[发明专利]一种物体的流体力学参数计算方法、系统、设备以及介质有效
申请号: | 202210752299.0 | 申请日: | 2022-06-29 |
公开(公告)号: | CN114818549B | 公开(公告)日: | 2022-11-29 |
发明(设计)人: | 崔冰;刘羽 | 申请(专利权)人: | 苏州浪潮智能科技有限公司 |
主分类号: | G06F30/28 | 分类号: | G06F30/28;G06N3/04;G06N3/08;G06F113/08;G06F119/14 |
代理公司: | 北京连和连知识产权代理有限公司 11278 | 代理人: | 张元;宋薇薇 |
地址: | 215000 江苏省苏州*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 物体 流体力学 参数 计算方法 系统 设备 以及 介质 | ||
1.一种物体的流体力学参数计算方法,其特征在于,包括以下步骤:
利用第一RANS模型方程和NS控制方程在多个仿真参数下进行仿真得到多个流场数据,并利用第二RANS模型方程和所述NS控制方程在对应的仿真参数下进行仿真得到每一个流场数据对应的涡粘系数,其中,所述第二RANS模型方程中融合有转捩模型;
构建神经网络并将所述流场数据作为输入,对应的涡粘系数作为输出对所述神经网络进行训练;
获取待计算流体力学参数的模拟对象,并利用所述第一RANS模型方程和所述NS控制方程对所述模拟对象进行仿真得到流场数据;
将所述流场数据输入到训练好的神经网络中得到相应的涡粘系数并利用所述相应的涡粘系数和所述NS控制方程计算所述模拟对象的流体力学参数。
2.如权利要求1所述的方法,其特征在于,利用第一RANS模型方程和NS控制方程在多个仿真参数下进行仿真得到多个流场数据,进一步包括:
利用第一RANS模型方程和NS控制方程在不同攻角、不同马赫数和/或不同模拟对象下进行仿真得到多个流场数据,其中每一个流场数据均包括多个物理量。
3.如权利要求2所述的方法,其特征在于,将所述流场数据作为输入,对应的涡粘系数作为输出对所述神经网络进行训练,进一步包括:
从所述多个物理量中选择体现层流与湍流差异的若干个物理量作为输入。
4.如权利要求3所述的方法,其特征在于,所述若干个物理量为速度、压力、温度和/或密度。
5.如权利要求3所述的方法,其特征在于,将所述流场数据作为输入,对应的涡粘系数作为输出对所述神经网络进行训练,进一步包括:
将选择的所述若干个物理量进行归一化处理。
6.如权利要求1所述的方法,其特征在于,利用第一RANS模型方程和NS控制方程在多个仿真参数下进行仿真得到多个流场数据,进一步包括:
在第一密度网格下利用第一RANS模型方程和NS控制方程在多个仿真参数下进行仿真得到多个流场数据。
7.如权利要求6所述的方法,其特征在于,利用第二RANS模型方程和所述NS控制方程在对应的仿真参数下进行仿真得到每一个流场数据对应的涡粘系数,进一步包括:
在第二密度网格下利用第二RANS模型方程和所述NS控制方程在对应的仿真参数下进行仿真得到每一个流场数据对应的涡粘系数,其中,所述第二密度网格比所述第一密度网格密。
8.如权利要求7所述的方法,其特征在于,将所述流场数据作为输入,对应的涡粘系数作为输出对所述神经网络进行训练,进一步包括:
将在所述第二密度网格下得到的所述对应的涡粘系数插值到所述第一密度网格上并计算反双曲正弦函数以作为输出。
9.如权利要求1所述的方法,其特征在于,构建神经网络,进一步包括:
利用输入层、三层隐藏层和输出层构建所述神经网络。
10.如权利要求9所述的方法,其特征在于,还包括:
利用均方差公式计算损失函数,其中yi为预测值,ti为真实值;
其中,n为预测值或真实值的数量,i为预测值或真实值的编号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州浪潮智能科技有限公司,未经苏州浪潮智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210752299.0/1.html,转载请声明来源钻瓜专利网。