Unidad 4_Metamodelo para entrenar el rendimiento de la hélice

Unidad 4 Metamodelo para entrenar el rendimiento de la hélice Su nombre Curso Otros datos Introduction Este programa utiliza un meta-modelo Adam, que pertenece a la gran familia de redes neuronales artificiales (Segura et al., 2019. Adam meta-modelo es un método de descenso de gradiente estocástico que se basa en la estimación adaptativa de primer orden y momentos de segundo orden (Herrera, 2022). El modelo y predecir el rendimiento de la hélice utilizando la actividad cuatro conjunto de datos, que comprendía datos de variar M y ángulo de ataque (α ) resultados del coeficiente de sustentación (Cl), coeficiente de resistencia (Cd), así como los números mach y en el centro de la superficie superior del perfil aerodinámico (Cp). Se utiliza el lenguaje de programación Python con la ayuda de las librerías Tensorflow y Keras. Se utilizó Jupyter Notebook para visualizar y ejecutar los códigos python. Los scripts para la medole se presentan por separado. Gráfico de datos Trazar los datos para tener una mejor visualización de nuestra distribución de datos y linealidad. Coeficiente de elevación Cl Plot figcl = plt.figure(figsize = [6,6]) clplot = Axes3D(figcl) clplot.scatter(df[‘M’], df[‘AoA’], df[‘Cl’]) clplot.set_xlabel(‘Mach Number’) clplot.set_ylabel(‘Angle of Attack (degree)’) clplot.set_zlabel(‘Cl’) plt.show() plt.scatter(df[‘M’], df[‘Cl’], alpha = 0.3) plt.xlabel(‘Mach Number’) plt.ylabel(‘Cl’) plt.title(‘Cl vs Mach Number’) plt.show() plt.scatter(df[‘AoA’], df[‘Cl’], alpha = 0.3) plt.xlabel(‘Angle of Attack (degree)’) plt.ylabel(‘Cl’) plt.title(‘Cl vs AoA’) plt.show() Coeficiente de arrastre