-
公开(公告)号:CN118332684B
公开(公告)日:2025-05-13
申请号:CN202410350713.4
申请日:2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/15 , G06F30/27 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/048 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于密集卷积网络的流场预测方法,包括以下步骤:获取翼型形状数据集和仿真流场数据集;利用加入自适应Dropout模块的密集卷积网络获取翼型几何参数;构建翼型参数和物理参数输入用例;训练基于MHP的流场预测模型;利用训练好的流场预测模型在不同的翼型数据上预测流场。本发明在使用密集卷积网络提取翼型特征数据时加入了SeLU激活函数和自适应Dropout,缓解了因数据量少而导致的流场预测方法存在的过拟合情况,增强了神经网络的预测精度和泛化性;同时利用多头感知机训练预测模型并进行预测,避免了稀疏数据对其他待预测的气动参数的干扰,弥补了MLP在处理稀疏数据时存在的缺陷,提高的预测的精度。
-
公开(公告)号:CN118332684A
公开(公告)日:2024-07-12
申请号:CN202410350713.4
申请日:2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/15 , G06F30/27 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/048 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于密集卷积网络的流场预测方法,包括以下步骤:获取翼型形状数据集和仿真流场数据集;利用加入自适应Dropout模块的密集卷积网络获取翼型几何参数;构建翼型参数和物理参数输入用例;训练基于MHP的流场预测模型;利用训练好的流场预测模型在不同的翼型数据上预测流场。本发明在使用密集卷积网络提取翼型特征数据时加入了SeLU激活函数和自适应Dropout,缓解了因数据量少而导致的流场预测方法存在的过拟合情况,增强了神经网络的预测精度和泛化性;同时利用多头感知机训练预测模型并进行预测,避免了稀疏数据对其他待预测的气动参数的干扰,弥补了MLP在处理稀疏数据时存在的缺陷,提高的预测的精度。
-
公开(公告)号:CN117057108B
公开(公告)日:2024-10-15
申请号:CN202310925942.X
申请日:2023-07-26
Applicant: 四川大学
IPC: G06F30/20 , G06F111/10 , G06F111/04
Abstract: 一种基于Python的CAE软件领域特定语言系统,针对CAE所实施对象的静态数据模型进行建模;针对数据模型间动态参数逻辑进行建模;采用Swig库对底层内核接口进行封装,封装后的Python类型满足C++中的类型对应;将CAE业务逻辑写到相关数据模型Python类的成员函数中以建立CAE业务模型;针对使用的CAE业务流程,对业务模型及其数据模型进行编排;基于CAE工作流引擎实现对业务流程的动态驱动执行,并将流程状态实时展示。本发明使用Python描述CAE领域模型和处理逻辑,采用Python标准库和SwigC++封装等建立的业务模型、基于有限状态机的业务建模和工作流引擎,实现了对所有业务逻辑的PythonDSL描述,有效提升领域建模效率和软件架构灵活性。
-
公开(公告)号:CN117057108A
公开(公告)日:2023-11-14
申请号:CN202310925942.X
申请日:2023-07-26
Applicant: 四川大学
IPC: G06F30/20 , G06F111/10 , G06F111/04
Abstract: 一种基于Python的CAE软件领域特定语言系统,针对CAE所实施对象的静态数据模型进行建模;针对数据模型间动态参数逻辑进行建模;采用Swig库对底层内核接口进行封装,封装后的Python类型满足C++中的类型对应;将CAE业务逻辑写到相关数据模型Python类的成员函数中以建立CAE业务模型;针对使用的CAE业务流程,对业务模型及其数据模型进行编排;基于CAE工作流引擎实现对业务流程的动态驱动执行,并将流程状态实时展示。本发明使用Python描述CAE领域模型和处理逻辑,采用Python标准库和SwigC++封装等建立的业务模型、基于有限状态机的业务建模和工作流引擎,实现了对所有业务逻辑的PythonDSL描述,有效提升领域建模效率和软件架构灵活性。
-
-
-