买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国空气动力研究与发展中心超高速空气动力研究所

摘要：本发明实施例涉及流场预测技术领域，特别涉及一种融合算子学习与卷积神经网络的流场预测方法。包括：构建带有流场数据标签的训练集；训练集中含有若干个训练数据，每一个训练数据对应一种飞行器的一组马赫数和攻角，以及流场数据标签；对训练集进行数据预处理，以确定每一个训练数据对应的来流条件和飞行器的外形信息；将每一个训练数据的来流条件、对应飞行器的所有网格点坐标、外形信息和流场数据标签输入至预先构建的融合神经网络中，以训练得到用于预测不同外形飞行器在不同来流马赫数和攻角下流场数据的预测模型；其中，融合神经网络包括依次连接的算子学习网络和卷积神经网络。本方案所提出的融合预测模型外形泛化性更好、精度也更高。

主权项：1.一种融合算子学习与卷积神经网络的流场预测方法，其特征在于，包括：构建带有流场数据标签的训练集；其中，所述训练集包含若干种外形的飞行器的马赫数范围和攻角范围，所述训练集中含有若干个训练数据，每一个训练数据对应一种飞行器的一组马赫数和攻角，以及该种飞行器在该组马赫数和攻角下所有网格点的流场数据标签；对所述训练集进行数据预处理，以确定每一个训练数据对应的来流条件和飞行器的外形信息；将每一个训练数据的来流条件、对应飞行器的所有网格点坐标、所述外形信息和所述流场数据标签输入至预先构建的融合神经网络中，以训练得到用于预测不同外形飞行器在不同来流马赫数和攻角下流场数据的预测模型；其中，所述融合神经网络包括依次连接的算子学习网络和卷积神经网络，所述算子学习网络用于基于来流条件和网格点坐标对流场数据进行初始映射，所述卷积神经网络用于基于初始映射结果和所述外形信息对流场数据进行最终预测；所述算子学习网络为DeepONet网络，所述卷积神经网络为U-Net网络；所述将每一个训练数据的来流条件、对应飞行器的所有网格点坐标、所述外形信息和所述流场数据标签输入至预先构建的融合神经网络中，以训练得到用于预测不同外形飞行器在不同来流马赫数和攻角下流场数据的预测模型，包括：针对每一个训练数据，均执行：将当前训练数据对应的来流条件输入至所述DeepONet网络的Branchnet分支中，以利用所述来流条件对流场数据进行初始映射；将对应飞行器的所有网格点坐标输入至所述DeepONet网络的Trunknet分支中，以利用网格点坐标对流场数据进行初始映射；将所述Branchnet分支和所述Trunknet分支的输出进行点积运算，得到初始流场数据；将所述初始流场数据与当前训练数据对应的外形信息进行拼接，并将拼接结果输入至所述U-Net网络的编码器；利用所述编码器对所述拼接结果进行多尺度特征提取，并将每一个尺度的特征提取结果输入至所述U-Net网络的解码器，以利用所述解码器对流场数据进行重构预测；基于所述解码器输出的流场数据和当前训练数据对应的所述流场数据标签，计算损失函数，以对所述DeepONet网络和所述U-Net网络的网络参数进行调整，直至得到符合预期的预测模型。

全文数据：

权利要求：

百度查询： 中国空气动力研究与发展中心超高速空气动力研究所 一种融合算子学习与卷积神经网络的流场预测方法