一种基于切片的超声速无粘流动智能初场设置方法

    公开(公告)号:CN117034815B

    公开(公告)日:2024-01-23

    申请号:CN202311287466.X

    申请日:2023-10-08

    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(56)对比文件陈逖 等.二维进气道不启动流场非定常特性的混合LES/RANS模拟.航空动力学报.2012,第27卷(第08期),第1792-1800页.

    一种基于切片的超声速无粘流动智能初场设置方法

    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

    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。

Patent Agency Ranking