龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：湖南大学
摘要：本发明将深度学习算法用于流体力学领域，公开一种基于稀疏传感数据与物理知识融合的流场重构方法及系统，实现少量传感数据点情况下的全域精细化流场重构。方法包括：针对不同场景且不同雷诺数情况下的流场得到预训练模型；基于目标应用场景对预训练模型进行下游任务微调，在微调过程中，将纳维－斯托克斯方程和流场所对应的雷诺数，通过数值微分以近似对应的偏导项的方式嵌入物理损失函数中，然后再将物理失函数与预训练损失函数分别乘以相应的权重以得到流场重构模型的总损失函数；最后将目标应用场景中稀疏部署的各传感器所采集的实时数据，结合传感器的位置并输入流场重构模型中，得到重构出的全域精细化流场。
主权项：1.一种基于稀疏传感数据与物理知识融合的流场重构方法，其特征在于，包括：步骤S1、构建第一数据集，所述第一数据集包含不同场景且不同雷诺数情况下的流场；步骤S2、根据所述数据集进行预训练，得到初始模型；所述初始模型采用编码器与解码器解耦的架构；其中，在预训练过程中，所述编码器将流场通过掩码处理后剩余的块连同剩余各块所对应的位置编码映射到潜在表示，所述解码器再根据该潜在表示重构流场，对应损失函数为数据损失函数，所述数据损失函数的目标为最小化原始流场快照与重构流场之间的误差；步骤S3、根据纳维－斯托克斯方程和目标应用场景的第二数据集对所述初始模型进行下游任务微调，得到流场重构模型；其中，在微调过程中，将纳维－斯托克斯方程和流场所对应的雷诺数嵌入物理损失函数中，然后再将物理损失函数与数据损失函数分别乘以相应的权重以得到所述流场重构模型的总损失函数；且在将纳维－斯托克斯方程和雷诺数嵌入物理损失函数的过程中，通过数值微分以近似对应的偏导项；步骤S4、将目标应用场景中稀疏部署的各传感器所采集的实时数据，结合各位置传感器之间的位置相对关系输入所述流场重构模型中，得到重构出的实时流场。
全文数据：
权利要求：
百度查询： 湖南大学 基于稀疏传感数据与物理知识融合的流场重构方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号