一种基于图卷积的流场重构方法技术

本发明专利技术公开了一种基于图卷积的流场重构方法，该方法通过对研究流体域进行网格划分，将流体域的基础信息转化为图结构数据，采用图卷积提取基础信息与研究流场(如温度、压力、速度和涡量等)之间的映射关系，完成从基础信息获得各项流场的任务。该方法的优势在于，一方面，该方法快速重构内部流场，提高重构效率，降低经济成本，方便人员操作；另一个方面，该方法通过将网格数据处理为图结构数据的形式，摆脱流场重构对于格数据的依赖，同时突破了流场重构的应用场景，可以同时实现在结构化网格以及非结构化网格的流场重构，且不受研究物体几何形状的限制，相比于其他重构方法有极大的优势。

【技术实现步骤摘要】
一种基于图卷积的流场重构方法
本专利技术属于流动换热
，具体涉及一种基于图卷积的流场重构方法。
技术介绍
传统实验以及工业检测中，通常采用一系列的测量设备进行基础数据的检测。以热电偶、压力应变片等为代表的接触式测量工具仅可通过一台设备获得单点信息，若要获得全局信息需要在测量物体表面分布大量的测量设备，且无法测量流体域内部信息。以红外辐射、光学测量为代表的非接触式测量工具，可以完成一台设备获得区域信息的任务，但测得区域信息同样受限于表面。为了解决这一问题，大量的新型测量技术涌现。其中，以超声波为代表的测量技术通过合理的多设备分布可以实现研究对象内部流场的测量需求，但是该类设备价格昂贵，在复杂环境或几何条件下重构效果较差。近几年来，随着深度学习方法在各种工程领域的推广与发展，越来越多的研究开始关注卷积神经网络在流场重构上的应用。卷积神经网络擅长从大量基础数据中高度提炼特征，可以实现端到端的流场重构任务。虽然，卷积神经网络可以大幅度减少流场重构中的人工干预，完成从已知信息到全局流场的映射，但是卷积神经网络要求所研究流域信息必须为格点数据本文档来自技高网...

【技术保护点】
1.一种基于图卷积的流场重构方法，其特征在于，包括以下步骤：/n1)建立研究模型，划分网格：/n建立研究对象的计算模型，根据数值或实验需求划分网格，并记录网格信息；针对每一种计算模型，均可获得一套网格信息，每套网格信息包括各网格节点的位置信息L

【技术特征摘要】
1.一种基于图卷积的流场重构方法，其特征在于，包括以下步骤：
1)建立研究模型，划分网格：
建立研究对象的计算模型，根据数值或实验需求划分网格，并记录网格信息；针对每一种计算模型，均可获得一套网格信息，每套网格信息包括各网格节点的位置信息Lm,l和网格划分方式Am,m；其中，m＝1,2,3...,M，M为该计算模型的网格节点总数，根据计算模型网格划分的不同而不同；l＝1,2,...,L，依次表示计算模型的位置变量，而L为该计算模型的已知变量总数；
2)设定边界条件：
设定研究对象在每套计算模型下的边界条件，根据实际情况设计不同的工况；边界条件分为两类：边界条件若是直接设定某一个区域的流场信息，将其记录为初始流场F0m,k，其中k＝1,2,3...,K，依次表示研究对象的流场变量，而K为该研究对象的流场变量总数；边界条件若是间接限定某一个区域的流场信息，则通过边界自编码器将间接边界条件B′m,h映射为间接流场Bm,h，其中h＝1,2,3...,H，依次表示研究对象的间接边界条件变量，而H为该研究对象的间接边界条件变量总数；
3)获得全局流场信息：
根据步骤1)和步骤2)建立的计算模型，通过数值计算或者实验获得该计算模型的全局流场信息Ym,k，其中k＝1,2,3...,K，依次表示研究对象的流场变量，而K为该研究对象的流场变量总数；
4)整合并处理数据：
首先，对研究对象的每套计算模型的信息进行整合；拼接网格位置信息Lm,l、初始流场F0m,k和间接流场Bm,h组成研究对象在该计算模型下的已知信息Xm,g，其中g＝1,2,3...,G，且G＝L+K+H，则研究对象的每一套计算模型均包含三大部分数据：已知信息Xm,g、网格划分方式Am,m以及全局流场Ym,k；其次，对研究对象的所有计算模型进行整合，则研究对象的已知信息为{Xm,g}n，网格划分方式为{Am,m}n，全局流场为{Ym,k}n，其中n＝1,2,3...,N，N为研究对象的计算模型总数；最后，对计算模型信息进行归一化操作，归一化后的数据分别表示为已知信息以及全局流场
5)搭建基于图卷积的流场重构网络
首先，进行数据划分；按照2:2:1的比例分为训练集验证集与测试集其中作为重构的输入信息，而为网络的输出目标；训练过程中采用训练集作为训练样本，验证集以验证基于图卷积的重构网络的有效性，训练结束后测试集用以测试网络的重构能力；其次，获得邻接矩阵，邻接矩阵是在网格划分方式{Am,m}n的基础上，根据图卷积结构进行再处理而得到的，处理后的邻接矩阵标记为最后，在邻接矩阵的基础上构建基于图卷积的流场重构网络GCN，按照邻接矩阵进行信息传递、聚合以及更新操作，获得重构流场；
6)训练基于图卷积的流场重构网络
7)应用基于图卷积的流场重构网络，对研究流域进行流场重构：
首先，根据测量需要，设计合适的网格；其次，按照步骤1)到步骤4)处理已知信息并获得网格划分方式Am,m；然后将其传入图卷积GCN，获得重构流场Y′m,g。


2.根据权利要求1所述的一种基于图卷积的流场重构方法，其特征在于，步骤1)中，网格节点的连接方式Am,m为图结构数据中的邻接矩阵，用于表示每个节点与其他所有节点的连接关系，具体含义如下：





3.根据权利要求1所述的一种基于图卷积...

【专利技术属性】
技术研发人员：谢永慧，李云珠，刘天源，张荻，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61