-
公开(公告)号：CN118780212A
公开(公告)日：2024-10-15
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。
-
Patent Agency Ranking
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：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。
-
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：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：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。
-
-
-
-
-
Search Results
6
records
(took 0.059 seconds)
