一种薄壳体曲面仿真方法、装置、设备及介质

    公开(公告)号:CN115048825A

    公开(公告)日:2022-09-13

    申请号:CN202210978182.4

    申请日:2022-08-16

    Abstract: 本申请公开了一种薄壳体曲面仿真方法、装置、设备及介质,涉及仿真技术领域,包括:基于曲面三角形网格中所有三角形的边长确定顶角并确定每个顶点的曲率;基于系统方程和曲率确定每个顶点满足第一条件下的共形因子,然后基于共形因子确定的当前边长确定当前顶角以得到顶点新曲率;当新曲率满足第二条件时,根据当前边长和顶角将目标三角形映射至二维平面,重新确定目标三角形至每个三角形均映射至二维平面;在映射后二维平面上生成块自适应笛卡尔网格,并逆映射为三维曲面上的块自适应笛卡尔网格,最后在薄壳体曲面上对物理场进行仿真。本申请中的块自适应笛卡尔网格满足高阶格式的构造需求以克服传统网格在薄壳体数值仿真方面的不足。

    一种基于深度学习的网格面质量检测方法

    公开(公告)号:CN112307673A

    公开(公告)日:2021-02-02

    申请号:CN202011205869.1

    申请日:2020-11-02

    Abstract: 本发明公开了一种基于深度学习的网格面质量检测方法,包括:S1.构建网格面数据集,并将建立的网格面数据集分为训练数据集和测试数据集;S2.标记训练数据,并标记网格面的质量好坏;S3.构建网格面质量检测网络并进行检测,得到训练好的网格面质量检测网络E’;S4.判别网格面质量,输出对网格面的质量判别;本方法在网格面质量检测的过程中,引入深度学习算法,能够自动高效和精准的进行多层次特征提取,有效克服了以往依赖复杂人工操作判断网格质量的缺点,且检测过程中能够根据给出的网格面离散坐标值预测出网格质量的好与坏,不依赖复杂的人工操作进行判断,经实验证明可达到97%的预测精度,具有自动化程度、检测精度高的特点。

    一种新型结构网格生成方法

    公开(公告)号:CN109461209A

    公开(公告)日:2019-03-12

    申请号:CN201811181201.0

    申请日:2018-10-11

    Abstract: 本发明提供了一种新型结构网格生成方法,本发明以已有的Delaunay三角化技术为基础来生成结构网格。首先,读入模型数据,取得计算区域的离散点集和边界信息;其次,对计算区域进行Delaunay三角剖分;然后,利用三角网格生成过渡网格:优化的Voronoi图;最后判断过渡网格单元类型,采用中心圆方法对网格单元进行剖分,生成结构化网格。本发明可以实现复杂区域的结构网格自动生成,并且拥有较高的计算精度,与传统方法相比减少了对人的依赖。Delauny三角化技术是一种比较成熟的非结构网格剖分技术,针对复杂区域能实现高效、快速的生成自适应和局部加密的高质量网格。本方法采用了三角化网格作为背景网格,因此也能够实现网格的自适应和局部加密。

    一种结构化四边形网格自动生成方法、装置、设备及介质

    公开(公告)号:CN118799528B

    公开(公告)日:2024-11-22

    申请号:CN202411281322.8

    申请日:2024-09-13

    Abstract: 本申请公开了一种结构化四边形网格自动生成方法、装置、设备及介质,涉及计算机技术领域,包括:利用预先训练好的目标强化学习模型对待处理多边形区域进行四边形子区域划分,以得到多个子区域;将各子区域分别作为新的待处理多边形区域,并重新跳转至所述基于所述对待处理多边形区域进行四边形子区域划分的步骤,直至满足预设递归划分终止条件时得到多个目标子区域;基于超限插值法在各目标子区域内进行结构化四边形网格生成;对得到的多个目标结构化四边形网格进行组装,并基于预设网格优化规则对得到的组装后网格进行优化,以得到与待处理多边形区域对应的目标网格。能够高效、可靠地实现复杂或非复杂的多边形区域的结构化四边形网格自动生成。

    基于神经网络的曲面参数化方法及装置

    公开(公告)号:CN116778027A

    公开(公告)日:2023-09-19

    申请号:CN202311055288.8

    申请日:2023-08-22

    Abstract: 本发明涉及一种基于神经网络的曲面参数化方法及装置,属于曲面参数化技术领域,该方法包括:给定网格曲面S、网格曲面S上各个网格顶点的目标曲率;计算网格曲面S中各条网格边的权重、各个网格顶点对应的曲率;构建并训练神经网络,获取参数最优化的神经网络;获取网格曲面S上各个网格顶点的共形因子变化量;获取网格曲面S对应的二维网格的目标度量,将目标度量映射到二维参数域上。本申请提供的方法及装置通过参数最优化的神经网络获取网格曲面上各个网格顶点的共形因子变化量,从而获取网格曲面对应的二维网格的目标度量,并将目标度量映射到二维参数域上,避免了网格规模增大复杂程度的增加会影响计算误差以及计算时间成本的问题。

Patent Agency Ranking