[发明专利]一种机器学习数据库的自动构建方法

说明书

本发明涉及计算机技术领域，特别涉及一种机器学习数据库自动构建方法，包括：建立模型和网格文件；制作Fluent脚本文件；制作CFD‑Post脚本文件；编写Python程序；启动批处理文件运行所述ANSYS脚本文件；所述Fluent脚本文件自动计算求解获得Fluent结果文件；所述CFD‑Post脚本文件自动后处理获得CFD‑Post结果文件。通过Python修改脚本和调用批处理文件，从而实现自动获取不同参数下的CFD仿真结果。弥补了数据库人工建模周期长、成本高、效率低的不足，节省了大量时间和人力，解决了CFD机器学习数据库的自动构建需求。

技术领域

本发明涉及计算机技术领域，特别涉及一种机器学习数据库自动构建方法。

背景技术

机器学习的实现必须建立在大量数据的基础上，因此获取大量数据是机器学习应用的基础。通常优质数据的获取会具有较大的难度，特别是在很多的专业领域，很少存在大量可直接运用的数据。因此，在多数情况下，科研人员需要自己创建大量用于机器学习的数据。

在CFD研究领域中，进行机器学习研发工作时，同样难以找到直接有用的大量数据，因此需要自己创建。但由于CFD数据的复杂性，每个有效的模拟结果文件都需要进行大量的操作以及长时间的运算。当需要得到成千上万条在不同情形下的数据时，每次都通过人工操作和设置，将花费大量时间精力。

发明内容

本发明所要解决的技术问题是现有用于机器学习的CFD数据库自动构建方法需要人工操作设置的问题。

为解决上述技术问题，本申请实施例公开了一种机器学习数据库的自动构建方法，包括：

建立模型和网格文件；

制作Fluent脚本文件；

制作CFD-Post脚本文件；

编写Python程序，所述Python程序用于读取和修改ANSYS脚本文件；

启动批处理文件运行所述ANSYS脚本文件；

通过所述批处理文件调用并执行所述Fluent脚本文件，所述Fluent脚本文件自动计算求解获得Fluent结果文件；

通过所述批处理文件调用并执行所述CFD-Post脚本文件，所述CFD-Post脚本文件自动后处理获得CFD-Post结果文件。

进一步的，所述建立模型和网格文件，包括：

通过ANSYS中的ICEM软件建立基础模型；

在所述基础模型上进行的网格划分；

将网格划分后的所述基础模型保存为.msh文件。

进一步的，所述制作Fluent脚本文件，包括：

启动Fluent脚本录制；

将所述.msh文件导入；

对所述.msh文件进行基础参数设置；

将计算结果保存为.cas文件和.dat文件；

结束所述Fluent脚本录制并生成.jou文件。

进一步的，所述制作CFD-Post脚本文件，包括：

启动CFD-Post脚本录制；

将所述.cas文件导入；

对所述.cas文件进行设置，定义后处理对象和变量；

生成后处理文件，所述后处理文件为.png图片或.csv文件；

导出所述后处理文件；