一种基于物理驱动参数化代理模型的射流噪声预测方法及装置

    公开(公告)号:CN117725728A

    公开(公告)日:2024-03-19

    申请号:CN202311590494.9

    申请日:2023-11-27

    Abstract: 本发明公开了一种基于物理驱动参数化代理模型的射流噪声预测方法及装置,首先构建基于物理信息的神经网络,并设置物理问题,包括以射流流场空间坐标、工况参数和几何参数为输入,以射流流场速度、压力以及基于零方程湍流模型和涡粘假设得到的湍流参数为输出,建立符合物理规律的从设计参数到射流流场变量的函数;然后依据神经网络得到的速度、压力、湍流参数数据以及声学模型计算噪声相关衡量指标,根据噪声大小及可变参数对射流噪声的影响进行分析。本发明无需进行复杂且耗时长久的网格划分过程,可以在参数空间内更加准确高效的探究参数变化对于噪声评估参数的影响。

    一种基于物理驱动参数化代理模型的导流板优化设计方法及装置

    公开(公告)号:CN117744330A

    公开(公告)日:2024-03-22

    申请号:CN202311590508.7

    申请日:2023-11-27

    Abstract: 本发明公开了一种基于物理驱动参数化代理模型的导流板优化设计方法及装置,首先确认导流板所在流场环境的边界条件和基本物性,以及导流板设计参数取值范围,并定义需求的物理场变量和性能指标;然后建立物理驱动神经网络模型,基于反向传播计算各物理场变量关于时空坐标的偏微分,带入控制方程计算残差,训练调整神经元权重;最后用训练得到的推理模型参数化求解导流板周围各种情况下的流场,并进一步求解最优化的导流板摆放位置和几何外型设计参数。本发明仅用一步参数化流场无监督学习,替代了传统数值模拟仿真方法的一系列重复性人工操作,而且本发明方法不需要提前收集任何训练数据,因此总体建模和仿真设计周期都被大幅缩短。

    一种基于物理驱动参数化代理模型的燃烧系统优化设计方法

    公开(公告)号:CN116542164A

    公开(公告)日:2023-08-04

    申请号:CN202310722470.8

    申请日:2023-06-19

    Abstract: 本发明公开了一种基于物理驱动参数化代理模型的燃烧系统优化设计方法,首先获取燃烧系统的空间坐标和设计参数,并定义需求的独立物理场变量、非独立物理场和性能指标;然后建立基于PINNs的物理驱动神经网络模型,基于神经网络反向传播计算各个物理场变量关于时空坐标的偏微分,带入控制方程计算残差,训练调整每个神经元内的权重参数;最后将训练好的权重参数代入模型,得到训练后的推理模型,进行燃烧系统的燃烧场参数化求解。本发明仅用一步PINNs参数化燃烧场无监督学习,替代了传统数值模拟仿真方法的一系列人工操作,而且由于该物理驱动机器学习方法不需要提前收集任何训练数据,因此总体建模和仿真设计周期都被大幅缩短。

    一种血流动力学参数快速获取方法及装置

    公开(公告)号:CN118626258A

    公开(公告)日:2024-09-10

    申请号:CN202410736301.4

    申请日:2024-06-07

    Applicant: 浙江大学

    Abstract: 本发明公开了一种血流动力学参数快速获取方法及装置,对生物流体力学领域的仿真结果进行后处理,可以快速高效地获得预设的生物流体力学领域的感兴趣参数。与传统技术相比较,本发明方法将血流动力学计算方法模块化,可以最大限度减少研究人员在计算血流动力学参数的过程中花费的时间,将研究重点聚焦于对获取的血流动力学参数的结果讨论部分。

Patent Agency Ranking