[发明专利]一种基于计算流体动力学和卷积神经网络的鱼道设计方法

权利要求书

1.一种基于计算流体动力学和卷积神经网络的鱼道设计方法，其特征在于：包括如下四个阶段：第一阶段，流场信息与目标鱼游动轨迹的同步测量和记录；第二阶段：建立鱼类感知模型；第三阶段：建立目标鱼类在变化水流环境下的刺激响应神经网络模型；第四阶段：将第三阶段获得的刺激响应神经网络模型(21)，应用于几何体型发生改变或者水流边界条件产生变化的鱼道中，变化的鱼道流场通过计算流体动力学技术获取，鱼类的运动轨迹通过刺激响应神经网络模型结合流场预测；

所述的第一阶段，流场信息与目标鱼游动轨迹的同步测量和记录：通过双脉冲激光源(11)产生间隔Δt的双脉冲激光光束，激光光束经过片光光学器件(6)之后，生成片光(10)，片光(10)照射在携带有示踪粒子的水流(9)之后发生散射，形成粒子被照亮的拍摄区域(8)，CCD摄像机(3)同时记录下粒子被照亮的拍摄区域(8)和目标鱼(7)，CCD摄像机(3)的拍摄时间和双脉冲激光源(11)产生双脉冲激光的时间通过同步器(2)控制，同步器(2)和CCD摄像机(3)由计算机(1)控制各类参数，CCD摄像机(3)记录的图像通过计算机(1)进行粒子图像相关运算，最终获得不同时刻片光(10)所在位置的二维流速场；计算机(1)保存各时刻的二维流速场和目标鱼(7)的位置信息。

2.根据权利要求1所述的基于计算流体动力学和卷积神经网络的鱼道设计方法，其特征在于：所述的第二阶段：建立鱼类感知模型：在较长的时段T内，T的大小参考鱼类在鱼道中平均花费的上溯时间，根据轨迹的特点，将时段T分解成n个子段，Δt_i＝t_i－t_i-1，i＝1，2，…，n-2，n-1，n；

在上述第一阶段所录制的轨迹上，确定与离散时间点t_i相对应的鱼的空间坐标，形成位置坐标矢量序列S_j，j＝0，1，2，…，n-2，n-1，n；S_j粗体表示矢量；

在时间间隔序列Δt_i内，计算目标鱼类的运动速度矢量序列V_i＝(S_i－S_i-1)/Δt_i；

其中，目标鱼沿着轨迹(15)运动，在t_i-1时刻，目标鱼位于S_i-1处(14)，经过Δt_i之后，即t_i时刻，目标鱼运动到S_i处(13)；t_i-1时刻，位于S_i-1处(14)的目标鱼水流感知范围(12)是以水流感知距离SQD_i-1为半径的圆构成，令SQD_i-1＝max{L_f，|S_i－S_i-1|}，其中L_f是目标鱼的一倍体长，|S_i－S_i-1|表示Δt_i时段内，试验录制轨迹(15)上目标鱼的位移大小，即t_i-1时刻、位于S_i-1处(14)的目标鱼，对其周围流场的感知距离SQD_i-1，取值为一倍鱼体长和|S_i－S_i-1|两者中的极大值。

3.根据权利要求1所述的基于计算流体动力学和卷积神经网络的鱼道设计方法，其特征在于：所述的第三阶段：建立目标鱼类在变化水流环境下的刺激响应神经网络模型：模型由输入数据层(16)，卷积层(17)，汇集层(18)，完全连接层(19)和输出层(20)构成；其中，t_i-1时刻，水流感知范围(12)内的流场信息作为神经网络的输入数据层(16)，SQD_i-1和V_i作为神经网络的输出(20)，建立一个样本，因此时段T内，共有n个样本，70％的样本用于学习和训练，15％用于通用性验证，15％用于对神经网络的性能进行测评，最后通过深度学习获得目标鱼类在变化水流环境下的刺激响应神经网络模型(21)。

4.根据权利要求1所述的基于计算流体动力学和卷积神经网络的鱼道设计方法，其特征在于：所述的第四阶段：将第三阶段获得的刺激响应神经网络模型(21)，应用于几何体型发生改变或者水流边界条件变化的鱼道中，变化的鱼道流场通过计算流体动力学技术获取；

鱼类的运动轨迹通过第二阶段中使用的公式V_i＝(S_i－S_i-1)/Δt_i获取，在时刻t_i-1，目标鱼所在的位置为S_i-1处(14)，通过刺激响应神经网络模型(21)预测每个时间步长内Δt_i对应的V_i数值，则在时刻t_i，目标鱼对应的位置为S_i＝S_i-1+V_i·Δt_i，重复上述过程，获得T时段内，目标鱼轨迹对应的坐标矢量序列S_j，j＝0，1，2，…，n-2，n-1，n；通过分析大量预测轨迹结果，可获知鱼道设计中目标鱼类的滞留时间和研究时段T内的通过效率，从而获得鱼道性能的定量评价结果。