申请/专利权人:中国航天空气动力技术研究院
申请日:2023-12-27
公开(公告)日:2024-04-16
公开(公告)号:CN117892619A
主分类号:G06F30/27
分类号:G06F30/27;G06F30/28;G06F113/08;G06F119/14
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明涉及一种可压缩两气体流场界面条件的简化神经网络建模方法,属于流体力学模拟技术领域,能够准确构建可压缩两气体流场界面条件,使求解过程中计算稳定,适用于完全气体状态方程,避免了迭代求解过程,增大可压缩两气体流场模拟模型的求解效率和求解成功率,本发明因为有非常简单的神经网络规模,在计算效率上存在较大优势,有较高的技术指导价值以及进一步开发的潜力,此外,本发明采用简化的深度神经网络求解可压缩两气体黎曼问题,与现有技术相比,具备更高的计算效率,同时占用更少的神经网络训练时间。
主权项:1.一种可压缩两气体流场界面条件的简化神经网络建模方法,其特征在于,包括:构造一维两气体欧拉方程黎曼问题的神经网络模型,所述神经网络模型的输入数据D为黎曼问题界面两侧的压力比、密度比和速度差,输出数据为黎曼问题求解过程的一个中间变量;根据界面两侧压力和密度的四种大小关系情况,分别构造四个神经网络训练数据集,令黎曼问题界面两侧的压力比、密度比和速度差在要求范围内取值,构建四个神经网络代理模型;根据实际求解情况下的密度、压力大小关系,从所述四个神经网络代理模型中选取对应的神经网络代理模型,并获得该神经网络代理模型的输出值,根据所述输出值求解所需的黎曼问题界面状态。
全文数据:
权利要求:
百度查询: 中国航天空气动力技术研究院 一种可压缩两气体流场界面条件的简化神经网络建模方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。