[發明專利]一種基于多變量融合的流場關鍵時間步提取與重構方法

有效

• 申請號: 202110787112.6
• 申請日: 2021-07-13
• 公開（公告）號: CN113688578B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 王岳青;王俊;王昉;楊志供;鄧亮;楊文祥;代喆
• 申請（專利權）人: 中國空氣動力研究與發展中心計算空氣動力研究所
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06F30/27;G06V10/77;G06N3/0464;G06F113/08;G06F119/14
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 陳法君

1.一種基于多變量融合的流場關鍵時間步提取與重構方法，其特征在于，所述流場關鍵時間步提取與重構方法包括：

S1：非定常流場數據的獲取和預處理；

S11：利用CFD數值模擬產生若干時間步長的流場數據，使用守恒形式的連續介質流動的控制方程納維-斯托克斯偏微分方程，獲得各時間步的二維流場數據；

S12：基于雅可比行列式的物理非均勻網格到計算平面的均勻網格轉換，獲得網格轉換后的非定常流場計算數據；

S2：針對步驟S1獲得的非定常流場數據，完成基于數據融合的多變量物理流場關鍵時間步的提取；

S21：構建自編碼器網絡模型，所述自編碼器網絡模型包括編碼部分和解碼部分，其中，編碼部分被配置為實現高維流場的降維處理，解碼部分被配置為對流場進行空間重構；

S22：基于流場中的速度場U、V和壓力場P，使用融合了物理變量U、V、P梯度信息的代價函數，完成自編碼器網絡模型的訓練，其中，U表示x軸方向的速度，V表示y軸方向的速度，P表示壓力；

S23：基于步驟S22訓練完成的自編碼器網絡模型對U、V、P三個變量進行降維處理，將高維流場轉換為低維特征，得到時間步的低維流場特征；

S24：將步驟S23得到的地為特征進行數據融合，對U、V、P按權重拼接，得到時間步流場的U、V、P三個視圖的融合特征；

S25：使用S24中得到的融合特征進行物理流場的關鍵時間步提取；

所述流場關鍵時間步提取與重構方法還包括：

S3：對多變量非定常流場進行時空信息重構；

S31：基于步驟S23獲得的時間步的低維流場特征和步驟S25中提取的關鍵時間步流場，對時間步的非定常流場進行重構；

S32：對非關鍵時間步的流場進行空間維度恢復；

使用步驟S2中獲得非關鍵時間步流場的低維特征，輸入到步驟S22中訓練得到的自編碼器中的解碼部分對低維特征進行解碼，獲得重構的高維流場；

所述步驟S3還包括：

S33：對非關鍵時間步的流場進行時間維度恢復，

使用S25中獲取的關鍵時間步流場對非關鍵時間步流場進行重構，使用S25中提取的關鍵時間步流場k及k+j，對k到k+j中間的第k+i(ij)個時間步流場進行重構，則第k+i個時間步長：

其中，f_k表示第k個時間步流場，f_k+j表示第k+j個時間步的流場，其中t_k表示第k個時間步時獲得流場數據。

2.如權利要求1所述的流場關鍵時間步提取與重構方法，其特征在于，所述步驟S25具體包括：

首先，對連續流場進行離散化；其次，計算流場任意兩幀之間的互信息；最后，使用動態規劃的方法進行關鍵時間步提取，得到指定數量的關鍵時間步流場。

3.如權利要求2所述的流場關鍵時間步提取與重構方法，其特征在于，使用動態規劃的方法進行關鍵時間步提取是從各時間步中查找從第一幀流場一直到最后一幀流場的距離之和的最短路徑，當距離之和最小時，則保留下來的流場為關鍵時間步的流場。

4.如權利要求1所述的流場關鍵時間步提取與重構方法，其特征在于，所述自編碼器網絡模型中，編碼部分包括一個輸入層、六個卷積層和兩個全連接層，解碼部分包括一個全連接層、一個重構層和六個反卷積層。