申请/专利权人：中国空气动力研究与发展中心超高速空气动力研究所

申请日：2024-04-10

公开（公告）日：2024-06-14

公开（公告）号：CN118013870B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06F111/10;G06F113/08;G06F119/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明属于流体力学中流场重构技术领域，具体涉及一种基于分布函数思想求解NS方程的深度神经网络方法。本发明的基于分布函数思想求解NS方程的深度神经网络方法包括根据实际应用场景建立待求解的NS方程；进行CFD数值模拟；搭建基于分布函数法思想的深度神经网络模型；求解二维定常不可压NS方程。本发明的基于分布函数思想求解NS方程的深度神经网络方法可以用于不同边界条件、不同雷洛数、不同流体性质的流动情况，能够快速、准确地的对定常NS方程求解，不仅有效地克服了通过解析法求解NS方程在实际问题中难以实施的问题，而且具有更高的求解精度。

主权项：1.一种基于分布函数思想求解NS方程的深度神经网络方法，其特征在于，包括以下步骤：S10.根据实际应用场景建立待求解的NS方程；实际应用场景为模拟提供物理上的支撑，建立待求解的二维定常不可压NS方程；S20.进行CFD数值模拟；进行CFD数值模拟，获得观测点数据，并且将CFD数值模拟数据作为验证准确性的对比数据；S30.搭建基于分布函数法思想的深度神经网络模型；深度神经网络模型依次包括输入层、隐藏层、输出层、积分层、Jax自动微分层以及误差层；输入层；输入坐标X和坐标Y；隐藏层：包括第1层、第2层、……第n层，每层使用60个神经元，其中，σ为激活函数，σ采用Tanh激活函数；输出层；包括分布函数，，；其中，表示横向速度分布函数，表示纵向速度分布函数，表示压力分布函数；积分层；包括u、v、p；其中，，，；u、v、p表示坐标点与在指定边界条件约束下的二维定常不可压NS方程解之间的映射，其中，u为流场横向速度，v为流场纵向速度，p为流场压力；g为二维定常不可压NS方程的边界条件；积分层采用高斯勒让德数值积分方法对输出层的分布函数、、进行积分，得到偏微分方程；Jax自动微分层；通过自动微分技术，使得积分层的偏微分方程获得微分算子，以构建NS方程组；误差层；网络总误差LOSS由三部分组成，分别为LOSSpde、LOSSbc和LOSSdata，LOSS=LOSSpde+LOSSbc+LOSSdata；其中，LOSSpde为Jax自动微分层构建的偏微分方程的残差损失，LOSSbc为边界条件约束损失，LOSSpde为观测点损失；S40.求解二维定常不可压NS方程；对于二维定常不可压NS方程，用参数化的分布函数求解满足边界条件g的解；横向速度表示为： ；纵向速度表示为： ；压力表示为： ；其中，表示计算域，表示计算域训练点空间坐标，表示固定积分点坐标，g表示边界条件；继续使用神经网络逼近微分算子，并通过深度神经网络映射微分算子，从而得到NS方程的解。

全文数据：

权利要求：

百度查询： 中国空气动力研究与发展中心超高速空气动力研究所 一种基于分布函数思想求解NS方程的深度神经网络方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD