-
公开(公告)号：CN119091085A
公开(公告)日：2024-12-06
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
IPC: G06T17/20
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。
-
公开(公告)号：CN118981988A
公开(公告)日：2024-11-19
申请号：CN202411467505.9
申请日：2024-10-21
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 , G06F18/23213 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及流体大数据智能可视分析技术领域，公开了一种基于表示学习和混合聚类的关键时间步选取方法及系统，其中方法包括：构建基于物理知识引导的深度卷积自编码器用于流场低维表示学习，并以无监督学习方式获取每个时间步流场的特征向量，形成流场特征序列；基于流形学习方法对所述流场特征序列进行处理得到二维紧致表示，并在二维空间中采用混合聚类方法选取关键时间步。本发明的嵌入物理知识深度卷积自编码器充分考虑了流场中的潜在物理规律，能精准地提取出流场的低维表示；基于流形学习和混合聚类的方法解决了传统聚类方法在高维数据中性能受限的问题，可直观快速选取流场关键时间步。
-
公开(公告)号：CN118519787B
公开(公告)日：2024-10-29
申请号：CN202410985246.2
申请日：2024-07-23
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于无同步SpTRSV算法的访存与并行效率优化方法，属于高性能并行计算领域，包括：步骤一，根据稀疏矩阵非零元素将行划分为长行和短行；步骤二，将目标向量x的值均设置为最大值；步骤三，将写阶段所需的数据预取到寄存器中；步骤四，在读阶段，判断依赖情况并进行累加操作；步骤五，在写阶段，从寄存器读取数据，计算对应行x的值。本发明解决了目前无同步SpTRSV算法中线程级并行写阶段的线程分歧问题，以及线程级和线程束级粗粒度的选择策略，从而导致GPU利用率不高的问题。
-
公开(公告)号：CN118171207B
公开(公告)日：2024-07-16
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：CN117056090B
公开(公告)日：2023-12-26
申请号：CN202311323608.3
申请日：2023-10-13
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F9/50
Abstract: 本发明公开了一种非结构隐式LUSGS线程并行方法、设备、介质及系统，属于计算流体力学领域，包括步骤：以非结构网格的体单元要素映射为邻接关系，邻接关系与计算网格在拓扑结构上等价；根据拓扑结构将非结构网格划分并行层级，能够并行执行的网格单元划分至同一层级，不能并行执行的网格单元划分至不同层级；划分得到并行层级后，在向前扫描的计算中，按照第一顺序，依次完成对应的隐式算法，且每一层级的网格单元并行执行；在向后扫描的计算中，按照第二顺序，依次完成对应的隐式算法，且每一层级的网格单元并行执行。本发明提供了一种无精度损失的非结构隐式LUSGS线程并行方法。
-
Patent Agency Ranking
公开(公告)号：CN117034815A
公开(公告)日：2023-11-10
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性。
-
公开(公告)号：CN116755636A
公开(公告)日：2023-09-15
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：CN113391919B
公开(公告)日：2023-06-06
申请号：CN202110450135.8
申请日：2021-04-25
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F9/50
Abstract: 本申请公开了一种基于二维胖树网络的计算结点分配方法及装置，该方法包括：确定预设二维胖树网络中的行数、总计算结点数以及总机框数，根据所述行数、所述总计算结点数以及所述总机框数计算将计算结点均匀分配到每一行的数目以及每一机框的数目；根据所述每一行的数目和所述每一机框的数目对所述二维胖树网络中的计算结点进行重新编号，其中，重新编号的二维胖树网络中同一机框中的计算结点编号连续，且同一行不同机框的计算结点编号不连续；确定待处理作业，根据所述待处理作业从所述重新编号的二维胖树网络中选择出位于同一机框的所述待处理作业所需的多个连续计算结点。本申请解决了现有技术中通信开销较大的技术问题。
-
公开(公告)号：CN113688578B
公开(公告)日：2023-05-23
申请号：CN202110787112.6
申请日：2021-07-13
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/28 , G06F30/27 , G06V10/77 , G06N3/0464 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于多变量融合的流场关键时间步提取与重构方法，所述流场关键时间步提取与重构方法包括：S1：非定常流场数据的获取和预处理；S2：针对步骤S1获得的非定常流场数据，完成基于数据融合的多变量物理流场关键时间步的提取；S3：对多变量非定常流场进行时空信息重构。通过本发明方法实现了快速准确的对多个时间步的流场进行关键时间步选取的目的。
-
公开(公告)号：CN112527112B
公开(公告)日：2023-05-02
申请号：CN202011422014.4
申请日：2020-12-08
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种多通道沉浸式流场可视化人机交互方法，通过多种交互方式将输入信息送入交互器中，分别进行相应的交互识别工作，并完成界面或可视化结果交互，其中多种交互方式包括手势交互、手柄交互和凝视交互。本发明在流场可视化应用中采用多通道交互方式高效完成复杂的流场可视化交互需求，将手势、手柄和凝视三种交互方式有机结合，弥补了单一通道交互方式的弊端，提升了交互的效率。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.044 seconds)
