流场分析方法、元件模型生成方法、训练方法及装置制造方法及图纸

本公开提供了流场分析方法、元件模型生成方法、训练方法及设备，涉及人工智能技术领域，尤其涉及深度学习技术领域和机械制造技术领域。具体实现方案为：在确定机械元件的基础参数信息的参数类型满足预定参数类型的情况下，将基础参数信息作为机械元件的目标参数信息；以及将机械元件的目标参数信息输入至深度学习模型中，得到关于机械元件的流场分析结果。得到关于机械元件的流场分析结果。得到关于机械元件的流场分析结果。

【技术实现步骤摘要】
流场分析方法、元件模型生成方法、训练方法及装置


[0001]本公开涉及人工智能
，尤其涉及深度学习
和机械制造
具体地，涉及一种流场分析方法、机械元件模型生成方法、深度学习模型的训练方法、装置、设备、存储介质和程序产品。

技术介绍

[0002]在飞行器、船舶以及汽车等机械设计领域，可以针对不同的任务需求选取类型、结构不同的机械元件。例如，适用于在沙漠中行驶的越野车与适用于在高速公路上行驶的轿车，两者的车轮、外壳等的结构均有所不同。因此，在机械设计过程中，如何实现将设计的机械元件与任务需求相适配，成为比较关键的问题。

技术实现思路

[0003]本公开提供了一种流场分析方法、机械元件模型生成方法、深度学习模型的训练方法、装置、设备、存储介质和程序产品。
[0004]根据本公开的一方面，提供了一种流场分析方法，包括：在确定机械元件的基础参数信息的参数类型满足预定参数类型的情况下，将基础参数信息作为机械元件的目标参数信息；以及将机械元件的目标参数信息输入至深度学习模型中，得到关于机械元件的流场分析结果。...

【技术保护点】

【技术特征摘要】
1.一种流场分析方法，包括：在确定机械元件的基础参数信息的参数类型满足预定参数类型的情况下，将所述基础参数信息作为所述机械元件的目标参数信息；以及将所述机械元件的所述目标参数信息输入至深度学习模型中，得到关于所述机械元件的流场分析结果。2.根据权利要求1所述的方法，还包括：在确定所述机械元件的基础参数信息的参数类型不满足所述预定参数类型的情况下，对所述机械元件的基础参数信息进行处理，得到所述机械元件的所述目标参数信息。3.根据权利要求2所述的方法，其中，所述对所述机械元件的基础参数信息进行处理，得到所述机械元件的所述目标参数信息包括：基于所述机械元件的结构类型信息和所述机械元件的所述基础参数信息，确定针对所述基础参数信息的目标处理方式；以及按照所述目标处理方式，对所述机械元件的所述基础参数信息进行处理，得到所述机械元件的所述目标参数信息。4.根据权利要求1所述的方法，其中，所述目标参数信息包括以下至少一项：结构参数信息和工况参数信息；所述结构参数信息包括所述机械元件的外形结构参数信息；所述工况参数信息包括所述机械元件所处的环境信息。5.一种机械元件模型生成方法，包括：循环执行以下操作，直至满足预定条件：基于机械元件的目标参数信息，利用权利要求1至4中任一项所述的方法，得到所述机械元件的流场分析结果；基于所述机械元件的流场分析结果，确定所述机械元件的指标参数，其中，所述机械元件的指标参数用于表征所述机械元件的性能状况；在确定所述机械元件的指标参数与预定基准指标参数之间不匹配的情况下，将更新后的目标参数信息作为所述目标参数信息；在确定所述机械元件的指标参数与所述预定基准指标参数之间匹配的情况下，确定为满足所述预定条件；以及基于在满足所述预定条件情况下的目标参数信息，生成目标机械元件模型。6.根据权利要求5所述的方法，其中，所述基于所述流场分析结果，确定所述机械元件的指标参数，包括：从所述流场分析结果中确定目标流场分析结果；以及基于所述目标流场分析结果，确定所述机械元件的指标参数。7.根据权利要求5所述的方法，还包括：基于所述机械元件的指标参数和所述预定基准指标参数，确定优化信息；以及基于所述优化信息，确定更新后的目标参数信息。8.根据权利要求5所述的方法，还包括：基于所述机械元件的指标参数和所述预定基准指标参数，确定优化信息；基于所述优化信息，调整机械元件模型的辅助参数信息，得到更新后的辅助参数信息，
其中，所述辅助参数信息为用于生成所述机械元件模型的参数信息，所述辅助参数信息的参数类型与所述目标参数信息的参数类型不同；将所述更新后的辅助参数信息输入至结构优化工具，得到更新后的机械元件模型；以及从所述更新后的机械元件模型的参数信息中，确定所述更新后的目标参数信息。9.根据权利要求5所述的方法，其中，所述基于在满足所述预定条件情况下的目标参数信息，生成目标机械元件模型，包括：将在满足所述预定条件情况下的目标参数信息输入至结构优化工具中，生成所述目标机械元件模型。10.一种深度学习模型的训练方法，包括：在确定训练样本的样本基础参数信息的参数类型满足预定参数类型的情况下，将所述训练样本的所述样本基础参数信息输入至深度学习模型中，得到样本流场分析结果，其中，所述训练样本包括所述样本基础参数信息和样本流场标签；以及基于所述样本流场分析结果和所述样本流场标签，训练所述深度学习模型，得到经训练的深度学习模型。11.根据权利要求10所述的方法，还包括：将所述样本基础参数信息输入至结构优化工具中，得到与所述样本基础参数信息相匹配的样本机械元件模型；从所述样本机械元件模型的参数信息中，确定优化样本参数信息，其中，所述优化样本参数信息的参数类型与所述样本基础参数信息的参数类型相同；以及将所述优化样本参数信息和与所述样本基础参数信息相匹配的样本流场标签，作为优化训练样本，以便利用所述优化训练样本训练所述深度学习模型。12.一种流场分析装置，包括：第一确定模块，用于在确定机械元件的基础参数信息的参数类型满足预定参数类型的情况下，将所述基础参数信息作为所述机械元件的目标参数信息；以及第一输入模块，用于将所述机械元件的所述目标参数信息输入至深度学习模型中，得到关于所述机械元件的流场分析结果。13.根据权利要求12所述的装置，还包括：处理模块，用于在确定所述机械元件的基础参数信息的参数类型不满足所述预定参数类型的情况下，对所述机械元件的基础参数信息进行处理，得到所述机械元件的...

【专利技术属性】
技术研发人员：张艳博，向辉，赵乔，周原野，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：