-
公开(公告)号：CN114996658B
公开(公告)日：2022-11-08
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：CN111932663B
公开(公告)日：2022-10-18
申请号：CN202010798412.X
申请日：2020-08-11
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于多层级非对称通信管理的并行绘制方法，包括步骤：S1，数值模拟结果数据并行读入；S2，客户端交互进程开始绘制；S3，服务端绘制进程执行并行绘制；S4，服务端绘制结果向客户端传输等；本发明降低了并行可视化计算与绘制过程中的进程间通信次数，实现了进程间负载均衡，提升了数据载入效率，提升了绘制效率。
-
公开(公告)号：CN113901594B
公开(公告)日：2022-03-08
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：CN111597038A
公开(公告)日：2020-08-28
申请号：CN202010351241.6
申请日：2020-04-28
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。
-
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
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。
-
Patent Agency Ranking
公开(公告)号：CN119167804A
公开(公告)日：2024-12-20
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：CN118780212B
公开(公告)日：2024-11-26
申请号：CN202411261250.0
申请日：2024-09-10
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 , G06V10/771 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于多尺度信息的非定常流场关键时间步提取方法、系统及介质，涉及非定常流场领域，解决了因固定时间步长导致的存储压力以及关键演变丢失问题；方法包括：定义非定常流场，确定不同时间步下的多个流场；提取近壁面区域的多尺度点云数据；训练点云自动编码器，对多尺度点云数据进行特征提取，计算相邻流场的特征距离，并累加得到各个时间步下的流场与第一个时间步下的流场之间的特征距离值；依据关键帧数量，将特征距离值均分为多份，作为多个关键阈值，选取出与关键阈值数量相同的多个关键流场，其时间步即为非定常流场的关键时间步；本发明不仅优化了存储资源管理，还促进了对复杂非定常流场高效、经济的长期模拟与分析。
-
公开(公告)号：CN117216886B
公开(公告)日：2024-04-05
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：CN117056090A
公开(公告)日：2023-11-14
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。
-
公开(公告)号：CN116246039B
公开(公告)日：2023-07-14
申请号：CN202310534154.8
申请日：2023-05-12
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深度学习的三维流场网格分类分割方法，所述方法包括如下步骤：S1：三维网格模型数据预处理；以三维网格模型数据中局部曲面作为基本处理单元，数据预处理为将局部曲面的特征分为三维的空间特征和十六维的结构特征；S2：三维网格分类模型构建；融合生成对抗网络和协同注意力网络完成三维网格分类模型构建；S3：模型训练；引入三元组损失和DCCA损失对步骤S2获得的三维网格分类模型构建的子空间特征分布进行语义对齐，使得模型构建的子空间中语义相关的特征数据对所对应的语义分布距离靠近，同时使语义不相关的特征数据对所对应的分布距离远离；S4：基于步骤S3训练完成的模型完成三维流场网格分类分割。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.033 seconds)
