[发明专利]一种基于离散不变性网格卷积算子的流场建模方法

权利要求书

1.一种基于离散不变性网格卷积算子的流场建模方法，其特征在于，包括如下步骤：

步骤1：采用CAD软件构建研究对象的几何样本数据库；

步骤2：采用网格划分软件对研究对象的几何模型进行网格划分，生成非均匀结构化网格；

步骤3：将步骤2生成的非均匀结构化网格导入CFD求解器进行流场求解，得到流场变量；

步骤4：在非均匀结构化网格节点上根据网格结构计算目标节点的一阶邻域节点特征作为图特征；

步骤5：在网格节点上根据几何信息计算表征几何的特征作为节点特征；

步骤6：将图特征输入神经网络计算目标节点的权重，并用权重更新目标节点特征；

步骤7：将更新之后的目标节点特征通过卷积算子，在邻域内再更新目标节点特征；

步骤8：把步骤6和步骤7的两步更新计算称为离散不变性网格卷积算子，堆叠多层离散不变性网格卷积算子构建深度卷积神经网络；

步骤9：以流场变量作为深度卷积神经网络输出，训练深度卷积神经网络至收敛；

步骤10：将新对象通过步骤2、步骤4和步骤5步骤计算图特征和节点特征，再利用步骤9训练完成的模型即能预测对应的流场信息。

2.根据权利要求1所述的一种基于离散不变性网格卷积算子的流场建模方法，其特征在于，所述步骤2中生成非均匀结构化网格时，不约束采用统一的网格拓扑结构，可以是满足CFD网格无关性的任意非均匀结构化网格，即不同的几何可以有不同的网格生成参数。

3.根据权利要求1所述的一种基于离散不变性网格卷积算子的流场建模方法，其特征在于，所述步骤4中目标节点的一阶邻域节点特征包括8个距离ρ_i,j＝[ρ₁,ρ₂,…,ρ₈]^T和角度θ_i,j＝[θ₁,θ₂,…,θ₈]^T，对于网格边界不足8个邻域节点的采用补零处理；距离ρ定义为目标节点到邻域节点的欧氏距离，角度θ定义为目标节点指向邻域节点的向量与参考平面的夹角。

4.根据权利要求1所述的一种基于离散不变性网格卷积算子的流场建模方法，其特征在于，所述步骤5中根据几何信息计算的节点特征具备坐标不变性，不直接以网格节点坐标作为节点特征。

5.根据权利要求1所述的一种基于离散不变性网格卷积算子的流场建模方法，其特征在于，所述步骤6中的目标节点的权重计算表示为：

其中，和分别为用神经网络表示的距离和角度的权重函数。

6.根据权利要求1所述的一种基于离散不变性网格卷积算子的流场建模方法，其特征在于，所述步骤9中训练深度卷积神经网络的损失函数为：

Loss＝MSE+λ₁·rad+λ₂·Layer

式中，MSE表示流场全局损失，负责模型整体精度；Grad表示一阶和二阶梯度损失，以弱物理约束的形式负责流场光滑性；Layer表示流场第一层网格损失，负责近壁区流场信息；λ₁和λ₂是权重因子，负责约束三个损失为同一个数量级；H和W表示非均匀结构化网格的周向和法向网格节点数，n_y表示输出特征的通道数，Y_n,i,j表示第n个通道索引为(i,j)的真值，表示第n个通道索引为(i,j)的模型预测结果；h表示周向，w表示法向，Y_n,i,1表示几何表面第n个通道索引为i的真值，表示几何表面第n个通道索引为i的模型预测结果。