一种用于CFD的通用网格自适应方法技术

本发明专利技术实施例公开了一种用于CFD的通用网格自适应方法，涉及流体力学的流场分析实验技术领域，能够提高CFD计算的精度和收敛性，同时，在不需要更新流场解并且实现容易的前提下，计算效率不会差于应用初始网格本发明专利技术包括：建立流场方程求解初始流场，训练BP神经网络用于预测流场解，构造SOM神经网络训练数据，根据初始流场构造SOM神经网络结构，通过训练SOM神经网络得到新的自适应网格，最终将符合精度要求的流场数值计算结果返回客户端。

【技术实现步骤摘要】
一种用于CFD的通用网格自适应方法
本专利技术涉及流体力学的流场分析实验
，尤其涉及一种用于CFD的通用网格自适应方法。
技术介绍
CFD(ComputationalFluidDynamics，计算流体动力学)是近代流体力学，数值数学和计算机科学结合的产物，是一门具有强大生命力的交叉科学。CFD的主要任务是进行流体力学的分析，其中，流场分析的精度不论是对理论分析还是实际工程应用来说，都是至关重要的。精度主要受网格质量的影响，网格的疏密分布决定了分析结果的精度和实验效率。最佳的网格一般是非均匀的：流场解高梯度区域网格较密，低梯度区域网格较疏。而网格自适应方法可以有效满足上述要求。目前CFD领域中常用的网格自适应方法可分为局部加密法、局部高阶元法和移动网格法。这些网格自适应方法主要存在的问题是：局部加密法会大量增加网格节点数并修改初始网格拓扑结构，极大提高了计算代价，占用大量算力资源。局部高阶元法难以解决不同类型单元的衔接问题，导致实现困难，工程应用价值不高。而一般的移动网格法需要构造并求解复杂的网格模型，迭代过程中还需要不断更新流场解，不仅实现复杂，计算效率也低，同样也需要占用大量算力资源。这些理论上的问题反映在实际科研工作中的结果，计算资源占用量大，实验成本高，很多课题组之间往往需要排队使用服务器设备，造成很大的不便。而一些硬件设备不佳的高校和科研院所，则又要对外租借服务器设备。从而拖累了实验成本和实验进度。
技术实现思路
本专利技术的实施例提供一种用于CFD的通用网格自适应方法，能够提高CFD计算的精度和收敛性，同时，在不需要更新流场解并且实现容易的前提下，计算效率不会差于应用初始网格。为达到上述目的，本专利技术的实施例采用如下技术方案：客户端向服务器发送流场的初始信息，所述初始信息包括初始网格参数、物面几何参数和初始流场条件；所述服务器接收客户端发送的流场的初始信息后，生成初始网格；所述服务器对所述初始网格进行网格自适应处理；所述服务器利用自适应处理后的网格，进行CFD计算并得到计算结果，之后将计算结果返回给所述客户端。本专利技术实施例提供的用于CFD的通用网格自适应方法，建立流场方程求解初始流场，训练BP神经网络用于预测流场解，构造SOM神经网络训练数据，根据初始流场构造SOM神经网络结构，通过训练SOM神经网络得到新的自适应网格，最终将符合精度要求的流场数值计算结果返回客户端。能够有效改善初始CFD网格的节点分布不够合理的问题，使网格节点尽可能地移动到流场解变化剧烈且符合高梯度分布的区域。应用移动后的自适应网格可以有效地提高CFD计算的精度和收敛性。同时，本专利技术在不需要更新流场解并且实现容易的前提下，计算效率不会差于应用初始网格。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例提供的系统架构示意图；图2为本专利技术实施例提供的一种用于高精度流场数值计算的网格自适应方法的具体实例的示意图；图3为本专利技术实施例提供的BP神经网络训练的具体实例的示意图图4为本专利技术实施例提供的SOM网络训练数据构造的具体实例的示意图图5为本专利技术实施例提供的SOM网络结构构造的具体实例的示意图图6为本专利技术实施例提供的SOM网络训练的具体实例的示意图图7为本专利技术实施例提供的用于高精度流场数值计算的网格自适应方法的具体实例的整体框架示意图；图8为本专利技术实施例提供的交互流程的示意图。具体实施方式为使本领域技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施方式对本专利技术作进一步详细描述。下文中将详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。本实施例中，可以采用如图1所示的科研人员的计算机上运行的客户端与服务器设备之间的交互环境。其中，客户端中提供初始网格参数、物面几何参数和初始流场条件，服务器根据上述信息完成初始网格生成，初始CFD计算操作，并根据结果实施本专利技术的网格自适应方法，最终将达到精度要求的流场数值计算结果返回到客户端。本专利技术实施例提供一种用于CFD的通用网格自适应方法，如图8所示，包括：S1、客户端向服务器发送流场的初始信息，所述初始信息包括初始网格参数、物面几何参数和初始流场条件。S2、所述服务器接收客户端发送的流场的初始信息后，生成初始网格。S3、所述服务器对所述初始网格进行网格自适应处理。S4、所述服务器利用自适应处理后的网格，进行CFD计算并得到计算结果，之后将计算结果返回给所述客户端。具体的，可以采用如图2所示的流程，完成对用于高精度流场数值计算的网格自适应方法的设计，其中用于高精度流场数值计算的网格自适应的大致逻辑框架如图7所示。具体实现为对于步骤S3的进一步设计，其中S3包括：S31：根据所述初始网格，通过所建立的流场方程获取初始流场。其中，流场方程可以分两种情况考虑，即不考虑气体黏性的欧拉方程：以及考虑气体的黏性和热传导性的特性，基于欧拉方程，加入黏性通量得到N-S方程：具体的，流场初始信息由客户端提供，初始网格的生成和初始流场的计算由服务器完成，计算完成后输出初始网格和初始流场数值结果。流场方程具体是指欧拉方程和Navier-Stokes方程(N-S方程)：可压缩欧拉方程的偏微分形式可以写如下形式：式中U为守恒变量，该变量的矢量表达式为：变量为无黏通量，该变量的向量形式为其中，E，p，ρ分别为流体的单位总能，压强和密度，u，v为二维笛卡坐标本文档来自技高网...

【技术保护点】
1.一种用于CFD的通用网格自适应方法，其特征在于，包括：/nS1、客户端向服务器发送流场的初始信息，所述初始信息包括初始网格参数、物面几何参数和初始流场条件；/nS2、所述服务器接收客户端发送的流场的初始信息后，生成初始网格；/nS3、所述服务器对所述初始网格进行网格自适应处理；/nS4、所述服务器利用自适应处理后的网格，进行CFD计算并得到计算结果，之后将计算结果返回给所述客户端。/n

【技术特征摘要】
1.一种用于CFD的通用网格自适应方法，其特征在于，包括：
S1、客户端向服务器发送流场的初始信息，所述初始信息包括初始网格参数、物面几何参数和初始流场条件；
S2、所述服务器接收客户端发送的流场的初始信息后，生成初始网格；
S3、所述服务器对所述初始网格进行网格自适应处理；
S4、所述服务器利用自适应处理后的网格，进行CFD计算并得到计算结果，之后将计算结果返回给所述客户端。


2.根据权利要求1所述的方法，其特征在于，S3包括：
S31：根据所述初始网格，通过所建立的流场方程获取初始流场；
S32：将所述初始网格和所述初始流场作为训练数据，训练BP神经网络流场解预测模型；
S33：运行训练后的所述BP神经网络流场解预测模型并获取预测结果，利用所述预测结果生成SOM神经网络的训练数据；
S34：根据所述初始网格的节点坐标与拓扑连接关系，建立SOM神经网络的结构；
S35：对所建立的SOM神经网络的结构进行迭代训练，得到自适应处理后的网格。


3.根据权利要求2所述的方法，其特征在于，S32包括：
将所述初始网格的节点坐标和所述初始网格的节点上的初始流场解，分别作为训练数据的输入和标签，来训练所述BP神经网络流场解预测模型，其中，用于监督训练的损失函数为N表示训练样本的个数，y(i)表示第i个训练数据对应的标签值，表示回归模型在第i个训练数据上的输出。


4.根据权利要求2所述的方法，其特征在于，S33包括：
根据所述初始网格的边界大小确定采点范围，并在所述采点范围内均匀采点得到样本点；
利用训练后的所述BP神经网络流场解预测模型，预测得到所有样本点的流场解，并获取每个流场解对应的梯度值；
根据所得到的梯度值，采样得到符合流场高梯度区域分布的训练数据。


5.根据权利要求4所述的方法，其特征在于，符合流场高梯度区域分布的训练数据表示为：Xsom＝λXuniform，其...

【专利技术属性】
技术研发人员：刘学军，吕宏强，虞建，武廷繁，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32