一种超级计算机I/O转发结点轮询映射方法

    公开(公告)号:CN111597038A

    公开(公告)日:2020-08-28

    申请号:CN202010351241.6

    申请日:2020-04-28

    Abstract: 本发明公开了一种超级计算机I/O转发结点轮询映射方法,包括如下步骤:计算超级计算机中I/O转发结点的数量,记为n;对n个I/O转发结点分别进行编号为ION0,ION1,…,IONn-1;计算超级计算机中计算结点的数量,记为m;计算结点的编号分别为CN0,CN1,…,CNm-1;采用轮询映射计算方法将计算结点CNi,映射至I/O转发结点IONi%n;在每个计算结点上,修改I/O转发结点配置,即对于计算结点CNi,将I/O转发结点配置从传统分区映射方法的 修改为轮询映射方法的IONi%n;所有从计算结点CNi发出的I/O请求,都由I/O转发结点IONi%n处理;修改完所有计算结点上的I/O转发结点配置后,重启计算结点上的I/O转发服务,使配置生效,该方法解决了I/O转发结点间的负载不均衡问题。

    一种基于神经网络的流场旋涡检测方法

    公开(公告)号:CN111414720A

    公开(公告)日:2020-07-14

    申请号:CN202010097688.5

    申请日:2020-02-17

    Abstract: 本发明一种基于神经网络的流场旋涡检测方法,先对流场内所有物理网格点打标签,标记其是否属于旋涡区域,得到标签数据,对涡量场进行网格转换,将物理网格中的网格点一一映射到计算网格的网格点,抛弃物理坐标信息,得到计算网格下的涡量场。根据计算网格下的的涡量场,将每个网格上的涡量值减去涡量场的均值后除以标准差,得到归一化后的涡量场;对得到的归一化后的涡量场和标签数据同时随机采样,采样后对区域内的网格点对应的标签进行判断,构建神经网络,使用随机采样得到的带标签局部涡量场数据训练该神经网络,固定神经网络参数,得到固定参数的神经网络;利用第五步得到的固定参数的神经网络,对待检测涡区的流场进行涡区检测。

    一种基于神经网络的流场旋涡检测方法

    公开(公告)号:CN111414720B

    公开(公告)日:2023-01-20

    申请号:CN202010097688.5

    申请日:2020-02-17

    Abstract: 本发明一种基于神经网络的流场旋涡检测方法,先对流场内所有物理网格点打标签,标记其是否属于旋涡区域,得到标签数据,对涡量场进行网格转换,将物理网格中的网格点一一映射到计算网格的网格点,抛弃物理坐标信息,得到计算网格下的涡量场。根据计算网格下的的涡量场,将每个网格上的涡量值减去涡量场的均值后除以标准差,得到归一化后的涡量场;对得到的归一化后的涡量场和标签数据同时随机采样,采样后对区域内的网格点对应的标签进行判断,构建神经网络,使用随机采样得到的带标签局部涡量场数据训练该神经网络,固定神经网络参数,得到固定参数的神经网络;利用第五步得到的固定参数的神经网络,对待检测涡区的流场进行涡区检测。

    一种基于投影的高超声速飞行器气动热预测方法

    公开(公告)号:CN114996658A

    公开(公告)日:2022-09-02

    申请号:CN202210852261.0

    申请日:2022-07-20

    Abstract: 本发明提供了一种基于投影的高超声速飞行器气动热预测方法,包括:步骤1、将三维飞行器在多个不同平面进行投影获得多视图深度投影图像;步骤2、构建并训练热流图像智能预测模型及最大最小热流预测模型;步骤3、在不同来流条件下,输入多视图深度投影图像至热流图像智能预测模型及最大最小热流预测模型,得到热流图像和热流最大最小值;步骤4、获取多视图深度投影图像对应的真实热流图像;步骤5、将多视图深度投影图像重构为三维点云,结合热流图像得到三维热流点云,再进行插值得到三维飞行器的壁面热流分布。本发明能够高效精确地进行飞行器表面气动热环境预测,通过投影后得到的图像进行直接预测,一次获得所有点的热流值,更加高效。

    一种面向翼型的压力系数曲线智能生成方法

    公开(公告)号:CN111625901B

    公开(公告)日:2022-05-31

    申请号:CN202010376465.2

    申请日:2020-05-07

    Abstract: 本发明提供了一种面向翼型的压力系数曲线智能生成方法,包括以下步骤:步骤1、根据已有翼型库进行数据扩充得到翼型数据库,包含每个翼型对应的翼型坐标;步骤2、对每个翼型采用不同的来流条件组合计算对应的压力系数曲线,构建若干包含该翼型的翼型坐标、来流条件组合及来流条件组合对应的压力系数曲线坐标的数据对。步骤3、构建生成对抗网络模型;步骤4、利用每个翼型的所有数据对生成对抗网络进行训练得到生成网络模型;步骤5、将翼型、来流条件输入生成网络模型,输出该翼型的压力系数曲线。采用该方法无需迭代训练,大大减少计算量,较传统CFD方法速度更快,可以达到10‑100倍的加速比。

    可视化并行绘制方法、装置、系统及存储介质

    公开(公告)号:CN114463476A

    公开(公告)日:2022-05-10

    申请号:CN202210373654.3

    申请日:2022-04-11

    Abstract: 本发明公开了一种可视化并行绘制方法、装置、系统及存储介质,该方法包括当接收到绘制指令时,确定目标合成策略;将目标合成策略发送至至少一个第二绘制节点,以使第二绘制节点在接收到第一图像数据时,对第一图像数据进行处理,得到第二图像数据,并根据目标合成策略将第二图像数据发送至目标绘制节点;在接收到所有第二图像数据后,根据目标合成策略,对接收的第二图像数据进行拼接,获得并行绘制图像。本发明通过将目标合成策略发送至第二绘制节点,利用第二绘制节点之间图像信息的交换与处理,以及第一绘制节点的汇总,实现了边交换边合成的可视化并行绘制过程,提高了可视化并行绘制的效率。

Patent Agency Ranking