一种基于大语言模型和多智能体协同的飞行器CFD仿真自动化方法及系统

本技术属于飞行器气动仿真自动化，具体涉及一种基于大语言模型和多智能体协同的飞行器cfd仿真自动化方法及系统。

背景技术：

1、飞行器气动设计与分析中，cfd仿真为多环节、长周期的复杂流程，典型流程包括几何参数化、计算网格生成、流场求解、收敛性判断、后处理与可视化、结果分析与优化决策。传统cfd仿真流程中各环节通常由不同工程师在不同软件工具中手动完成。以翼型气动分析为例，工程师先在openvsp中参数化翼型外形，再在pointwise或snappyhexmesh中生成计算网格，然后在openfoam中配置求解参数并提交计算，计算完成后在paraview中进行后处理，最后根据残差曲线和力系数曲线判断收敛性。各环节之间依赖文件输入输出和人工判断传递，单次完整迭代通常需要数小时。

2、传统cfd仿真流程存在多方面不足。多环节人工串行导致效率低下；网格生成工具、cfd求解器与后处理工具各自独立，缺乏统一自动化编排接口，在多学科设计优化场景中，每次设计变量更新后需重新执行网格生成、cfd求解、后处理与梯度计算的完整循环，人工串行执行使优化周期长达数天至数周；收敛判断依赖工程师观察残差曲线和力系数曲线，判断标准主观且不一致，对于跨声速流动等复杂工况，残差可能呈现周期性振荡而非单调下降，新手工程师难以准确判断是否收敛及何时终止计算；气动外形优化需要在设计空间中迭代搜索，每轮迭代均需完整的外形更新、网格重生成、cfd求解、目标函数评估、梯度或代理模型更新循环，现有工具链下各环节的人工断点使全自动优化闭环极为困难。

3、近年来，大语言模型在代码生成和任务规划方面取得显著进展，但在cfd仿真全流程自动化领域的应用仍处于萌芽阶段。部分研究尝试使用大语言模型生成openfoam配置文件或求解脚本，大语言模型输出文本仍需人工审核、修改和执行，无法直接驱动求解器引擎进行可靠计算，大语言模型仅充当文本生成器，不具备直接操作工具的能力。现有基于大语言模型的仿真工具采用单智能体架构，单个大语言模型实例直接与仿真工具交互，单智能体的上下文窗口有限，难以同时处理网格生成、求解配置、收敛监控、结果分析等多个子任务；单智能体缺乏任务分解和并行执行能力；单智能体无法在多步骤流程中保持长程一致性。现有方案中，大语言模型与仿真工具的交互方式为生成文本命令或非标准化函数调用，缺乏结构化参数传递、类型检查和错误传播机制；新增仿真工具或仿真类型时，需手动修改大语言模型的提示词或代码，无法自动发现和适配新工具。现有方案在每次会话中从零开始，无法记住用户偏好设置、环境配置和过往仿真经验，导致用户需在每次交互中重复提供相同信息。cfd求解为持续时间较长的过程，现有方案缺乏对求解过程的中途监控能力，求解是否收敛、是否发散、是否需要调整参数继续迭代等判断仍需人工介入，无法实现无人值守自动化。

4、因此，现有技术尚未解决大语言模型作为顶层编排智能体、通过标准化协议调度多个专业cfd子智能体协同工作以实现飞行器cfd仿真全流程自动化的问题，导致飞行器cfd仿真效率低下、人工干预环节多、跨会话知识无法积累且求解过程缺乏自动收敛监控与质量决策。

技术实现思路

1、本技术旨在提供一种基于大语言模型和多智能体协同的飞行器cfd仿真自动化方法及系统，通过编排智能体与专业子智能体集群的分层协同，结合标准化协议桥接、跨会话持久记忆和自动收敛监控与质量决策，实现飞行器cfd仿真全流程端到端自动化。

2、为了实现上述技术目的，本技术具体通过以下技术方案实现：

3、在本技术的一方面，提供一种基于大语言模型和多智能体协同的飞行器cfd仿真自动化方法，包括以下步骤：

4、s1、构建包括编排智能体和cfd专业子智能体集群的分层架构，所述编排智能体由大语言模型驱动，所述cfd专业子智能体集群包括多个专业cfd仿真子智能体；

5、s2、所述编排智能体接收用户以自然语言输入的飞行器cfd仿真需求，利用大语言模型从自然语言文本中提取物理参数，并将飞行器cfd仿真需求分解为有序的仿真子任务序列；

6、s3、所述编排智能体通过标准化协议桥接层与所述cfd专业子智能体集群通信，所述标准化协议桥接层采用json-rpc 2.0协议，并提供工具自发现接口、参数自省接口和结构化工具调用接口；

7、s4、所述编排智能体通过所述工具自发现接口查询可用的专业cfd仿真子智能体及输入参数模式，通过所述参数自省接口校验所述仿真子任务序列对应的输入参数，并通过所述结构化工具调用接口向对应的专业cfd仿真子智能体下发仿真子任务；

8、s5、所述专业cfd仿真子智能体执行所述仿真子任务，并向所述编排智能体返回结构化执行结果；

9、s6、在所述专业cfd仿真子智能体执行cfd求解任务期间，所述编排智能体通过所述标准化协议桥接层持续接收所述专业cfd仿真子智能体回传的中途状态信息，根据预设多级阈值对所述中途状态信息进行实时评估，并自动做出继续迭代、延长迭代步数、调整参数重新提交或终止求解的质量决策；

10、s7、所述编排智能体整合所述结构化执行结果，输出飞行器cfd仿真结果。

11、在一个实施方式，所述工具自发现接口为tools/list接口，所述参数自省接口为get_skill_input_info接口，所述结构化工具调用接口为tools/call接口；所述编排智能体通过tools/list接口查询当前可用的专业cfd仿真子智能体及专业cfd仿真子智能体对应的输入参数模式；新增或替换专业cfd仿真子智能体时，所述编排智能体通过tools/list接口自动发现新增或替换的专业cfd仿真子智能体。

12、在一个实施方式，所述编排智能体通过get_skill_input_info接口查询专业cfd仿真子智能体所需参数名称、数据类型、默认值及取值范围；根据查询结果执行缺失参数推断、超范围参数提示和矛盾参数一致性检验中的至少一种操作。

13、在一个实施方式，所述缺失参数推断为：当用户未提供目标无量纲壁面距离y+时，根据所采用的湍流模型及近壁面处理方式确定目标y+范围，并结合来流条件、流体物性参数、特征长度及平板湍流边界层经验关系估算第一层网格高度；当用户未提供湍流模型时，根据仿真工况及预设模型选择规则确定默认湍流模型。

14、在一个实施方式，所述编排智能体根据飞行器cfd仿真任务类型和复杂度规划工作流拓扑，所述工作流拓扑包括线性串联工作流、并行执行工作流、循环迭代工作流或混合工作流；线性串联工作流中前一仿真子任务的输出作为后一仿真子任务的输入；并行执行工作流中编排智能体同时调度多个同类型专业cfd仿真子智能体并行执行；循环迭代工作流中编排智能体执行外形参数化、网格生成、cfd求解、目标函数与梯度评估、外形更新的循环，直至目标函数收敛或达到最大迭代次数。

15、在一个实施方式，所述编排智能体维护跨会话的持久记忆库，所述持久记忆库保存用户偏好类信息、环境配置类信息和仿真经验类信息；在每次新会话开始时，所述编排智能体自动加载与当前飞行器cfd仿真任务相关的持久记忆条目。

16、在一个实施方式，用户偏好类信息包括常用马赫数范围、偏好的湍流模型、默认攻角范围和偏好的输出格式；环境配置类信息包括可用cpu核数、已安装的求解器版本、工作目录路径和当前可用专业cfd仿真子智能体列表；仿真经验类信息包括过往网格参数组合的质量表现、特定翼型在特定工况下的收敛特性和已知的求解发散边界条件。

17、在一个实施方式，所述预设多级阈值包括收敛残差阈值、力系数波动阈值、残差振荡变化率阈值、残差振荡幅度阈值、残差增长阈值、力系数发散阈值和最大迭代步数阈值；所述质量决策按照以下顺序执行：

18、当各残差分量均降至收敛残差阈值以下，并且升力系数和阻力系数在近期迭代窗口内的波动幅度均小于力系数波动阈值时，判定为pass，终止求解并进入后处理；

19、当各残差分量未降至收敛残差阈值以下，并且在连续预设迭代步数内各残差分量的变化率绝对值小于残差振荡变化率阈值且各残差分量的峰谷差小于残差振荡幅度阈值时，判定为warning，增大最大迭代步数阈值并继续观察；

20、当各残差分量在连续预设迭代步数内持续增长且增长斜率大于残差增长阈值，或升力系数和阻力系数在近期迭代窗口内的波动幅度大于力系数发散阈值时，判定为fail，终止当前求解，分析发散原因，调整参数后重新提交求解任务；

21、当前迭代步数达到最大迭代步数阈值，并且各残差分量未降至收敛残差阈值以下时，判定为timeout，汇总当前各残差分量水平以及升力系数和阻力系数计算结果并输出用户决策请求。

22、在一个实施方式，所述cfd专业子智能体集群按agent+skill二级结构组织，agent表示专业领域，skill表示专业领域内的具体操作；所述cfd专业子智能体集群包括网格生成子智能体、cfd求解子智能体、收敛监控子智能体、后处理分析子智能体和气动优化子智能体中的至少两个。

23、在一个实施方式，所述专业cfd仿真子智能体后端采用有限体积法通用求解框架、基于伴随方法的梯度优化框架、商业cfd软件或开源cfd软件；所述标准化协议桥接层对所述专业cfd仿真子智能体的内部实现透明。

24、在一个实施方式，所述编排智能体支持微信、飞书、命令行界面和web界面中的至少一种交互平台；所述cfd专业子智能体集群部署于本地工作站或云端服务器；所述飞行器cfd仿真结果包括计算结果、残差曲线、力系数、流场云图和分析报告中的至少一种。

25、在本技术的另一方面，提供一种基于大语言模型和多智能体协同的飞行器cfd仿真自动化系统，包括：

26、编排智能体，由大语言模型驱动，用于接收用户以自然语言输入的飞行器cfd仿真需求，从自然语言文本中提取物理参数，将飞行器cfd仿真需求分解为有序的仿真子任务序列，并通过标准化协议桥接层调度专业cfd仿真子智能体；

27、cfd专业子智能体集群，包括多个专业cfd仿真子智能体，用于通过标准化协议桥接层接收编排智能体下发的仿真子任务，执行飞行器cfd仿真流程中的仿真环节，并返回结构化执行结果；

28、标准化协议桥接层，采用json-rpc 2.0协议，用于提供工具自发现接口、参数自省接口和结构化工具调用接口，实现编排智能体与cfd专业子智能体集群之间的通信；

29、所述编排智能体还用于在cfd求解任务期间通过标准化协议桥接层持续接收专业cfd仿真子智能体回传的中途状态信息，根据预设多级阈值自动做出收敛监控与质量决策，并整合结构化执行结果输出飞行器cfd仿真结果。

30、本技术的有益效果在于：

31、（1）实现飞行器cfd仿真全流程端到端自动化，显著缩短仿真周期。传统飞行器cfd仿真流程中，几何参数化、网格生成、求解配置、流场求解、收敛判断和后处理分析等环节需多名工程师在不同工具中手工串行执行，单次完整迭代通常耗时数小时，气动优化需数天至数周。本技术通过编排智能体自动分解仿真子任务并调度cfd专业子智能体集群协同执行，将单次翼型定常cfd仿真全流程（含网格生成、cfd求解和结果分析）缩短至数分钟，且全程无需人工干预。在网格无关性研究场景中，多套网格并行生成与求解使总耗时仅约为单套的1.3倍；在气动优化场景中，优化循环可全自动通宵运行，将优化周期从天级压缩至小时级。

32、（2）通过多智能体分层协同架构突破单智能体上下文与能力瓶颈。现有基于大语言模型的仿真工具均采用单智能体架构，单一实例的上下文窗口和注意力资源有限，难以同时处理网格生成、求解监控和结果分析等多个专业仿真子任务。本技术采用编排智能体—cfd专业子智能体集群双层分层架构，编排智能体专注于高层任务规划与调度，专业cfd仿真子智能体各自封装特定仿真环节的完整能力，编排智能体与专业cfd仿真子智能体通过标准化协议桥接层协同工作。上述架构将复杂飞行器cfd仿真全流程分解为多个可独立执行的仿真子任务，有效突破单智能体架构的能力上限，同时保持清晰的分层结构和高度可扩展性。

33、（3）建立标准化协议桥接，实现工具自发现与求解器无关。本技术通过json-rpc2.0标准化协议桥接编排智能体与cfd专业子智能体集群，提供工具自发现接口（tools/list）、参数自省接口（get_skill_input_info）和结构化工具调用接口（tools/call）三类核心接口。新增或替换专业cfd仿真子智能体仅需对外暴露符合协议规范的工具接口，无需修改编排智能体代码或提示词。专业cfd仿真子智能体后端可采用任意cfd求解框架，标准化协议桥接层对专业cfd仿真子智能体内部实现完全透明，确保本技术适用于各类cfd工具链，保护范围不受特定软件平台限制。

34、（4）通过参数自省机制降低参数设置门槛，提升求解成功率。编排智能体在每次结构化工具调用前，通过参数自省接口自动查询输入参数模式信息，据此完成缺失参数推断、超范围参数提示和矛盾参数一致性检验。上述机制从源头降低因参数设置不当导致求解发散的概率，使具备cfd理论基础但缺乏实操经验的研究人员也能可靠获得高质量飞行器cfd仿真结果。

35、（5）通过跨会话持久记忆机制实现仿真知识跨会话积累与复用。编排智能体维护跨会话持久记忆库，自动保存用户偏好类信息、环境配置类信息和仿真经验类信息。随着使用次数增加，系统自动学习用户工作习惯、特定工况收敛特性和可靠参数组合，使后续飞行器cfd仿真任务更加高效精准，消除用户在每次交互中重复提供相同信息的负担。

36、（6）通过自动化收敛监控与多级质量决策实现cfd求解无人值守运行。编排智能体在cfd求解过程中持续接收残差和力系数的中途状态信息，根据pass/warning/fail/timeout四级阈值自动做出继续求解、延长迭代步数、调整参数重新提交或输出用户决策请求的判断，使cfd求解全过程无需人工监控残差曲线即可自动完成收敛判定和异常处置。