公开(公告)号：CN113688578B

公开(公告)日：2023-05-23

申请号：CN202110787112.6

申请日：2021-07-13

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 王岳青 ,  王俊 ,  王昉 ,  杨志供 ,  邓亮 ,  杨文祥 ,  代喆

IPC: G06F30/28 ,  G06F30/27 ,  G06V10/77 ,  G06N3/0464 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于多变量融合的流场关键时间步提取与重构方法，所述流场关键时间步提取与重构方法包括：S1：非定常流场数据的获取和预处理；S2：针对步骤S1获得的非定常流场数据，完成基于数据融合的多变量物理流场关键时间步的提取；S3：对多变量非定常流场进行时空信息重构。通过本发明方法实现了快速准确的对多个时间步的流场进行关键时间步选取的目的。

公开(公告)号：CN111651930B

公开(公告)日：2022-10-18

申请号：CN202010376762.7

申请日：2020-05-07

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 王俊 ,  王岳青 ,  郭磊 ,  王昉 ,  邓亮 ,  曾磊

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/08

Abstract: 本发明提供了一种基于极限学习机的流场涡区域检测方法，包括：步骤1、根据流场数据的速度场和物理坐标计算涡量场，对流场内所有物理网格点进行旋涡区域标记，得到标签数据；步骤2、对涡量场进行网格转换，得到计算网格下的涡量场；步骤3、对计算网格下的涡量场进行归一化操作；步骤4、对归一化后的涡量场和标签数据采样得到采样数据；步骤5、构建极限学习机网络模型，利用采样数据对该模型进行训练，得到流场涡检测网络模型；步骤6、对待测流场采样，将采样数据输入网络模型进行涡区域检测，输出检测结果。本发明采用逐块判断减少了数据重复计算，减少了单个流场的检测时间，同时减少了神经网络中的参数量，使得网络的训练时间变快。

公开(公告)号：CN113688578A

公开(公告)日：2021-11-23

申请号：CN202110787112.6

申请日：2021-07-13

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 王岳青 ,  王俊 ,  王昉 ,  杨志供 ,  邓亮 ,  杨文祥 ,  代喆

IPC: G06F30/28 ,  G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于多变量融合的流场关键时间步提取与重构方法，所述流场关键时间步提取与重构方法包括：S1：非定常流场数据的获取和预处理；S2：针对步骤S1获得的非定常流场数据，完成基于数据融合的多变量物理流场关键时间步的提取；S3：对多变量非定常流场进行时空信息重构。通过本发明方法实现了快速准确的对多个时间步的流场进行关键时间步选取的目的。

公开(公告)号：CN111651930A

公开(公告)日：2020-09-11

申请号：CN202010376762.7

申请日：2020-05-07

Applicant: 中国空气动力研究与发展中心计算空气动力研究所 ,  电子科技大学

Inventor： 王俊 ,  王岳青 ,  郭磊 ,  王昉 ,  邓亮 ,  曾磊

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/08

Abstract: 本发明提供了一种基于极限学习机的流场涡区域检测方法，包括：步骤1、根据流场数据的速度场和物理坐标计算涡量场，对流场内所有物理网格点进行旋涡区域标记，得到标签数据；步骤2、对涡量场进行网格转换，得到计算网格下的涡量场；步骤3、对计算网格下的涡量场进行归一化操作；步骤4、对归一化后的涡量场和标签数据采样得到采样数据；步骤5、构建极限学习机网络模型，利用采样数据对该模型进行训练，得到流场涡检测网络模型；步骤6、对待测流场采样，将采样数据输入网络模型进行涡区域检测，输出检测结果。本发明采用逐块判断减少了数据重复计算，减少了单个流场的检测时间，同时减少了神经网络中的参数量，使得网络的训练时间变快。