[发明专利]流场数据计算方法、装置、计算设备及存储介质

权利要求书

1.一种流场数据计算方法，其特征在于，包括：

将模拟对象在待处理工况的设定参数输入神经网络预测模型，获得所述神经网络预测模型输出的所述模拟对象在所述待处理工况的预测流场数据；

依据所述待处理工况的设定参数，以所述预测流场数据为初始数据，采用设定迭代算法获得所述模拟对象在所述待处理工况的流场数据。

2.根据权利要求1所述的方法，其特征在于，获得所述神经网络预测模型的步骤包括：

依据多个不同设定工况的设定参数，使用设定算法，分别获得所述模拟对象在所述多个不同设定工况的多个不同流场结果数据；

以所述多个不同设定工况的设定参数、所述多个不同流场结果数据为训练集，将所述训练集输入预先设置的神经网络；

获得所述神经网络分别依据所述多个不同设定工况的设定参数输出的多个输出值；

利用所述多个输出值、所述多个不同流场结果数据，采用机器学习模型对所述神经网络进行训练，获得所述神经网络预测模型。

3.根据权利要求1所述的方法，其特征在于，所述依据所述待处理工况的设定参数，以所述预测流场数据为初始数据，采用设定迭代算法获得所述模拟对象在所述待处理工况的流场数据，包括：

依据所述待处理工况的设定参数，以所述预测流场数据为初始数据，采用所述设定迭代算法进行迭代计算，获得所述模拟对象在所述待处理工况的待计算流场数据；

如果所述待计算流场数据的残差小于设定阈值，将所述待计算流场数据确定为所述模拟对象在所述待处理工况的流场数据。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

依据所述模拟对象在所述待处理工况的流场数据、预测流场数据，对所述神经网络预测模型进行训练。

5.根据权利要求1所述的方法，其特征在于，所述设定迭代算法包括共轭梯度迭代算法。

6.一种流场数据计算装置，其特征在于，包括：

预测模块，用于将模拟对象在待处理工况的设定参数输入神经网络预测模型，获得所述神经网络预测模型输出的所述模拟对象在所述待处理工况的预测流场数据；

数据处理模块，用于依据所述待处理工况的设定参数，以所述预测模块获得的预测流场数据为初始数据，采用设定迭代算法获得所述模拟对象在所述待处理工况的流场数据。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第一训练模块，用于依据多个不同设定工况的设定参数，使用设定算法，分别获得所述模拟对象在所述多个不同设定工况的多个不同流场结果数据；以所述多个不同设定工况的设定参数、所述多个不同流场结果数据为训练集，将所述训练集输入预先设置的神经网络；获得所述神经网络分别依据所述多个不同设定工况的设定参数输出的多个输出值；利用所述多个输出值、所述多个不同流场结果数据，采用机器学习模型对所述神经网络进行训练，获得所述神经网络预测模型。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二训练模块，用于依据所述数据处理模块获得的所述模拟对象在所述待处理工况的流场数据、所述预测模块获得的所述模拟对象在所述待处理工况的预测流场数据，对所述神经网络预测模型进行训练。

9.一种计算设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-5中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有可执行代码，当所述可执行代码被计算设备的处理器执行时，使所述处理器执行如权利要求1-5中任一项所述的方法。