基于图注意力网络的三维非结构网格流场涡流识别方法技术

本发明专利技术公开了一种基于图注意力网络的三维非结构网格流场涡流识别方法，步骤为：S1、利用最小二乘法，求解各三维非结构网格流场数据中各节点的速度梯度，获得网络流场的速度梯度场数据；S2、通过对各节点进行涡流判别，获得网络流场的标签数据；S3、构建双层图注意力网络模型；S4、对三维非结构网格流场数据进行图结构化，并投入双层图注意力网络模型训练；S5、将待识别的三维非结构网格流场数据经数据处理后投入完成训练的双层图注意力网络模型中，获得涡流节点识别结果；该方法能够实现对三维非结构网格流场涡流区域的有效识别，并在保持对非结构网格流场的适配性的基础上，提高了识别速度与精度。

【技术实现步骤摘要】

本专利技术涉及三维非结构网格流场特征识别，特别涉及一种基于图注意力网络的三维非结构网格流场涡流识别方法。

技术介绍

1、随着计算流体力学(cfd)技术的快速发展，涡结构识别在航空航天、能源动力、环境工程等现代工业领域具有重要作用。在飞行器气动外形优化、燃气轮机冷却设计、污染物扩散预测等关键场景中，精准捕捉涡核位置和演化规律直接影响流动分离控制、气动噪声评估及湍流建模的可靠性。然而，随着高精度数值模拟和大规模流动观测数据的普及，传统方法的计算效率和物理一致性面临巨大挑战：复杂流场中需处理数千万级网格点，实时性需求与计算资源消耗矛盾日益突出；强剪切流、边界层转捩等多物理耦合场景下，传统判据的误判率显著上升

2、涡识别方法的核心挑战在于平衡几何特征敏感性与物理规律一致性。经典阈值判据法(如q准则、δ准则、λ2方法)通过速度梯度张量的特征值分析设定经验阈值，虽在简单流场中表现良好，但其局限性显著，阈值选取缺乏普遍性，难以捕捉三维涡管的连接性与演化规律，容易导致涡核断裂或虚假涡生成。

3、近年来，深度学习技术如卷积神经网络(cnn)、图神经网本文档来自技高网...

【技术保护点】

1.一种基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，步骤如下：

2.根据权利要求1所述的基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，步骤S1的具体实施步骤为：

3.根据权利要求2所述的基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，在步骤S102中，每个节点i的局部坐标系差异矩阵的具体构建步骤为：

4.根据权利要求1所述的基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，步骤S2的具体实施步骤为：

5.根据权利要求4所述的基于图注意力网络的三维非结构网格流场涡流识别方法，在步骤S...

【技术特征摘要】

1.一种基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，步骤如下：

2.根据权利要求1所述的基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，步骤s1的具体实施步骤为：

3.根据权利要求2所述的基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，在步骤s102中，每个节点i的局部坐标系差异矩阵的具体构建步骤为：

4.根据权利要求1所述的基于图注意力网络的三维非结构网格流场涡流识别方法，其特征在于，步骤s2的具体实施步骤为：

5.根据权利要求4所述的基于图注意力网络的三维非结构网格流场涡流识别方法，在步骤s204中，自动化阈值θ定义为：θ＝μ+1.5σ，其中，μ为全局ivd的平均值，σ为全局ivd的标准差。<...

【专利技术属性】
技术研发人员：毕重科，冯靖轩，邓佳康，
申请(专利权)人：天津大学，
类型：发明
国别省市：