[发明专利]一种基于多变量融合的流场关键时间步提取与重构方法

权利要求书

1.一种基于多变量融合的流场关键时间步提取与重构方法，其特征在于，所述流场关键时间步提取与重构方法包括：

S1：非定常流场数据的获取和预处理；

S11：利用CFD数值模拟产生若干时间步长的流场数据，使用守恒形式的连续介质流动的控制方程纳维-斯托克斯偏微分方程，获得各时间步的二维流场数据；

S12：基于雅可比行列式的物理非均匀网格到计算平面的均匀网格转换，获得网格转换后的非定常流场计算数据；

S2：针对步骤S1获得的非定常流场数据，完成基于数据融合的多变量物理流场关键时间步的提取；

S21：构建自编码器网络模型，所述自编码器网络模型包括编码部分和解码部分，其中，编码部分被配置为实现高维流场的降维处理，解码部分被配置为对流场进行空间重构；

S22：基于流场中的速度场U、V和压力场P，使用融合了物理变量U、V、P梯度信息的代价函数，完成自编码器网络模型的训练，其中，U表示x轴方向的速度，V表示y轴方向的速度，P表示压力；

S23：基于步骤S22训练完成的自编码器网络模型对U、V、P三个变量进行降维处理，将高维流场转换为低维特征，得到时间步的低维流场特征；

S24：将步骤S23得到的地为特征进行数据融合，对U、V、P按权重拼接，得到时间步流场的U、V、P三个视图的融合特征；

S25：使用S24中得到的融合特征进行物理流场的关键时间步提取；

所述流场关键时间步提取与重构方法还包括：

S3：对多变量非定常流场进行时空信息重构；

S31：基于步骤S23获得的时间步的低维流场特征和步骤S25中提取的关键时间步流场，对时间步的非定常流场进行重构；

S32：对非关键时间步的流场进行空间维度恢复；

使用步骤S2中获得非关键时间步流场的低维特征，输入到步骤S22中训练得到的自编码器中的解码部分对低维特征进行解码，获得重构的高维流场；

所述步骤S3还包括：

S33：对非关键时间步的流场进行时间维度恢复，

使用S25中获取的关键时间步流场对非关键时间步流场进行重构，使用S25中提取的关键时间步流场k及k+j，对k到k+j中间的第k+i(ij)个时间步流场进行重构，则第k+i个时间步长：

其中，f_k表示第k个时间步流场，f_k+j表示第k+j个时间步的流场，其中t_k表示第k个时间步时获得流场数据。

2.如权利要求1所述的流场关键时间步提取与重构方法，其特征在于，所述步骤S25具体包括：

首先，对连续流场进行离散化；其次，计算流场任意两帧之间的互信息；最后，使用动态规划的方法进行关键时间步提取，得到指定数量的关键时间步流场。

3.如权利要求2所述的流场关键时间步提取与重构方法，其特征在于，使用动态规划的方法进行关键时间步提取是从各时间步中查找从第一帧流场一直到最后一帧流场的距离之和的最短路径，当距离之和最小时，则保留下来的流场为关键时间步的流场。

4.如权利要求1所述的流场关键时间步提取与重构方法，其特征在于，所述自编码器网络模型中，编码部分包括一个输入层、六个卷积层和两个全连接层，解码部分包括一个全连接层、一个重构层和六个反卷积层。