公开(公告)号：CN114943192A

公开(公告)日：2022-08-26

申请号：CN202210390664.8

申请日：2022-04-14

Applicant: 西北工业大学

Inventor： 张伟伟 ,  曹文博 ,  高传强 ,  刘溢浪

IPC: G06F30/28 ,  G06F17/16 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于降阶模型和梯度优化的翼型流动不稳定定常解计算方法，首先构建翼型几何模型，划分网格，将网格导入CFD求解器进行流场计算；在CFD求解过程中保存流场快照；再计算流场快照的POD模态，对大于5阶的高阶模态进行截断，构造关于剩余POD模态的降阶模型；然后使用梯度优化最小化降阶模型的残差，得到使得降阶模型残差最小的一组POD模态系数，将POD模态系数反投影回物理空间得到一个新的流场；重复迭代直至流场收敛，得到翼型流动的不稳定定常解。本发明具有高效、鲁棒、且不依赖于参数的特点，除了翼型还可以用于计算各类不稳定流动的定常解。

公开(公告)号：CN119150720A

公开(公告)日：2024-12-17

申请号：CN202410971173.1

申请日：2024-07-19

Applicant: 西北工业大学

Inventor： 张伟伟 ,  宋家豪 ,  曹文博

IPC: G06F30/28 ,  G06F30/27 ,  G06N3/045 ,  G06N3/08 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种物体绕流模拟方法。它包括以下步骤：获取来流工况，构建物体的几何外形、计算区域；在计算区域内以及计算区域边界处采集约束点；计算约束点的距离特征、角度特征；构建距离特征全连接神经网络、角度特征全连接神经网络，并训练至收敛；将约束点的坐标分别输入训练完成的距离特征全连接神经网络、角度特征全连接神经网络，得到函数形式的距离特征、角度特征；构建用于绕流模拟的特征增强全连接神经网络，并训练至收敛；将约束点的坐标、距离特征、角度特征输入特征增强全连接神经网络，特征增强全连接神经网络输出对应绕流流场变量的值，完成物体绕流模拟。本发明在进行物体绕流模拟时收敛速度快，降低了计算成本。