公开(公告)号：CN116628854B

公开(公告)日：2024-12-03

申请号：CN202310606863.2

申请日：2023-05-26

Applicant: 上海大学

Inventor： 武频 ,  刘志涛 ,  许立基 ,  翁龙杰 ,  张波

IPC: G06F30/15 ,  G06F30/28

Abstract: 本发明公开一种翼型气动特性预测方法、系统、电子设备及存储介质，涉及气动外形优化设计技术领域。所述方法包括：获取目标飞机翼型外形的参数化变量和飞行条件；利用多任务多保真模型，对参数化变量和飞行条件进行气动特性预测，确定目标飞机翼型外形的高保真气动特性数据；多任务多保真模型包括第一多任务专家混合模型和第二多任务专家混合模型；第一多任务专家混合模型和第二多任务专家混合模型均是根据多任务学习方法和门控机制构建的；第一多任务专家混合模型用于确定目标飞机翼型外形的低保真气动特性数据；第二多任务专家混合模型用于将低保真气动特性数据转化为高保真气动特性数据。本发明能够提高数据的获取精度和速度。

公开(公告)号：CN116628854A

公开(公告)日：2023-08-22

申请号：CN202310606863.2

申请日：2023-05-26

Applicant: 上海大学

Inventor： 武频 ,  刘志涛 ,  许立基 ,  翁龙杰 ,  张波

IPC: G06F30/15 ,  G06F30/28

Abstract: 本发明公开一种翼型气动特性预测方法、系统、电子设备及存储介质，涉及气动外形优化设计技术领域。所述方法包括：获取目标飞机翼型外形的参数化变量和飞行条件；利用多任务多保真模型，对参数化变量和飞行条件进行气动特性预测，确定目标飞机翼型外形的高保真气动特性数据；多任务多保真模型包括第一多任务专家混合模型和第二多任务专家混合模型；第一多任务专家混合模型和第二多任务专家混合模型均是根据多任务学习方法和门控机制构建的；第一多任务专家混合模型用于确定目标飞机翼型外形的低保真气动特性数据；第二多任务专家混合模型用于将低保真气动特性数据转化为高保真气动特性数据。本发明能够提高数据的获取精度和速度。

公开(公告)号：CN115293050A

公开(公告)日：2022-11-04

申请号：CN202211005481.6

申请日：2022-08-22

Applicant: 上海大学

Inventor： 武频 ,  邱丰 ,  翁龙杰 ,  张波

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10 ,  G06F113/08 ,  G06F119/12 ,  G06F119/14

Abstract: 本发明公开一种流体流动降阶模型的构建方法，装置及系统和存储介质，该模型基于本征正交分解和Transformer neural network。本征正交分解用来生成低维流场的基函数，并将其系数作为低维流场特征。利用Transformer neuralnetwork构建低维特征的预测模型。本文提出的降阶模型只依赖于流场的解。与RNN相比，Transformer neural network通过自注意力机制，获取流场序列间的关联信息，提高了模型的鲁棒性，缓解模型在自回归过程中误差向后传递的问题，从而可以更好地捕捉流动的变化规律。在整个计算过程中，流场序列以矩阵的形式并列计算，因此模型具有在线计算时间上的优势。