参数化建模工具构建三维几何模型后，采用Pointwise软件生成包含900万至1400万网格单元的高精度计算网格。通过NASA FUN3D求解器实施雷诺平均纳维-斯托克斯方程模拟，运用Spalart-Allmaras湍流模型完成8830组气动工况的数值仿真，严格遵循残差收敛准则确保数据可靠性。

特点

作为首个公开的融合翼体飞行器高分辨率气动数据集，其核心价值体现在多维数据表征层面。数据集不仅提供升力系数、阻力系数等整体气动参数，更包含表面压力系数与摩擦系数的点云分布数据。通过参数化几何设计与飞行工况的协同采样，构建出涵盖亚声速到跨声速、不同攻角状态的完备气动特性图谱。数据集采用标准化VTK格式存储，兼具计算流体力学原始数据与参数化设计信息的双重属性，为数据驱动研究提供坚实基础。

使用方法

该数据集适用于气动特性预测与飞行器优化设计等多重应用场景。研究者可通过提取几何参数与飞行条件作为输入特征，构建端到端的代理模型实现气动系数快速预测。基于点云数据的PointNet架构能够逆向解析几何特征，结合特征线性调制网络实现表面压力分布的精准重建。数据集支持从局部气动特性到整体性能指标的递推计算，为融合翼体构型的多学科优化设计提供完整的数据支撑与验证基准。

背景与挑战

背景概述

混合翼体飞行器作为新一代航空运输构型，因其卓越的气动效率与燃油经济性受到广泛关注。2025年，麻省理工学院林肯实验室与DeCoDe实验室联合发布了BlendedNet数据集，旨在解决该领域高精度气动数据稀缺的瓶颈。该数据集包含999种混合翼体几何构型，通过拉丁超立方采样生成设计参数与飞行工况，并采用雷诺平均Navier-Stokes方程与Spalart-Allmaras湍流模型进行高保真仿真，累计完成8,830组收敛案例。作为首个公开的混合翼体表面气动系数数据集，其为数据驱动的气动代理模型开发提供了重要基准。

当前挑战

混合翼体气动分析面临双重挑战：在领域问题层面，其融合机身与机翼的独特构型导致复杂流动相互作用，传统计算流体动力学方法需消耗巨额计算资源，且现有研究多局限于整体气动系数预测，难以捕捉表面压力与摩擦力的分布式特征。在数据集构建层面，几何参数化需平衡设计空间覆盖与物理可行性，自动化生成的构型可能违背结构稳定性约束；同时，千万级网格的高保真仿真对计算资源与收敛控制提出极高要求，需通过严格的残差阈值筛选有效数据。

常用场景

解决学术问题

BlendedNet有效解决了混合翼体飞行器研究中面临的数据稀缺难题。传统方法依赖有限的风洞试验或计算密集型模拟，难以捕捉复杂几何构型下的流场特性。该数据集提供的高分辨率表面气动系数，使学者能够深入探究翼身融合构型特有的流动分离、涡旋生成等物理现象，为建立精确的气动性能预测模型奠定了数据基础。

衍生相关工作

该数据集催生了多项创新研究方法的发展。基于PointNet的几何参数提取框架为处理复杂三维外形提供了新思路，而特征线性调制网络的引入则开创了条件式气动预测的新范式。这些技术进展不仅推动了混合翼体领域的研究，更为整个计算流体力学社区提供了可迁移的深度学习解决方案，激发了基于神经场表示等新兴方向的研究热潮。