南京航空航天大学刘学军获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉南京航空航天大学申请的专利一种用于提升三维高精度流场分析效率和精度的方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118917232B 。
龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410919459.5,技术领域涉及:G06F30/28;该发明授权一种用于提升三维高精度流场分析效率和精度的方法是由刘学军;虞建;吕宏强;唐天成;刘宇飞;麦梓伦设计研发完成,并于2024-07-10向国家知识产权局提交的专利申请。
本一种用于提升三维高精度流场分析效率和精度的方法在说明书摘要公布了:本发明实施例公开了一种用于提升三维高精度流场分析效率和精度的方法,涉及面向计算流体力学的三维网格自适应技术和深度学习技术领域。此方法能够高效生成节点密度分布与流场结构相符的高质量三维自适应网格,从而增强流场数值计算的准确性和效率。本发明包括:服务器接收客户端发送的初始三维网格数据和流场条件参数;基于流场条件参数生成初始三维流场数据,并利用该数据生成对应的三维自适应网格;根据三维初始流场数据和自适应网格数据建立样本数据库;利用所述样本数据库对深度学习模型进行训练;将待预测流场条件参数输入训练后的深度学习模型,预测三维自适应网格,生成符合待预测流场结构的高质量三维网格并发送给所述客户端。
本发明授权一种用于提升三维高精度流场分析效率和精度的方法在权利要求书中公布了:1.一种用于提升三维高精度流场分析效率和精度的方法,其特征在于,包括: 步骤1、计算中心接受业务请求,所述业务请求包括:初始三维网格数据和流场条件参数,其中,所述流场条件参数至少包括:几何外形参数和流场的马赫数Ma和迎角AOA; 步骤2、根据所述流场条件参数在初始三维网格上计算得到初始三维流场数据,再利用所述初始三维流场数据生成节点密度分布与流场结构相符的三维自适应网格; 步骤3、根据所述流场条件参数和所述三维自适应网格,构建样本数据库; 步骤4、利用所述样本数据库训练深度学习模型; 步骤5、将待分析流场的条件参数输入训练后的深度学习模型,得到符合所述待分析流场的流场结构的三维网格; 步骤6、确定发送所述业务请求的客户端,并将所述步骤5中得到的三维网格向所述客户端发送; 在所述步骤4中,所述训练深度学习模型包括:流场特征提取环节、流场网格特征交互环节和三维网格自适应环节;所述流场特征提取环节包括:十二层网格卷积层;所述流场网格特征交互环节包括:四层感知特征池化;所述三维网格自适应环节包括:十五层网格卷积层和八层网格注意力层; 所述流场特征提取环节采用Unet架构,编码器中第一、第二、第九和第十一层网格卷积输出的流场特征通过跳过连接方式按顺序与生成器各层卷积输出的流场特征进行特征级联; 所述流场特征提取环节的前两层网格卷积的隐含输出维度分别64和128,中间七层网格卷积的隐含输出维度均为256,最后三层网格卷积的隐含输出维度分别为128、64和1;所述流场网格特征交互环节的四层感知特征池化层隐含输出维度分别为64、128、256和64;所述三维网格自适应环节的前十三层图卷积的隐含输出维度均为256,第十四层图卷积的隐含输出维度为128,第十五层图卷积的隐含输出维度为3,八层网格注意力层的隐含输出维度均为256; 网格卷积层的权重函数的更新函数为: ,其中,为激活函数,为第层神经元的数量,为第个节点的一阶邻接点的数量,为第层第个神经元的偏置,为连接第层第个神经元与第层第个神经元的权重,为连接第个节点的第个邻接点的第层第个神经元与第个节点的第层第个神经元的权重,l为正整数,表示第层第个节点和其第个邻接点在第个神经元上的特征,表示第层第个节点在第个神经元上的特征; 在训练深度学习模型的过程中,输入流场网格特征交互环节的初始网格节点特征包括: 三维网格节点均值坐标,其中第个节点的均值坐标为: ,其中,表示第个节点与第个边界点之间的权重,为三维网格边界点数量,是为第个节点的空间坐标,为第个边界点的空间坐标,为第个节点到第个边界点的欧式距离,为角的值,为角的角度值; 局部网格密度为,具体到第个节点的局部密度为:,为第个节点的邻接单元格数量,为第个节点的第个邻接单元格的体积; 在训练深度学习模型的过程中,采用损失函数为:,表示网格损失函数,流场重构损失,用于平衡两个损失函数,所述网格损失函数,用于监督从初始三维网格到三维自适应网格之间的训练过程;所述流场重构损失,用于监督流场条件参数到重构三维流场的训练过程; 其中,,为初始三维网格节点的数量,为深度学习模型的预测三维网格的节点坐标,为由SOM三维网格自适应方法优化出的标签网格的节点坐标;,为深度学习模型在第个节点上的预测流场数据,为第个节点上的初始流场数据。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京航空航天大学,其通讯地址为:213300 江苏省常州市溧阳市滨河东路29号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励