流体机械设计方法、装置、设备、存储介质及计算机程序产品
本技术涉及流体机械设计,尤其涉及一种流体机械设计方法、装置、设备、存储介质及计算机程序产品。
背景技术:
1、在流体机械设计的相关技术中,数据驱动与代理模型技术正在被用于替代或加速传统流体力学仿真(cfd),典型方法包括:构建参数化几何模型,结合cfd生成性能数据样本,并训练神经网络等机器学习模型实现性能预测与优化设计。
2、目前,通常采用拉丁超立方抽样方法在高维参数空间中进行离散采样,然后构建参数化几何模型的集合,利用cfd求解器对该集合内的参数化几何模型进行求解,以获得相应的仿真数据。在上述过程中,离散采样得到的几何参数组合可能在几何模型重建时发生曲面自交和布尔运算失败,导致建模工具异常或卡死,或建立的几何模型划分网格时发生网格畸变。上述几何建模和网格划分阶段的异常,直接导致后续cfd仿真无法执行或产生无效结果,不仅影响整体的设计效率,还会污染代理模型的训练,导致预测精度下降。
技术实现思路
1、本技术的主要目的在于提供一种流体机械设计方法、装置、设备、存储介质及计算机程序产品,旨在解决代理模型的训练样本质量低,导致代理模型预测精度下降的技术问题。
2、为实现上述目的,本技术提出一种流体机械设计方法,包括:
3、获取目标流体机械的初始几何参数种群;
4、利用训练后的几何结构分类模型对初始几何参数种群进行分类,并去除畸变个体,以获得优化几何参数种群;
5、对所述优化几何参数种群中的部分几何参数组合进行流体力学仿真,基于仿真数据,构建物理场预测模型的训练集样本,并利用物理场预测模型的训练集样本对物理场预测模型进行训练,以获得的训练后的物理场预测模型;
6、基于预设寻优规则,调用训练后的物理场预测模型对优化几何参数种群中的几何参数组合进行性能参数预测,并基于计算获得的各几何参数组合的性能参数预测值,确定目标流体机械的几何参数设计值。
7、在一实施例中,所述获取目标流体机械的初始几何参数种群包括:
8、基于目标流体机械的性能参数,划分目标流体机械的几何参数中的核心几何参数和非核心几何参数;
9、基于核心几何参数和非核心几何参数,生成初始几何参数样本。
10、在一实施例中,所述基于目标流体机械的性能参数,划分目标流体机械的几何参数中的核心几何参数和非核心几何参数包括:
11、基于全局敏感性分析方法,计算每个几何参数的全效应指数;
12、基于全效应指数划分目标流体机械的几何参数中的核心几何参数和非核心几何参数。
13、在一实施例中,所述几何结构分类模型的训练方法包括:
14、对所述初始几何参数种群中的部分几何参数种群进行畸变分析和标注,并构建几何结构分类模型的训练样本集;
15、利用所述几何结构分类模型的训练样本集对几何结构分类模型进行训练,以获得训练后的几何结构分类模型。
16、在一实施例中,对几何结构分类模型进行训练包括:
17、在所述核心几何参数的维度大于预设维度时,对基于随机森林建立的几何结构分类模型进行训练;
18、在所述核心几何参数的维度小于或等于预设维度时,对基于支持向量机建立的几何结构分类模型进行训练。
19、在一实施例中,所述对所述优化几何参数种群中的部分几何参数组合进行流体力学仿真,基于仿真数据,构建物理场预测模型的训练集样本包括:
20、对所述优化几何参数种群中的部分几何参数组合进行流体力学仿真,计算获得各几何参数组合性能参数的仿真数据;
21、关联各几何参数组合和对应的仿真数据,构建物理场预测模型的训练集样本。
22、在一实施例中,所述关联各几何参数组合和对应的仿真数据,构建物理场预测模型的训练集样本包括:
23、对优化几何参数种群中的部分几何参数组合进行三维建模,以获得各几何参数组合的三维模型;
24、将各几何参数组合的三维模型转换为sdf矩阵,关联各sdf矩阵和对应的仿真数据,建立物理场预测模型的训练样本集。
25、在一实施例中,所述基于预设寻优规则,调用训练后的物理场预测模型对优化几何参数种群中的几何参数组合进行性能参数预测,并基于计算获得的各几何参数组合的性能参数预测值,确定目标流体机械的几何参数设计值包括:
26、调用训练后的物理场预测模型对优化几何参数种群中的所有几何参数组合进行性能参数预测,以获得所有几何参数组合的性能参数预测值;
27、基于预设评价准则,对所有几何参数组合的性能参数预测值进行排序,将最优的几何参数组合,确定为目标流体机械的几何参数设计值。
28、在一实施例中,所述基于预设寻优规则,调用训练后的物理场预测模型对优化几何参数种群中的几何参数组合进行性能参数预测,并基于计算获得的各几何参数组合的性能参数预测值,确定目标流体机械的几何参数设计值包括:
29、基于迭代优化算法和训练后的物理场预测模型,在所述优化几何参数种群中进行迭代寻优,直至满足收敛条件,将满足收敛条件的几何参数组合确定为目标流体机械的几何参数设计值。
30、在一实施例中,所述基于预设寻优规则,调用训练后的物理场预测模型对优化几何参数种群中的几何参数组合进行性能参数预测,并基于计算获得的各几何参数组合的性能参数预测值,确定目标流体机械的几何参数设计值包括:
31、在粗搜索阶段,从优化几何参数种群中选取代表性子集,调用训练后的物理场预测模型,对代表性子集中的所有几何参数组合进行性能参数预测,以获得代表性子集中各几何参数组合的性能参数预测值;
32、将代表性子集中各几何参数组合的性能参数预测值进行排序,选取性能参数最优的前预定比例的个体作为局部寻优阶段的候选起始点集;
33、在局部寻优阶段,对候选起始点集中的每个起始点,以该起始点为中心在其邻域内进行迭代寻优,直至满足收敛条件,将满足收敛条件的几何参数组合确定为目标流体机械的几何参数设计值。
34、此外,为实现上述目的,本技术还提出一种流体机械设计装置,包括:
35、样本筛选模块,用于获取目标流体机械的初始几何参数种群;利用训练后的几何结构分类模型对初始几何参数种群进行分类,并去除畸变个体,以获得优化几何参数种群;对所述优化几何参数种群中的部分几何参数组合进行流体力学仿真,基于仿真数据,构建物理场预测模型的训练集样本,并利用物理场预测模型的训练集样本对物理场预测模型进行训练,以获得的训练后的物理场预测模型;
36、寻优模块,用于基于预设寻优规则,调用训练后的物理场预测模型对优化几何参数种群中的几何参数组合进行性能参数预测,并基于计算获得的各几何参数组合的性能参数预测值,确定目标流体机械的几何参数设计值。
37、此外,为实现上述目的,本技术还提出一种设备,包括:存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,计算机程序配置为实现如上述方法的步骤。
38、此外,为实现上述目的,本技术还提出一种存储介质,该存储介质为计算机可读存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法的步骤。
39、此外,为实现上述目的,本技术还提出一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序被处理器执行时实现如上述的方法的步骤。
40、本技术提出的一个或多个技术方案,至少具有以下技术效果:
41、提出了一种流体机械设计方法,通过获取目标流体机械的初始几何参数种群,利用具有畸变识别能力的几何结构分类模型,对初始几何参数种群中的各几何参数组合进行分类,获得优化几何参数种群;仅选取优化几何参数种群中的部分几何参数组合进行流体力学仿真,可避免高成本cfd仿真资源的浪费,基于仿真数据,构建物理场预测模型的训练集样本,并利用物理场预测模型的训练集样本对物理场预测模型进行训练,以获得的训练后的物理场预测模型,避免了畸变样本污染物理场预测模型的训练;基于预设寻优规则,调用训练后的物理场预测模型对优化几何参数种群中的几何参数组合进行性能参数预测,并基于计算获得的各几何参数组合的性能参数预测值,确定目标流体机械的几何参数设计值,实现了寻优效率的显著提升。
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