[发明专利]气动建模方法、系统及装置

权利要求书

1.一种气动建模方法，其特征在于，包括，

S1、获取气动力数据训练集和验证集；

S2、建立机器学习模型，设定机器学习模型的参数；

S3、将训练集输入机器学习模型，评估机器学习效率和精度；

S4、改变机器学习模型的参数，直到机器学习效率和精度达到最优，形成基于REPTILE的气动建模内部循环；

S5、在内部循环外加入元学习循环，使得模型在不同组的训练集之间来回学习；

S6、通过机器学习，获得元学习的损失函数，直至损失函数收敛，得到基于REPTILE的气动模型，若学习发散，改变机器学习模型的参数，直至损失函数收敛。

2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：

S11、根据不同种类飞行器的特点生成CFD数值模拟所需气动计算网格；

S12、根据不同种类飞行器流动特点选取空间离散格式、时间推进格式、湍流模型、预处理和熵修正气动设置项进行初步气动计算，获得气动力与流场，所述流场包括压力、密度、温度、能量和速度；

S13、根据所述流场与所述气动力进行网格加密，直至气动力不变；

S14、模拟飞行器在不同攻角下的静态流场，获取飞行器静态气动力；

S15、将静态流场作为初场，模拟飞行器在不同攻角和振荡频率下的大振幅运动，并记录气动力随姿态变化数据得到气动力数据训练集和验证集。

3.根据权利要求2所述的方法，其特征在于，所述S2具体包括：建立机器学习模型，设定机器学习模型的学习层数、每层神经元个数、损失函数优化方法参数。

4.根据权利要求3所述的方法，其特征在于，所述S11具体包括：采用Pointwise网格生成软件根据不同种类飞行器的特点生成CFD数值模拟所需气动计算网格，网格形式为结构网格。

5.一种气动建模系统，其特征在于，包括，

获取模块：用于获取气动力数据训练集和验证集；

建立模块；用于建立机器学习模型，设定机器学习模型的参数；

评估模块：用于将训练集输入机器学习模型，评估机器学习效率和精度；

最优模块：用于改变机器学习模型的参数，直到机器学习效率和精度达到最优，形成基于REPTILE的气动建模内部循环；

元学习模块：用于在内部循环外加入元学习循环，使得模型在不同组的训练集之间来回学习；

收敛模块：用于通过机器学习，获得元学习的损失函数，直至损失函数收敛，得到基于REPTILE的气动模型，若学习发散，改变机器学习模型的参数，直至损失函数收敛。

6.根据权利要求5所述的系统，其特征在于，所述获取具体包括：

根据不同种类飞行器的特点生成CFD数值模拟所需气动计算网格；

根据不同种类飞行器流动特点选取空间离散格式、时间推进格式、湍流模型、预处理和熵修正气动设置项进行初步气动计算，获得气动力与流场，所述流场包括压力、密度、温度、能量和速度；

根据所述流场与所述气动力进行网格加密，直至气动力不变；

模拟飞行器在不同攻角下的静态流场，获取飞行器静态气动力；

将静态流场作为初场，模拟飞行器在不同攻角和振荡频率下的大振幅运动，并记录气动力随姿态变化数据得到气动力数据训练集和验证集。

7.根据权利要求6所述的系统，其特征在于，所述建立模块具体用于：建立机器学习模型，设定机器学习模型的学习层数、每层神经元个数、损失函数优化方法参数。

8.根据权利要求7所述的系统，其特征在于，所述建立模块具体用于：采用Pointwise网格生成软件根据不同种类飞行器的特点生成CFD数值模拟所需气动计算网格，网格形式为结构网格。

9.一种气动建模装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的气动建模方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至4中任一项所述的气动建模方法的步骤。