公开(公告)号：CN118013846A

公开(公告)日：2024-05-10

申请号：CN202410221309.7

申请日：2024-02-28

Applicant: 厦门大学

Inventor： 尤延铖 ,  鲍越 ,  邱若凡 ,  韩信 ,  楼锦华

IPC: G06F30/27 ,  G06F30/28 ,  G06F30/15 ,  G06N3/045 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0985 ,  G06F18/243 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 一种基于深度学习的宽域斜爆震射流起爆调控方法，涉及深度学习领域。在构建过渡起爆数据库的前提下利用深度学习实现不同工况不同射流条件下起爆情况的分类判别，并将其作为第一子网络。在对预测起爆区域概率最小的马赫数对应的射流动量比进行检验确定第一子网络的可靠性之后，利用该子网络自建数据库并搭建第二子网络，其输入为不同工况，输出倚靠第一子网络的知识来检索不同工况流场由非起爆到起爆的过渡点作为该工况下的合理射流动量比。以此实现快速寻找不同工况下射流的合理动量比。该方法不仅有望优化宽域斜爆震发动机性能，还在高超声速吸气式推进领域具有重要的工程应用价值。

公开(公告)号：CN117973036A

公开(公告)日：2024-05-03

申请号：CN202410138163.X

申请日：2024-01-31

Applicant: 厦门大学

Inventor： 邱若凡 ,  罗国笠 ,  李丹 ,  鲍越 ,  尤延铖 ,  毛志平

IPC: G06F30/20 ,  G06F30/28 ,  G06F17/11 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于PINNs的超声速进气道试验流场重构方法、装置及可读介质，包括：在超声速进气道试验流场中采集各个归一化后的坐标对应的物理参数的试验值，得到训练数据，物理参数包括压强、密度、温度、速度；构建基于PINNs的超声速进气道试验流场重构模型；构建粘性流动的物理控制方程，基于训练数据和粘性流动的物理控制方程构建总损失函数，采用总损失函数对超声速进气道试验流场重构模型进行训练，得到经训练的超声速进气道试验流场重构模型；获取超声速进气道试验流场的归一化后的坐标，将归一化后的坐标输入经训练的超声速进气道试验流场重构模型，得到坐标对应的物理参数的预测值。本发明不仅能有效提高重构的准确度，还能降低重构难度。

公开(公告)号：CN112597708B

公开(公告)日：2022-05-03

申请号：CN202011487219.0

申请日：2020-12-16

Applicant: 厦门大学

Inventor： 邱若凡 ,  鲍越 ,  周康 ,  尤延铖 ,  闫成

IPC: G06F30/28 ,  G06F30/17 ,  G06F30/15 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 一种考虑转捩扰动因素的γ‑Reθt转捩模型标定方法，涉及边界层流动转捩领域。提出一种可实现考虑粗糙颗粒、横流、尾迹等扰动因素γ‑Reθt转捩模型的通用标定方法，通过分析扰动因素的相关特征，引入转捩判据的通用形式通过建立转捩判据系数α与扰动因素特征参数关系数据库来拟合出二者的函数关系，在此基础上，转捩预测对象可基于扰动因素特征参数匹配出与之相适应的转捩判据。提高了γ‑Reθt转捩模型预测扰动因素影响下边界层转捩位置的精度，同时也扩展模型在不同扰动因素特征下的应用。

公开(公告)号：CN112597708A

公开(公告)日：2021-04-02

申请号：CN202011487219.0

申请日：2020-12-16

Applicant: 厦门大学

Inventor： 邱若凡 ,  鲍越 ,  周康 ,  尤延铖 ,  闫成

IPC: G06F30/28 ,  G06F30/17 ,  G06F30/15 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 一种考虑转捩扰动因素的γ‑Reθt转捩模型标定方法，涉及边界层流动转捩领域。提出一种可实现考虑粗糙颗粒、横流、尾迹等扰动因素γ‑Reθt转捩模型的通用标定方法，通过分析扰动因素的相关特征，引入转捩判据的通用形式通过建立转捩判据系数α与扰动因素特征参数关系数据库来拟合出二者的函数关系，在此基础上，转捩预测对象可基于扰动因素特征参数匹配出与之相适应的转捩判据。提高了γ‑Reθt转捩模型预测扰动因素影响下边界层转捩位置的精度，同时也扩展模型在不同扰动因素特征下的应用。

公开(公告)号：CN119066777A

公开(公告)日：2024-12-03

申请号：CN202411207749.3

申请日：2024-08-30

Applicant: 厦门大学

Inventor： 邱若凡 ,  杨淙崴 ,  杨心源 ,  鲍越 ,  尤延铖

IPC: G06F30/15 ,  G06F30/27 ,  G06F30/28 ,  G06N3/04 ,  G06N3/092 ,  G06F111/04 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种兼顾几何形状与空间布局的翼型参数化优化设计方法，涉及翼型设计技术领域，包括：首先在设计域中布置随机的单翼型得到大量的翼型组合形式；再进行CFD计算进行数据预处理；然后利用所获数据训练代理模型，使其对更多翼型组合的气动性能进行预测，以获得后续优化设计所需的数据库；最后在代理模型的基础上，将升力系数、阻力系数和升阻比作为优化目标，构建子优化问题的数学模型，对参数化的翼型组合进行气动优化设计。本发明突破了传统气动优化方法在设计空间上的局限性，同时兼顾几何形状和空间拓扑两个要素进行气动设计与优化，能够显著提升翼型性能。

公开(公告)号：CN118013883A

公开(公告)日：2024-05-10

申请号：CN202410181492.2

申请日：2024-02-18

Applicant: 厦门大学

Inventor： 陈荣钱 ,  楼锦华 ,  柳家齐 ,  鲍越 ,  尤延铖 ,  卢晓图 ,  赵芳玲

IPC: G06F30/28 ,  G06N3/0464 ,  G06N3/094 ,  G06F18/214 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开一种翼型气动力系数迟滞回线预测方法、装置、介质及产品，涉及深度迁移学习技术领域，所述方法包括：获取目标域中目标翼型在目标减缩频率下进行正弦俯仰振荡运动的所有目标样本；利用各目标样本对代理模型进行训练，得到目标域对应的气动力系数迟滞回线预测模型；获取目标域中目标翼型在目标减缩频率下进行正弦俯仰振荡运动的测试图像；将测试图像输入至目标域对应的气动力系数迟滞回线预测模型中，得到测试图像对应的预测气动力系数迟滞回线。本发明减少了新条件下翼型气动力系数迟滞回线预测所需的样本量，缓解了小样本下预测失真的问题。

公开(公告)号：CN112597709B

公开(公告)日：2022-05-03

申请号：CN202011487253.8

申请日：2020-12-16

Applicant: 厦门大学

Inventor： 邱若凡 ,  周康 ,  鲍越 ,  尤延铖 ,  闫成

IPC: G06F30/28 ,  G06F30/17 ,  G06F30/15 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 一种考虑转捩扰动因素的涡轮叶栅流道CFD计算方法，属于涡轮叶栅边界层稳定性分析及转捩预测技术领域。通过基于γ‑Reθt转捩模型的转捩判据系数标定转捩模型，开展多组仿真计算，建立转捩判据系数与表面粗糙度、上游尾迹以及横流效应等转捩扰动因素特征参数的仿真数据库，拟合出转捩判据系数关于转捩扰动因素特征参数的函数fnew(Ra,wu,Ce)，对未用来建立数据库的涡轮叶栅进行数值计算，进一步修正CFD计算方法，提升其预测具有表面粗糙度、上游尾迹以及横流效应等扰动因素的涡轮叶栅边界层转捩的能力。实现对涡轮叶栅流道CFD计算的准确预测，对涡轮叶栅边界层转捩分析及涡轮设计的相关研究具有良好的指导意义。

公开(公告)号：CN117610631A

公开(公告)日：2024-02-27

申请号：CN202311666236.4

申请日：2023-12-06

Applicant: 厦门大学

Inventor： 尤延铖 ,  鲍越 ,  邱若凡 ,  楼锦华 ,  毛志平

IPC: G06N3/08 ,  G06N3/04 ,  G06F17/11

Abstract: 本发明公开了一种基于欠定方程物理约束的神经网络训练方法、物理场重构方法及装置，获取训练数据，其中输入数据为物理场中的自变量，输出数据为对应的物理场中的可知物理量的真实值；构建基于神经网络的物理场重构模型，物理场重构模型的输入数据数据为物理场中的自变量，物理场重构模型的输出数据为物理场中的可知物理量的预测值和未知物理量的预测值；损失函数包括可知物理量的预测值与可知物理量的真实值之间的差距以及基于未知物理量的预测值所构成的欠定方程物理约束；采用训练数据对物理场重构模型进行训练，直至损失函数收敛，得到经训练的物理场重构模型，能满足利用部分已知信息包括物理信息模糊的方程与局部已知解进行物理场重构的需求。

公开(公告)号：CN116362108A

公开(公告)日：2023-06-30

申请号：CN202310116158.4

申请日：2023-02-15

Applicant: 厦门大学

Inventor： 尤延铖 ,  翁聿欣 ,  邱若凡 ,  鲍越 ,  毛志平

IPC: G06F30/27 ,  G01D21/02 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于试验数据的斜爆震流场重构方法及系统，方法包括：构建用于斜爆震流场重构的基于物理信息的神经网络PINNs；包括定义神经网络的结构和损失函数；获取斜爆震试验中测量得到的试验数据，基于所述试验数据生成训练数据集；使用所述训练数据集对基于物理信息的神经网络PINNs进行训练，重构得到使得所述损失函数最小的斜爆震流场。本发明通过已知部分斜爆震流场的壁面压力以及密度梯度等数据，利用PINNs捕捉流场信息进行斜爆震流场还原，实现根据少量试验测点数据重构整个斜爆震流场。

公开(公告)号：CN116227344A

公开(公告)日：2023-06-06

申请号：CN202310116159.9

申请日：2023-02-15

Applicant: 厦门大学

Inventor： 邱若凡 ,  翁聿欣 ,  尤延铖 ,  鲍越 ,  毛志平

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01D21/02

Abstract: 本发明公开一种基于深度神经网络的斜爆震流场求解方法及系统，方法包括：建立流场数据库；构建用于斜爆震流场求解的DeepM&Mnet框架；基于所述流场数据库，分别对两个DeepONets预训练网络进行训练，获得使得第二损失函数最小的网络，作为训练好的第一预训练网络和训练好的第二预训练网络；基于已知流场数据和DeepM&Mnet框架，通过逆向求解和/或正向求解获得斜爆震流场。本发明将多种工况的斜爆震流场数据采用DeepONets进行预训练，在此基础上，利用含有物理约束的DeepM&Mnet进行求解，从而实现在边界信息不足的情况下可基于少量数据求解斜爆震流场。