【技术实现步骤摘要】
本专利技术属于一种流场时变体数据领域，具体涉及一种流场时变体数据超分辨率合成的领域。
技术介绍
1、流场时变体数据是通过某种测量或模拟手段获得的液体或气体流动情况的可视化表达。流场时变体数据通常以三维的形式呈现，可以显示流体的速度、压力、温度等相关参数的分布情况。在流体力学、航空航天、能源、环境科学等领域具有重要的应用价值。通过对流场时变体数据的分析和理解，可以帮助研究人员和工程师了解流体的运动规律、优化设计和改善流体的性能。
2、然而，由于这些流场时变体数据通常含有复杂且大规模的特征，采集数据过大。而现有设备由于一些硬件及其它外在条件限制，将数据保存到硬盘时，所需的读写速度和存储空间达到了硬件的上限。为此，工程师和研究人员往往通过降低数据分辨率以降低数据大小，从而节约存储。然而低分辨率的数据无法更好地得到一些流场时变体数据的细节和特征，从而无法更好地理解流体行为和流动模式。
3、如专利申请号为cn 202210832969.x提出了一种流场时变体数据的超分辨率方法，引入超分辨率鉴别器，并通过鉴别器和生成器的对抗来优化生成器的流场时变体数据的生成效果。但是这一环节存在两个问题：1、无法聚焦，2、梯度缺陷。这两个问题使得该超分辨率方法无法较好的重构体数据的细节和清晰度，从而不能为工程师及研究人员提供准确的流体流动的细节和特征。并且，该超分辨率方法无法灵活聚焦重点，工程师及研究人员无法自行选择想要的体数据细节进行聚焦和展开。
技术实现思路
1、本专利技术目的是提
2、本专利技术通过以下技术方案得以实现：
3、一种流场时变体数据的超分辨率合成方法，其特征在于，包括训练步骤和测试步骤步骤，
4、所述训练步骤包含以下步骤：
5、step11:将真实低分辨率流场时变体数据并进行拼接后输入生成器，在所述生成器中，所述真实低分辨率流场时变体数据分为两路：一路经过第一编码器进行特征提取后，得到第一中间数据，
6、step12：将所述第一中间数据再分两路，一路经第一自注意力层处理后得到第一数据结果并传输给解码器，一路经残差结构处理后得到第二数据结果，并传输给解码器，
7、step13：所述真实低分辨率流场时变体数据另一路经过上采样模块进行上采样后得到第二中间数据传输给所述解码器；所述解码器将所述第一数据结果、第二数据结果以及第二中间数据相拼接后得到伪造高分辨率流场时变体数据并输出。
8、step14：将所述真实高分辨率流场时变体数据与所述生成器输出的所述伪造高分辨率流场时变体数据输入进鉴别器，以生成预测矩阵，并将所述预测矩阵传递给所述生成器；所述生成器和所述鉴别器基于所述预测矩阵分别计算得到生成器损失函数和鉴别器损失函数；
9、step15：对所述生成器损失函数和所述鉴别器损失函数进行参数优化，并在优化后返回执行step11，直至生成器损失函数和鉴别器损失函数收敛至预设值，以得到训练好的所述生成器和所述鉴别器；
10、所述测试步骤包含以下步骤：
11、step21:测试集中选取多个所述真实低分辨率流场时变体数据输入训练好的所述生成器，以生成原始伪造高分辨率流场时变体数据；
12、step24：我们将原始伪造高分辨率流场时变体数据沿着通道维度分解为三个流场时变体数据，从而获得超分辨率合成的流场时变体数据。为了更直观地观察超分辨率合成的流场时变体数据，我们将它们按时间顺序输入可视化程序，最终生成流场时变体数据的动画。
13、多个连续时间步的真实高分辨率流场时变体数据，经过下采样操作后，转换成多个连续时间步的真实低分辨率流场时变体数据。多个连续时间步的真实低分辨率流场时变体数据在通道维数上进行拼接，进入所述生成器中。所述生成器输出为多个连续时间步的伪造高分辨率流场时变体数据，再在通道维数上进行拼接输入进所述鉴别器。此外，所述多个连续时间步的真实高分辨率流场时变体数据在通道维数上进行拼接，输入进所述鉴别器。
14、所述生成器的任务是生成的伪造高分辨率流场时变体数据尽可能接近真实高分辨率流场时变体数据，并欺骗所述鉴别器。而所述鉴别器其任务是尽可能辨别真实高分辨率流场时变体数据与伪造高分辨率流场时变体数据，并输出预测矩阵反馈输出给所述生成器。其中预测矩阵含有真实数据预测矩阵和伪造数据预测矩阵。在本案中，所述鉴别器的结构、计算方式与现有技术可相同，主要的技术改进在生成器的工作方式中，下文详述。
15、其中，在所述生成器架构中，含有所述编码器、所述解码器以及所述上采样模块。所述编码器的任务是编码与提取输入的真实低分辨率流场时变体数据的特征，并将这些特征存入小尺寸的含有高层次和重要特征的中间数据。所述解码器的任务是对中间数据的特征进行放大，从而得到伪造高分辨率流场时变体数据的特征。所述上采样模块是用于将真实低分辨率流场时变体数据经过4倍上采样放大输出。真实低分辨率流场时变体数据一路经过所述编码器传输到所述解码器，一路经过所述上采样模块传输到所述解码器中。所述解码器将两路数据相拼接后得到最终输出的伪造高分辨率流场时变体数据。在所述编码器和所述解码器之间有两路连接，一路经过所述残差结构连接，一路经过所述第一自注意力层连接。
16、所述第一自注意力层，是一种用于处理序列数据的神经网络层。有如下作用，1、计算注意力权重：第一自注意力层通过计算每个位置与其他位置之间的相关性得到注意力权重。这可以通过计算输入序列中的每对位置之间的相似度得到，通常使用点积注意力或其他注意力机制来实现。2、加权汇聚信息：根据注意力权重，第一自注意力层对输入序列中的每个位置进行加权汇聚，得到一个综合的表示。这个综合的表示含有了输入序列中每个位置的重要信息，可以用于后续的处理或解码过程。
17、通过在所述编码器和所述解码器之间添加第一自注意力层，可以计算输入数据序列中每个元素与其他元素之间的注意力权重，从而对序列中的每个元素赋予不同的重要性，使得该种流场时变体数据的超分辨率合成方法可以辨别数据序列中每个元素的重要性，实现灵活聚焦重点，并对重点进行细节展开的效果。
18、所述残差结构是一种在神经网络中常用的建模技术，用于解决梯度消失和梯度爆炸等问题，以及帮助网络更好地学习和优化。在传统的神经网络中，通过堆叠多个层来逐渐提取特征。然而，随着网络层数的增加，梯度在反向传播过程中可能会逐渐衰减，导致训练困难和网络性能下降。此外，深层网络也容易发生梯度爆炸的问题。这些问题限制了网络的深度和性能。
19、为了解决这些问题，残差结构引入了跳跃连接的概念，允许网络学习残差信息。在残差结构中，网络的输入通过一个或多个非线性变换层，如激活函数和卷积层后，与该层的本文档来自技高网...
【技术保护点】
1.一种流场时变体数据的超分辨率合成方法，其特征在于，包括训练步骤和测试步骤步骤，
2.根据权利要求1所述的一种流场时变体数据的超分辨率合成方法，其特征在于，STEP12具体为：所述第一中间数据被分为两路，其中一路先经第二编码器进行特征提取后，得到第三中间数据，再传输给所述第一自注意力层。
3.根据权利要求2所述的一种流场时变体数据的超分辨率合成方法，其特征在于，在所述解码器中，所述第一数据结果经第一解码块后，输出第三数据结果，所述第二解码块接收所述第三数据结果和所述第二数据结果，输出第四数据结果，所述第三解码块接收所述第四数据结果和所述第二中间数据，输出所述伪造高分辨率流场时变体数据。
4.根据权利要求1所述的一种流场时变体数据的超分辨率合成方法，其特征在于，所述编码器含有多个卷积层，所述解码器含有多个特征提取块和转置卷积层，所述卷积层和所述转置卷积层中均含有谱标准化单元、批标准化单元和非线性激活单元中的一个或多个。
5.根据权利要求1所述的一种流场时变体数据的超分辨率合成方法，其特征在于，STEP13具体为：所述解码块输出拼接后
6.根据权利要求1-5任意一项所述的一种流场时变体数据的超分辨率合成方法，其特征在于，所述生成器训练损失函数值的计算公式为：
7.根据权利要求1-5任意一项所述的一种流场时变体数据的超分辨率合成方法，其特征在于，所述鉴别器训练损失函数为：
8.根据权利要求1-5任意一项所述的一种流场时变体数据的超分辨率合成方法，其特征在于，所述残差结构含有一个以上的残差块，所述残差块含有第五卷积层和第六卷积层，所述第五卷积层含有谱标准化单元、批标准化单元和非线性激活单元，所述第六卷积层含有谱标准化单元、批标准化单元。
9.根据权利要求1-5任意一项所述的一种流场时变体数据的超分辨率合成方法，其特征在于，在所述鉴别器中，所述伪造高分辨率流场时变体数据依次经第四编码块、第二自注意力层和第五编码块处理后，得到生成预测矩阵输出。
...【技术特征摘要】
1.一种流场时变体数据的超分辨率合成方法，其特征在于，包括训练步骤和测试步骤步骤，
2.根据权利要求1所述的一种流场时变体数据的超分辨率合成方法，其特征在于，step12具体为：所述第一中间数据被分为两路，其中一路先经第二编码器进行特征提取后，得到第三中间数据，再传输给所述第一自注意力层。
3.根据权利要求2所述的一种流场时变体数据的超分辨率合成方法，其特征在于，在所述解码器中，所述第一数据结果经第一解码块后，输出第三数据结果，所述第二解码块接收所述第三数据结果和所述第二数据结果，输出第四数据结果，所述第三解码块接收所述第四数据结果和所述第二中间数据，输出所述伪造高分辨率流场时变体数据。
4.根据权利要求1所述的一种流场时变体数据的超分辨率合成方法，其特征在于，所述编码器含有多个卷积层，所述解码器含有多个特征提取块和转置卷积层，所述卷积层和所述转置卷积层中均含有谱标准化单元、批标准化单元和非线性激活单元中的一个或多个。
5.根据权利要求1所述的一种流场...
【专利技术属性】
技术研发人员：马骥，叶雨豪，王骏，方潇楠，陈金金，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。