一种融合物理约束、涡旋网络与图神经网络的水气界面涡旋识别方法及系统
本发明涉及流体力学、界面多相流、复杂网络及人工智能,具体涉及一种融合物理约束、涡旋网络与图神经网络的水气界面涡旋识别方法及系统。
背景技术:
1、水气交互界面广泛存在于自然环境及工业过程之中,例如水体蒸发、开放液面换热、浮力驱动对流、气液界面剪切输运及相关热质传递过程。受温度差、密度差、重力、界面剪切和表面张力等多种因素共同作用,水气界面附近容易形成具有不同尺度、强度和旋转方向的涡旋结构。涡旋不仅反映局部流体旋转状态,还可通过诱导速度、剪切作用和群体组织影响邻近涡旋及周围流场。多个涡旋之间可能形成增强、抑制、聚集、分离、合并倾向或稳定耦合等相互作用关系。因此,对水气界面涡旋进行准确识别,不仅需要判断局部区域是否存在旋转运动,还需要描述不同涡旋之间的非局部作用以及水气界面物理条件对涡旋相互作用的影响。
2、现有涡旋识别技术分为三类:基于局部速度梯度的涡旋判据、基于图像或标量场的识别方法、基于机器学习的数据驱动识别方法。而基于速度梯度的方法利用速度梯度相关张量的特征值与不变量判定旋转占优区域,依赖预设阈值,易误判漏判;liutex方法分离剪切分量提升了识别合理性,但仍仅基于局部速度梯度信息,难以描述涡旋间的远距离作用与群体结构。基于图像或标量场的方法以各类场为输入,通过神经网络或传统模型识别涡旋,能学习形态分布特征,但难以表示涡旋间的非局部作用关系,无法充分描述涡旋在整体流场中的角色。将多涡旋流场转换为复杂网络可描述群体组织特征,但现有方法以几何距离或固定模型确定边权,难以反映水气界面不同工况下涡旋耦合关系的变化。现有结合复杂网络与机器学习的方法直接拼接物理特征和拓扑特征,存在量纲分布不匹配的问题,难以有效表示两类特征的协同作用,无法控制弱涡识别中的条件依赖协同。
3、此外,水气界面涡旋演化受多种力共同影响,现有方法仅将工况参数作为全局输入特征,未让物理参数参与边权与消息传递权重调节,缺乏物理明确的场景自适应机制。
技术实现思路
1、本发明所要解决的技术问题在于,针对现有水气界面涡旋识别方法主要依赖局部流场判据、难以同时利用涡旋之间非局部诱导关系及水气界面物理条件的问题,提出一种融合物理约束、涡旋网络与图神经网络的水气界面涡旋识别方法,包括以下步骤:
2、s1、获取水气界面区域的二维速度场数据,根据所述二维速度场数据计算速度梯度张量、涡量场和liutex场,对所述liutex场进行阈值分割和连通域标记,获得初始候选涡旋核心;计算各初始候选涡旋核心的质心位置、带符号涡旋环量、核心面积、等效半径、liutex大小以及去除核心区域平均平移速度后的局部速度尺度;
3、s2、根据各初始候选涡旋核心的涡旋环量绝对值的统计分布确定第一环量阈值和第二环量阈值,所述第一环量阈值大于所述第二环量阈值;将涡旋环量绝对值不低于所述第一环量阈值的初始候选涡旋核心确定为主要涡旋节点,将涡旋环量绝对值低于所述第一环量阈值且不低于所述第二环量阈值的初始候选涡旋核心确定为初始候选弱涡节点,由全部所述主要涡旋节点和全部所述初始候选弱涡节点构成初始候选节点集合;
4、s3、对于所述初始候选节点集合中的任意两个不同涡旋节点,根据作为诱导作用源节点的涡旋节点的带符号涡旋环量、两个涡旋节点之间的相对位置以及所述诱导作用源节点的涡核尺度,通过正则化biot–savart诱导速度模型计算诱导速度向量;从诱导作用源节点指向受诱导节点建立有向边,以所述诱导速度向量的模值作为初始有向边权,构建临时有向加权涡旋网络;
5、s4、根据各涡旋节点的界面物理约束参数构建节点界面物理约束向量;根据有向边两端涡旋节点的界面物理约束向量及对应的初始边特征,分别计算表面张力修正量和浮力修正量,并对所述初始有向边权进行修正,获得临时界面物理约束有向加权涡旋网络;
6、s5、对所述临时界面物理约束有向加权涡旋网络进行边权裁剪和节点出边筛选,并通过最大化有向模块度进行社区划分,获得各初始候选涡旋节点的临时社区标签;
7、s6、根据各初始候选弱涡节点的核心物理尺度、局部旋转特征、与主要涡旋节点之间的网络连接关系、时间持续性和临时社区关系中的至少一种,对所述初始候选弱涡节点进行二次筛选,由二次筛选后保留的节点形成待识别候选节点集合,并基于所述待识别候选节点集合形成待识别有向加权涡旋网络;
8、s7、针对所述待识别候选节点集合中的各节点分别构建节点物理特征向量和节点拓扑特征向量,并针对所述待识别有向加权涡旋网络中的每一条有向边构建对应的边特征向量;分别通过物理特征编码器和拓扑特征编码器获得节点物理表示和节点拓扑表示,将所述节点物理表示、节点拓扑表示及节点界面物理约束向量输入门控交叉融合单元,获得节点融合表示;
9、s8、将所述节点融合表示、所述待识别有向加权涡旋网络中各有向边对应的边特征向量以及界面物理约束修正后的有向边权输入有向图神经网络;以当前涡旋节点为中心,分别聚合由其他涡旋节点指向当前涡旋节点的入边消息和由当前涡旋节点指向其他涡旋节点的出边消息,并结合当前涡旋节点所属社区的社区聚合表示更新当前涡旋节点的隐藏表示;
10、s9、通过节点分类输出头输出主要涡旋节点、真实弱涡节点和噪声候选节点的分类结果;通过边交互强度回归输出头和边交互模式分类输出头分别输出涡旋节点之间的交互强度和交互模式;删除被识别为噪声候选节点的节点及其关联边,并基于保留的涡旋节点和有向边重新计算网络拓扑指标和社区结构,获得最终涡旋节点集合及最终界面物理约束有向加权涡旋网络。
11、进一步地,根据二维速度场数据计算liutex场并提取初始候选涡旋核心,包括:
12、将二维速度场中的空间坐标和速度分量转换至相互一致的物理单位,根据二维速度场计算速度梯度张量和垂直于二维速度场所在平面的带符号涡量场;
13、按照基于速度梯度张量的liutex计算方法计算各网格点的非负liutex大小,由各网格点的非负liutex大小形成liutex大小场r(x,y);
14、根据预设liutex阈值rthr对liutex大小场进行阈值分割,构建涡旋核心二值掩模;对所述涡旋核心二值掩模进行连通域标记,并删除所包含网格单元数小于预设最小连通域网格单元数的连通区域,将其余连通区域确定为初始候选涡旋核心区域;
15、针对各初始候选涡旋核心区域,根据区域内网格单元的物理位置、网格单元面积、带符号涡量和liutex大小,计算对应的核心面积、等效半径、涡量加权质心位置、带符号涡旋环量、平均liutex大小和最大liutex大小。
16、进一步地,根据各初始候选涡旋核心的涡旋环量绝对值确定第一环量阈值和第二环量阈值,包括:
17、将预设参考数据集中全部初始候选涡旋核心的涡旋环量绝对值组成环量绝对值样本集合;
18、根据所述环量绝对值样本集合的统计分位数分别确定第一环量阈值和第二环量阈值,其中,第一环量阈值对应的统计分位高于第二环量阈值对应的统计分位。
19、所述统计分位及其具体确定方法在具体实施方式中进一步说明。
20、进一步地,所述界面物理约束参数包括涡旋节点的局部速度尺度、局部特征长度、流体密度、动力黏度、水气界面表面张力、液气密度差、重力条件和热力边界条件中的至少一种;
21、根据所述界面物理约束参数构建用于表征惯性作用、黏性作用、表面张力作用及浮力作用之间相对关系的节点界面物理约束向量。
22、所述局部速度尺度根据去除涡旋核心区域整体平移运动后的局部速度波动确定,以降低参考坐标系整体平移对界面物理约束参数的影响。
23、进一步地,对所述初始有向边权进行修正以获得临时界面物理约束有向加权涡旋网络,包括:
24、对于由涡旋节点(i)指向涡旋节点(j)的有向边,根据所述有向边两端涡旋节点的界面物理约束向量和所述有向边对应的初始边特征,分别计算有界的表面张力修正量和浮力修正量,根据所述表面张力修正量和浮力修正量对初始有向边权进行修正:
25、
26、其中,为基于正则化biot–savart诱导速度模型获得的初始有向边权,为界面物理约束修正后的有向边权,,,为表面张力修正强度参数,为浮力修正强度参数。
27、根据各有向边对应的所述界面物理约束修正后的有向边权构建临时界面物理约束有向加权涡旋网络。
28、进一步地,步骤s5包括:
29、对所述临时界面物理约束有向加权涡旋网络进行边权裁剪,删除修正边权低于预设边权筛选阈值的有向边;
30、对于每一涡旋节点经边权裁剪后保留的出边,按照界面物理约束修正后的有向边权由大到小排序,并保留预设数量的高权重出边;
31、对经所述边权裁剪和节点出边筛选后的有向加权涡旋网络,通过最大化有向模块度进行社区划分,获得各初始候选涡旋节点的临时社区标签。
32、进一步地,步骤s6包括:
33、根据初始候选弱涡节点的核心物理尺度、局部旋转特征、与主要涡旋节点之间的网络连接关系、时间持续性和临时社区关系中的至少一种,对所述初始候选弱涡节点进行二次筛选;
34、删除明显低于测量系统有效空间分辨能力或者缺乏预设物理、网络或社区支持条件的初始候选弱涡节点及其关联边;
35、由二次筛选后保留的主要涡旋节点和候选弱涡节点形成待识别候选节点集合,并基于所述待识别候选节点集合形成待识别有向加权涡旋网络。
36、所述二次筛选用于在图神经网络识别之前排除明显不满足基本物理和网络条件的候选结构,通过二次筛选的候选弱涡节点仍作为待识别候选节点输入后续有向图神经网络,其是否属于真实弱涡节点或残余噪声候选节点由后续节点分类输出结果确定。
37、进一步地,将节点物理表示、节点拓扑表示及节点界面物理约束向量输入门控交叉融合单元,包括:
38、将所述节点物理表示、节点拓扑表示及节点界面物理约束向量进行向量拼接,并通过门控映射获得门控向量;
39、根据所述门控向量分别确定节点物理表示和节点拓扑表示在节点融合过程中的自适应融合权重,并引入物理特征与拓扑特征的交互项,获得节点融合表示;
40、其中,所述门控向量用于确定节点物理表示与节点拓扑表示在节点融合过程中的自适应融合权重。
41、进一步地,所述有向图神经网络包括l层消息传递层,其中l为大于或等于1的整数;
42、对于待识别候选节点集合中的任一涡旋节点i,将门控交叉融合单元输出的节点融合表示作为涡旋节点i的初始隐藏表示;
43、对于第l层消息传递层,分别聚合由其他涡旋节点指向当前涡旋节点i的入边消息和由当前涡旋节点i指向其他涡旋节点的出边消息,并结合涡旋节点i所属社区的社区聚合表示,将第l层隐藏表示更新为第l+1层隐藏表示,其中:
44、
45、将经过l层消息传递后获得的最终隐藏表示输入节点分类输出头,获得主要涡旋节点、真实弱涡节点和噪声候选节点的节点类型预测结果;
46、对于待识别有向加权涡旋网络中的有向边i→j,将涡旋节点i和涡旋节点j的最终隐藏表示以及所述有向边对应的边特征输入边交互输出头,获得涡旋节点之间的交互强度和交互模式预测结果。
47、所述隐藏表示用于在各消息传递层之间保存和更新涡旋节点自身的物理信息、网络邻域信息及社区信息,最终隐藏表示用于生成涡旋节点类型及涡旋交互识别结果。
48、本发明还提供一种用于实现上述方法的水气界面涡旋识别系统,包括:
49、数据获取模块,用于获取水气界面区域的二维速度场数据;
50、涡旋核心提取模块,用于根据所述二维速度场数据计算速度梯度张量、涡量场和liutex场,提取初始候选涡旋核心并计算各初始候选涡旋核心的物理属性;
51、初始节点构建模块,用于根据各初始候选涡旋核心的涡旋环量绝对值的统计分布确定主要涡旋节点和初始候选弱涡节点,并构建初始候选节点集合;
52、临时网络构建模块,用于基于所述初始候选节点集合和正则化biot–savart诱导速度模型构建临时有向加权涡旋网络;
53、界面物理约束模块,用于根据涡旋节点的界面物理约束参数构建节点界面物理约束向量,并根据表面张力修正量和浮力修正量对初始有向边权进行修正,获得临时界面物理约束有向加权涡旋网络;
54、网络优化与社区划分模块,用于对所述临时界面物理约束有向加权涡旋网络进行边权裁剪、节点出边筛选和有向社区划分,获得各初始候选涡旋节点的临时社区标签;
55、候选弱涡二次筛选模块,用于根据初始候选弱涡节点的核心物理尺度、局部旋转特征、网络连接关系、时间持续性和临时社区关系中的至少一种进行二次筛选,获得待识别候选节点集合和待识别有向加权涡旋网络;
56、特征编码模块,包括物理特征编码器和拓扑特征编码器,分别用于提取各待识别候选节点的节点物理表示和节点拓扑表示,并构建所述待识别有向加权涡旋网络中各有向边对应的边特征向量;
57、门控交叉融合模块,用于将所述节点物理表示、节点拓扑表示及节点界面物理约束向量进行门控交叉融合,获得各节点的节点融合表示;
58、有向图神经网络识别模块,用于根据节点融合表示、各有向边对应的边特征向量以及界面物理约束修正后的有向边权,分别聚合当前涡旋节点的入边消息和出边消息,并结合社区聚合表示更新当前涡旋节点的隐藏表示;
59、节点及边输出模块,用于根据经多层消息传递获得的最终隐藏表示输出主要涡旋节点、真实弱涡节点和噪声候选节点的分类结果,并输出涡旋节点之间的交互强度和交互模式;
60、最终网络更新模块,用于删除被识别为噪声候选节点的节点及其关联边,并重新计算网络拓扑指标和社区结构,获得最终涡旋节点集合及最终界面物理约束有向加权涡旋网络。
61、与现有技术相比,本发明具有以下有益效果:
62、1.采用liutex方法从二维速度场中提取具有局部旋转特征的初始候选涡旋核心,并基于正则化biot–savart诱导速度模型构建有向涡旋网络,使局部涡旋结构信息能够与涡旋之间的非局部诱导关系建立联系。
63、2.根据表面张力、浮力及相关水气界面物理条件对基于biot–savart模型获得的初始有向边权进行修正,使不同界面物理工况能够直接参与涡旋网络连接强度的调节,提高网络表示对不同水气界面工况的适应能力。
64、3.通过去除涡旋核心区域整体平移运动后计算局部速度尺度,减少整体背景输运速度及观测参考系平移对界面物理约束参数的影响。
65、4.分别对节点物理特征和节点拓扑特征进行编码,并通过受界面物理约束参数调节的门控交叉融合单元确定两类节点表示的自适应融合权重,使局部物理状态与网络结构信息能够协同参与涡旋识别。
66、5.在构建临时有向网络和临时社区结构之后,对初始候选弱涡节点进行基于局部物理信息和网络结构信息的二次筛选,并由有向图神经网络进一步区分真实弱涡和残余噪声候选结构,降低仅依赖局部强度阈值造成的弱涡遗漏。
67、6.采用分别处理入边和出边的有向消息传递机制,使模型能够区分其他涡旋对当前涡旋的诱导输入作用和当前涡旋对其他涡旋的诱导输出作用,并结合边交互输出获得涡旋之间的交互强度及交互模式。
68、7.通过物理特征表示、拓扑特征表示、界面物理约束参数、社区聚合信息以及有向边特征的联合建模,为涡旋识别结果及涡旋交互关系提供可分析的中间特征表示,提高识别过程的可解释性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com