-
公开(公告)号：CN118171207A
公开(公告)日：2024-06-11
申请号：CN202410591155.0
申请日：2024-05-13
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F18/2431 , G06F18/213 , G06F30/28 , G06F113/08
Abstract: 本发明公开了一种基于涡量和雷诺数映射关系的三维流场智能分类方法，其包括将三维流场中的流场属性集中的每个离散采样点定义为具有位置、时间和速度三个物理量，将三维涡量定义为速度的旋度；将三维涡量表征为二维涡量；推导出二维涡量与雷诺数的对应关系，得到三维流场分类标准；通过连续采样时间的二维涡量，计算得到二维涡量时间序列，并将其作为二维涡量智能分类模型的输入；将二维涡量时间序列作为二维涡量智能分类模型的训练样本并对其进行训练，得到训练好的二维涡量智能分类模型；将新的二维涡量时间序列输入训练好的二维涡量智能分类模型中，得到三维流场所属分类。本发明提高了三维流场的分类效率。
-
公开(公告)号：CN117034815B
公开(公告)日：2024-01-23
申请号：CN202311287466.X
申请日：2023-10-08
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F30/27 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于切片的超声速无粘流动智能初场设置方法，该方法包括将超声速飞行器在不同状态下的流场沿来流方向切片；对每一张切片生成坐标矩阵、形状矩阵、数据流场矩阵和来流矩阵；拼接所述坐标矩阵、所述形状矩阵、所述数据流场矩阵和所述来流矩阵得到输入矩阵和标签矩阵；以所述标签矩阵作为真实值，采用融合距离权重的均方误差作为代价函数训练超声速无粘流动的初场智能预测模型；将输入矩阵输入训练后的模型获取预测初场。本发明属于流体力学和人工智能技术领域，利用深度学习提取流场的特征和规律，可以预测出更加准确的流场初始条件，提高计算结果的准确性和可靠(56)对比文件陈逖 等.二维进气道不启动流场非定常特性的混合LES/RANS模拟.航空动力学报.2012,第27卷(第08期),第1792-1800页.
-
公开(公告)号：CN117216886A
公开(公告)日：2023-12-12
申请号：CN202311487437.8
申请日：2023-11-09
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/15 , G06F30/20 , G06F30/28 , G06F30/27 , G06N3/0455 , G06F119/14 , G06F113/28 , G06F111/08 , G06F111/04
Abstract: 本发明提供一种基于扩散模型的飞行器气动布局反设计方法，属于飞行器外形设计选型技术领域，解决了现有技术中CFD计算复杂等问题；该方法包括：S1、通过编码空间插值方式，构建出有翼飞行器的气动性能数据库；S2、依据气动性能数据库，设计从气动性能至飞行器气动布局的连续条件的扩散模型；S3、应用kd树原理，对扩散模型进行训练；S4、扩散模型训练完成后，为其适配不同工况条件下的生成采样方式，生成外形编码；S5、将生成得到的外形编码重构为飞行器气动布局外形；本发明首次使用条件扩散模型，丰富了飞行器外形设计内容，同时具有能适应多种工况，更贴近工程现实，设计过程稳定可靠的优点。
-
公开(公告)号：CN116755636B
公开(公告)日：2023-10-27
申请号：CN202311029868.X
申请日：2023-08-16
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明涉及网格文件处理领域，公开了一种网格文件的并行读入方法、装置、设备及存储介质，该方法包括：对网格文件进行预处理与元数据构建；利用元数据的信息进行网格分割，并将分割得到的各子网格数据集分配到不同进程；并行读入子网格数据集，构建网格拓扑并进行网格映射，得到映射表；解析映射表，并行读入对应的属性数据，得到输出结果。上述方法可以利用集群系统多核的特点并行读取大规模数据文件，极大地提高了大规模文件的读取速度，解决了串行读入时的内存限制问题。
-
公开(公告)号：CN115222870A
公开(公告)日：2022-10-21
申请号：CN202211119764.3
申请日：2022-09-15
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06T15/50
Abstract: 本发明公开了一种非结构网格隐式LUSGS均衡着色方法、设备及介质，属于计算流体力学技术领域，包括以下步骤：利用计算网格的拓扑结构得出网格着色数，再结合非贪心着色方法完成网格单元地均衡划分，然后利用多核/众核处理器运行对均衡划分后的不同颜色网格串行执行，相同颜色网格并行执行的LUSGS算法程序。本发明能够有效利用现有多核/众核处理器，获得较高的计算性能。
-
Patent Agency Ranking
公开(公告)号：CN113901594A
公开(公告)日：2022-01-07
申请号：CN202111496251.X
申请日：2021-12-09
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/08
Abstract: 本发明属于飞行器气动热预测技术领域，具体涉及一种飞行器表面的气动热环境智能预测方法。其技术方案为：一种飞行器表面的气动热环境智能预测方法，包括构建多外形多条件气动热数据库；提取飞行器外形全局特征；提取飞行器局部区域特征；将飞行条件参数化；融合邻域特性的气动热智能预测模型；进行飞行器表面气动热智能预测模型测试。本发明提供了一种高效精确地进行飞行器表面气动热环境预测的方法。
-
公开(公告)号：CN112948643A
公开(公告)日：2021-06-11
申请号：CN202110520617.6
申请日：2021-05-13
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F16/901 , G06F16/903 , G06F16/904
Abstract: 本发明提供一种基于线程并行的结构化网格流线积分方法，包括：步骤1、对多块结构化网格进行数据块的重划分；步骤2、对于重划分后的每一个数据块，计算其属性数据的类型和数目；步骤3、反馈步骤2的计算结果，把数据块中的每一种类型的属性数据提取出来单独存储；步骤4、在进行三维矢量场流线可视化过程中，将需要的属性数据使用多线程进行并行读取；步骤5、使用读取的属性数据构建动态搜索树；步骤6、读取动态搜索树中计算种子点数，根据计算种子点的任务规模进行动态分组，再将分组后的计算种子点数分配给多线程并行积分计算；步骤7、将计算结果用于后续的可视化工作。本发明能够提高多核处理器利用率、加速科学可视化中流线积分。
-
公开(公告)号：CN111651930A
公开(公告)日：2020-09-11
申请号：CN202010376762.7
申请日：2020-05-07
Applicant: 中国空气动力研究与发展中心计算空气动力研究所 , 电子科技大学
Abstract: 本发明提供了一种基于极限学习机的流场涡区域检测方法，包括：步骤1、根据流场数据的速度场和物理坐标计算涡量场，对流场内所有物理网格点进行旋涡区域标记，得到标签数据；步骤2、对涡量场进行网格转换，得到计算网格下的涡量场；步骤3、对计算网格下的涡量场进行归一化操作；步骤4、对归一化后的涡量场和标签数据采样得到采样数据；步骤5、构建极限学习机网络模型，利用采样数据对该模型进行训练，得到流场涡检测网络模型；步骤6、对待测流场采样，将采样数据输入网络模型进行涡区域检测，输出检测结果。本发明采用逐块判断减少了数据重复计算，减少了单个流场的检测时间，同时减少了神经网络中的参数量，使得网络的训练时间变快。
-
公开(公告)号：CN119167804B
公开(公告)日：2025-02-28
申请号：CN202411687292.0
申请日：2024-11-25
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06N3/0475 , G06N3/094 , G06N3/088 , G06N3/096 , G06F111/04
Abstract: 本申请公开了基于物理约束双判别器GAN的多变量流场关联分析方法、装置、设备及存储介质，涉及数据分析技术领域，包括：构建物理约束双判别器GAN模型以生成目标流场变量的特征编码变量；第一目标损失函数为基于目标流场变量的物理特征构建的损失函数；流场数据判别器包括流场数据空间判别器和流场数据时间判别器；通过降维可视化空间投影方法将特征编码变量降维以得到流场变量分布图并基于流场变量分布图中各变量之间的相互关系构建目标多变量关联图；利用物理约束双判别器GAN模型和目标多变量关联图中目标变量对之间的物理特征关系进行目标变量对之间的变量转换。这样一来，可以实现流场变量间的自动转换，全面探索数据间的关联性。
-
公开(公告)号：CN119091085B
公开(公告)日：2025-02-07
申请号：CN202411571367.9
申请日：2024-11-06
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明提供一种面向三维飞行器气动系数预测的数据增广与模型训练方法、系统及介质，涉及飞行器气动系数快速预测领域，解决了智能CFD中高质量CFD数据的稀缺性与高成本问题；方法包括：定义包括外形、工况、气动系数在内的基础气动数据集，将采样后的点云数据与工况、气动系数共同构成气动数据库；对点云数据进行随机采样，得到增广后的点云数据，在气动数据库基础上构成增广后的气动数据库；构建气动系数预测神经网络，完成预训练后使用增广后的气动数据库对该神经网络微调，得到面向三维飞行器气动系数预测的智能模型；本发明是低成本的气动数据增广方案，利用了通用三维数据，减少模型对气动数据的需求，提升了智能模型的效能。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.044 seconds)
