【技术实现步骤摘要】
本专利技术涉及流体力学，具体涉及一种流场预测方法及系统。
技术介绍
1、随着计算机性能的飞速提升和数值计算方法的持续发展，计算流体力学(computational fluid dynamics，cfd)已经被广泛地应用于流场仿真和设计优化中。传统的cfd模拟方法是基于流动的控制方程，将流场求解域进行空间离散，运用时空数值格式，把连续的偏微分方程转化为离散点的代数方程进行求解。然而，这种方法的计算量很大，且在变几何变工况的情况下，需要重新建立网格和求解方程，计算复杂度更高，导致预测效率低下。不同于传统的cfd模拟方法，人工智能方法通常采用的是基于数据驱动的方式，可以通过学习已有数据中的模式和规律，直接进行流场预测，避免了流体控制方程繁琐的求解过程，在计算效率方面具有很大的潜在优势。
2、基于数据驱动的神经网络模型发展十分迅速，其根据现有的流场模拟方法获得高可信度的流场样本数据，然后采用机器学习模型学习输入参数，如工况参数等到流场数值解之间的映射关系，代替传统耗时的偏微分方程离散求解过程，从而快速、高效地获得流场的数值解。这类方...
【技术保护点】
1.一种流场预测方法，其特征在于，包括：
2.如权利要求1所述的一种流场预测方法，其特征在于，所述获取研究对象不同几何外形和工况条件下对应的流场数据，包括：
3.如权利要求1所述的一种流场预测方法，其特征在于，还包括，对流场数据进行预处理；具体包括：
4.如权利要求1所述的一种流场预测方法，其特征在于，所述将流场数据集中的流场数据转化为基于网格拓扑连接图的存储结构，包括：
5.如权利要求4所述的一种流场预测方法，其特征在于，针对有限体积法中格点存储的数据，将每个网格点定义为节点，网格的边定义为连接节点的边；针对有限体积法...
【技术特征摘要】
1.一种流场预测方法，其特征在于，包括：
2.如权利要求1所述的一种流场预测方法，其特征在于，所述获取研究对象不同几何外形和工况条件下对应的流场数据，包括：
3.如权利要求1所述的一种流场预测方法，其特征在于，还包括，对流场数据进行预处理；具体包括：
4.如权利要求1所述的一种流场预测方法，其特征在于，所述将流场数据集中的流场数据转化为基于网格拓扑连接图的存储结构，包括：
5.如权利要求4所述的一种流场预测方法，其特征在于，针对有限体积法中格点存储的数据，将每个网格点定义为节点，网格的边定义为连接节点的边；针对有限体积法中格心存储的数据，为每个网格单元分配一个节点，将网格的面定义为连接节点的边。
6.如权利要求1所述的一种流场预测方法，其特征在于，所述使用转换后的流场数...
【专利技术属性】
技术研发人员：浦祥，朱毅，陈国栋，张轶，杜风雷，邱志靓，王骏，李晓凤，张磊，洪韵，曹娟，姜昊宇，裴娟，黄程鹏，丁谦学，翟良，印舒蔚，傅小城，王雪，顾俊杰，李进，周静怡，欧洋，黄若漪，王兴悦，陈明，程硕，亢一博，黄铭泉，鲜浩扬，
申请(专利权)人：上海核工程研究设计院股份有限公司，
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。