← 返回列表
一种非结构网格的不可压非定常流动预测方法
摘要文本
本发明公开了一种非结构网格的不可压非定常流动预测方法，具体步骤如下：预先将多个非结构网格上的非定常流动数据进行数据预处理，并将三角形非结构网格分别以三角形顶点、边中心点和质心点为图顶点转换为三幅图数据结构，且图的邻接关系以边集方式存储为列表；构建图神经网络骨干网络，包括编码器‑消息传递序列层‑解码器，并且在消息传递序列层的Cell Block中引入双步消息聚合方式；在图神经网络输出后建立空间积分层，所述空间积分层为基于有限体积法的积分过程，以建立物理约束式目标函数；迭代训练图神经网络模型，获取具有最优预测精度的神经网络参数；使用训练出的图神经网络模型，对初始流场数据进行自回归式的流场预测。
申请人信息
- 申请人:四川大学
- 申请人地址:610000 四川省成都市一环路南一段24号
- 发明人: 四川大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种非结构网格的不可压非定常流动预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311583959.8 |
| 申请日 | 2023/11/24 |
| 公告号 | CN117610453A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06F30/28 |
| 权利人 | 四川大学 |
| 发明人 | 李天宇; 常兴华; 邹舒帆; 张来平; 邓小刚 |
| 地址 | 四川省成都市一环路南一段24号 |
专利主权项内容
1.一种非结构网格的不可压非定常流动预测方法，其特征在于：具体的方法步骤如下：S1、预先将多个非结构网格上的非定常流动数据进行数据预处理，并将三角形非结构网格分别以三角形顶点、边中心点和质心点为图顶点转换为三幅图数据结构，且图的邻接关系以边集方式存储为列表；S2、构建图神经网络骨干网络，包括编码器-消息传递序列层-解码器，并且在消息传递序列层的CellBlock中引入双步消息聚合方式；S3、在图神经网络输出后建立空间积分层，所述空间积分层为基于有限体积法的积分过程，以建立物理约束式目标函数；S4、迭代训练图神经网络模型，获取具有最优预测精度的神经网络参数；S5、使用训练出的图神经网络模型，对初始流场数据进行自回归式的流场预测。