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：浙江大学;杭州傲娇网络科技有限公司;杭州润熙新能源科技有限公司

摘要：本发明公开了基于跨时空尺度图卷积算子的虚拟现实流动场景模拟方法，包括如下步骤：采用算子分裂的方法将Navier‑Stokes方程描述的通用流动物理依次分裂为四个可解释的流动子过程，从而建立具有强物理可解释性的虚拟现实复杂流动模拟神经网络架构；进而基于图网络离散节点严格施加流场初边值条件的硬约束；构造多尺度残差卷积神经网络提取流场空间维度的流动特征量；最后，建立机器学习辅助的图卷积演化算子跨时空尺度快速模拟方法，并进行性能评估。本发明采用上述的基于跨时空尺度图卷积算子的虚拟现实流动场景模拟方法，能够有效克服传统CFD方法的计算效率和自动化程度低的问题，实现虚拟现实复杂流动场景的高保真度镜像与低时延可视化。

主权项：1.基于跨时空尺度图卷积算子的虚拟现实流动场景模拟方法，其特征在于，包括以下步骤：S1、采用算子分裂的方法将Navier-Stokes方程描述的通用流动物理依次分裂为四个可解释的流动子过程，然后针对这四个子过程分别构造神经网络层，从而建立具有强物理可解释性的虚拟现实复杂流动场模拟神经网络架构；S2、将通用的流动物理规律与个性化的虚拟现实流场初边值条件分离，基于图网络离散节点严格施加流场初边值条件的硬约束；S3、构造多尺度残差卷积神经网络提取流动场空间维度的流动特征量；S4、围绕上述建立的流动场模拟神经网络架构以及提取的流动特征量，建立机器学习辅助的图卷积演化算子跨时空尺度快速模拟方法，并用直接数值模拟获得的精细流场数据进行性能评估；步骤S1中，所述建立具有强物理可解释性的虚拟现实复杂流动场模拟神经网络架构，具体步骤如下：S11、将不可压缩流体Navier-Stokes方程进行弱可压缩近似，并分裂为四个流动子过程，即子过程一：强非线性对流压力波动、子过程二：切向拟线性对流、子过程三：剪切应力扩散和子过程四：力源项作用；S12、针对步骤S11中的四个可解释的流动子过程，分别设计相应的图卷积演化算子，其中子过程一和子过程二基于特征线构造移动卷积核算子进行描述，子过程三和子过程四采用经典的卷积核算子进行描述；移动卷积核算子和经典的卷积核算子分别如式1和式2： （1） （2）其中，和分别为有效扩散系数和有效对流速度，u为对流速度；和分别为任意子图中心节点和邻居节点位置；和分别为当前时刻和历史时刻；S13、针对步骤S12中四个流动子过程的图卷积演化算子，分别设计相应的神经网络层提取待学习的流场时空演化参数，其中在时间维度采用多层长短时记忆神经网络，在空间维度采用多层卷积和反卷积层；S14、按照算子分裂的顺序将步骤S11中四个流动子过程对应的神经网络层依次嵌入，形成虚拟现实复杂流动场模拟的神经网络架构；步骤S2中，所述基于图网络离散节点严格施加流场初边值条件的硬约束，具体步骤如下：S21、确定虚拟现实流动场景的问题特征，通过广泛调研虚拟现实流场模拟场景，归纳出典型案例的特征数据，并总结几类初边值条件类型以及可能的流场扰动形式，形成完备的模拟案例集合；S22、对于每一个典型的模拟案例进行几何离散化表征，基于离散的节点建立图网络；S23、通过对计算域内离散化的图节点空间分布进行结构关联，预估流场中任一图节点的影响域和依赖域大小，并初始化其邻居点链表；S24、在模拟区域边界基于三类边界条件类型构造虚拟节点，根据不同图节点位置相应的初边值条件施加硬约束，从而保证在流场模拟过程中这些约束被严格施加给模拟区域；S25、将嵌入流动物理的神经网络与步骤S24中图网络节点表征的硬约束条件进行信息交互，建立仅将流动物理作为学习目标的可迁移神经网络，训练神经网络完成图网络节点之间的消息传递和流场更新。

全文数据：

权利要求：

百度查询： 浙江大学 杭州傲娇网络科技有限公司 杭州润熙新能源科技有限公司 基于跨时空尺度图卷积算子的虚拟现实流动场景模拟方法