[发明专利]流场数据计算方法、装置、计算设备及存储介质

说明书

本申请涉及一种流场数据计算方法、装置、计算设备及存储介质。该方法包括：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。本申请提供的方案，能够提高流场的计算效率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种流场数据计算方法、装置、计算设备及存储介质。

背景技术

计算流体动力学(Computational Fluid Dynamics，简称CFD)能够获得丰富的流场数据，是研究流体力学的重要手段。

相关技术中，同一个模拟对象的多工况仿真模拟，仿真模拟的次数多，而且仿真模拟的工况条件多、工况条件下的参数多，模拟对象在多工况仿真模拟的CFD流场计算的计算量大，导致相关技术模拟对象的CFD流场计算耗费较多的计算资源和计算时间，计算效率低下。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种流场数据计算方法、装置、计算设备及存储介质，能够提高流场的计算效率。

本申请第一方面提供一种流场数据计算方法，所述方法包括：

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。

优选的，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。

优选的，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。

优选的，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。

优选的，所述设定迭代算法包括共轭梯度迭代算法。

本申请第二方面提供一种流场数据计算装置，所述装置包括：

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。

优选的，所述装置还包括：