公开(公告)号：CN115470726A

公开(公告)日：2022-12-13

申请号：CN202211119244.2

申请日：2022-09-13

Applicant: 西北工业大学

Inventor： 钟家祥 ,  屈峰 ,  孙迪 ,  王梓瑞 ,  田洁华 ,  白俊强

IPC: G06F30/28 ,  G06F30/27 ,  G06F30/23 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明提出一种基于深度学习的高超声速进气道流场快速预测方法，以深度学习为基础，建立高超声速进气道流场快速预测模型，直接利用壁面压力传感器数据进行流场预测，应用于高超声速进气道流场的快速/实时预测和进气道状态的准确判断。相比于传统基于CFD方法获取流场，基于该方法可快速得到具有高精度、高准确性的高超声速进气道流场。此外，该方法从高超声速飞行器的实际飞行状态出发，以进气道壁面的压力传感器得到的实时壁面压力数据作为输入，可实现高超声速进气道流动状态的实时判定以及进气道流场的实时监测，进而保障飞行器的安全、高效运行。

公开(公告)号：CN112100835A

公开(公告)日：2020-12-18

申请号：CN202010925232.3

申请日：2020-09-06

Applicant: 西北工业大学

Inventor： 屈峰 ,  周伯霄 ,  孙迪 ,  白俊强 ,  王梓瑞

IPC: G06F30/20 ,  G06F17/13 ,  G06F111/10

Abstract: 本发明提供一种适用于复杂流动的高精度数值模拟方法,通过采用二维空间模板插值的方式，完成高阶重构多项式的构造，解决了多维黎曼求解器中所需的重构变量无法由传统适用于结构化网格的高阶格式直接求解的弊端，提高波系结构的分辨率以及计算稳定CFL数；并优选通过采用间断探测技术，有效提高了程序的求解效率。本发明能够在解的光滑区域保持一致的时空高阶精度，基本无震荡地完成对流场间断的捕捉并保证流场解的多维特性保持良好。

公开(公告)号：CN116306206B

公开(公告)日：2025-04-22

申请号：CN202211381140.9

申请日：2022-11-06

Applicant: 西北工业大学

Inventor： 孙迪 ,  王梓瑞 ,  田洁华 ,  屈峰 ,  白俊强

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明提出一种基于深度神经网络的翼型跨音速抖振流场快速预测方法，包括生成非定常流场样本集；构造用于非定常流场快速预测的神经网络模型；对构造好的神经网络模型进行训练；将训练好的深度神经网络用于非定常流场的快速预测。本发明采用基于计算网格的流场信息作为神经网络模型的输入，预测未来时刻的流场信息，相比于基于图片或均匀网格的输入，在同样数据量的标准下具有更高的分辨率，从而模型具备更高的预测精度。本发明根据关心的流场区域，使用简化的插值网格，将流场参数插值到该网格上，用于非定常流场的预测，可以在保证非定常流场预测精度的同时，尽可能减少数据点数和时间耗费，提高效率。

公开(公告)号：CN116306206A

公开(公告)日：2023-06-23

申请号：CN202211381140.9

申请日：2022-11-06

Applicant: 西北工业大学

Inventor： 孙迪 ,  王梓瑞 ,  田洁华 ,  屈峰 ,  白俊强

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明提出一种基于深度神经网络的翼型跨音速抖振流场快速预测方法，包括生成非定常流场样本集；构造用于非定常流场快速预测的神经网络模型；对构造好的神经网络模型进行训练；将训练好的深度神经网络用于非定常流场的快速预测。本发明采用基于计算网格的流场信息作为神经网络模型的输入，预测未来时刻的流场信息，相比于基于图片或均匀网格的输入，在同样数据量的标准下具有更高的分辨率，从而模型具备更高的预测精度。本发明根据关心的流场区域，使用简化的插值网格，将流场参数插值到该网格上，用于非定常流场的预测，可以在保证非定常流场预测精度的同时，尽可能减少数据点数和时间耗费，提高效率。

公开(公告)号：CN112784508A

公开(公告)日：2021-05-11

申请号：CN202110185855.6

申请日：2021-02-12

Applicant: 西北工业大学

Inventor： 孙迪 ,  屈峰 ,  王梓瑞 ,  田洁华 ,  白俊强

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

Abstract: 本发明提出一种基于深度学习的翼型流场快速预测方法，包括生成样本数据集；基于该数据集搭建深度学习神经网络模型；将搭建好的深度神经网络用于翼型流场的快速预测。本发明只截取了翼型近场流动参数变化明显的网格用于神经网络模型的训练和测试，与现有技术相比，可以在保证流场特征提取和流场参数预测精度的同时，尽可能减少数据点数和时间耗费，提高效率；而且本发明搭建的多层感知器神经网络模型，与现有技术相比，可以刻画更复杂的非线性关系，提高翼型流场特征的分辨度，有助于对流场特征的精确识别。本发明旨在针对同一基准翼型衍生的系列翼型构造和训练神经网络，具有高度的针对性，从而能对同系列翼型流场进行快速、准确预测。

公开(公告)号：CN112100835B

公开(公告)日：2022-06-14

申请号：CN202010925232.3

申请日：2020-09-06

Applicant: 西北工业大学

Inventor： 屈峰 ,  周伯霄 ,  孙迪 ,  白俊强 ,  王梓瑞

IPC: G06F30/20 ,  G06F17/13 ,  G06F111/10

Abstract: 本发明提供一种适用于复杂流动的高精度数值模拟方法,通过采用二维空间模板插值的方式，完成高阶重构多项式的构造，解决了多维黎曼求解器中所需的重构变量无法由传统适用于结构化网格的高阶格式直接求解的弊端，提高波系结构的分辨率以及计算稳定CFL数；并优选通过采用间断探测技术，有效提高了程序的求解效率。本发明能够在解的光滑区域保持一致的时空高阶精度，基本无震荡地完成对流场间断的捕捉并保证流场解的多维特性保持良好。

公开(公告)号：CN116341384A

公开(公告)日：2023-06-27

申请号：CN202310321267.X

申请日：2023-03-29

Applicant: 西北工业大学

Inventor： 孙迪 ,  金昱龙 ,  屈峰 ,  王梓瑞 ,  白俊强

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明涉及计算流体力学领域和人工智能领域，提出一种基于改进Unet网络的非定常流场预测方法，具体包括以下步骤：步骤1，对非定常流场采样；步骤2，构建混合神经网络U‑ConvLSTM；步骤3，训练混合神经网络U‑ConvLSTM；步骤4，采用混合神经网络U‑ConvLSTM对非定常流场进行预测。