-
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
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 , G06T3/60 , G06N3/04 , G06N3/08 , G06F113/08
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。
-
公开(公告)号：CN113381940B
公开(公告)日：2022-12-27
申请号：CN202110448696.4
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
Abstract: 本申请公开了一种二维胖树网络拓扑的设计方法及装置，该方法包括：分别计算预设的初始二维胖树网络中的行数、列数和I/O转发结点的第一数目；根据所述行数、所述列数以及第一数目将所述初始二维胖树网络中的I/O转发结点均匀分配到所述初始二维胖树网络的每一行或每一列得到新的二维胖树网络；设置所述新的二维胖树网络中任一行的I/O转发结点仅服务所述任一行的计算结点，或任一列的I/O转发结点仅服务所述任一列的计算结点。本申请解决了现有技术中部分I/O转发结点的I/O效率较低以及影响大规模并行程序的整体性能的技术问题。
-
公开(公告)号：CN115329250A
公开(公告)日：2022-11-11
申请号：CN202211250537.4
申请日：2022-10-13
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本申请公开了计算机技术领域内的一种基于DG处理数据的方法、装置、设备及可读存储介质。本申请在获取到待处理的网格数据后，重构网格数据得到目标结构的新网格数据；按照当前的硬件环境确定新网格数据在硬件环境中的存取方式；在硬件环境中基于间断迦辽金和存取方式并行处理新网格数据，得到处理结果。本申请通过转换数据结构，并设定与硬件环境对应的数据存取方式，提高了整个方案的适配能力，从而提升了网格数据计算方案的适配程度，增加了方案通用性。同时，该方案并行处理数据，可提升计算效率和计算性能。本申请提供的一种基于DG处理数据的装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN111651930B
公开(公告)日：2022-10-18
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
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：CN111814246B
公开(公告)日：2022-09-27
申请号：CN202010530568.X
申请日：2020-06-11
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 , G06F30/28 , G06F113/08 , G06F119/14
Abstract: 一种基于生成对抗网络的翼型反设计方法，包括步骤如下：步骤1：构建翼型‑气动曲线数据库；步骤2：设计从压力系数曲线坐标到翼型坐标的生成对抗网络；步骤3：将步骤1中得到的N组数据对送入步骤2中设计的生成对抗网络中，并采用迭代训练的方式迭代优化生成器和判别器，达到纳什均衡后，保留生成器Gtrain，丢弃判别器；步骤4：将测试气动曲线送入步骤3中训练得到的生成器Gtrain中，得到预测的翼型以及对应的马赫数、雷诺数和攻角；步骤5：对步骤4中得到的翼型坐标进行曲线平滑，得到光滑的翼型表面。本发明通过压力系数曲线直接推导出翼型形状，同时推导出当前压力系数曲线对应的马赫数、雷诺数及攻角，更高效，更精确。
-
Patent Agency Ranking
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
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。
-
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
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 , G06N3/08 , G06F113/08 , G06F119/14
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。
-
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
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。
-
公开(公告)号：CN114169651B
公开(公告)日：2022-04-19
申请号：CN202210132077.9
申请日：2022-02-14
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应用相似性的超级计算机作业失败主动预测方法，属于超级计算机领域，包括步骤：S1，从作业日志中提取特征数据，并加入作业路径数据后一起作预处理，然后作为机器学习算法模型的输入特征；S2，在机器学习算法模型对输入特征数据进行处理后，实现主动预测作业失败状态。本发明挖掘出了能够准确描述作业应用属性的特征，具有很好的预测提升效果；采用机器学习算法寻找作业失败预测方法，提升预测模型的鲁棒性，尤其适应非线性数据；对作业应用属性的聚类方法，显著降低聚类计算开销，降低误差；实现预测效率高，能够实际应用于大型超级计算机。
-
公开(公告)号：CN114169651A
公开(公告)日：2022-03-11
申请号：CN202210132077.9
申请日：2022-02-14
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应用相似性的超级计算机作业失败主动预测方法，属于超级计算机领域，包括步骤：S1，从作业日志中提取特征数据，并加入作业路径数据后一起作预处理，然后作为机器学习算法模型的输入特征；S2，在机器学习算法模型对输入特征数据进行处理后，实现主动预测作业失败状态。本发明挖掘出了能够准确描述作业应用属性的特征，具有很好的预测提升效果；采用机器学习算法寻找作业失败预测方法，提升预测模型的鲁棒性，尤其适应非线性数据；对作业应用属性的聚类方法，显著降低聚类计算开销，降低误差；实现预测效率高，能够实际应用于大型超级计算机。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.049 seconds)
