摘要
本发明公开了一种基于局部流速的三维涡识别方法,涉及流体力学和人工智能技术交叉领域。本发明方法包括S1、三维流场表征;S2、构建三维涡识别标准;S3、构建涡识别模型的输入向量;S4、在三维流场中进行采样,并判断各采样点是否处于涡区;S5、构造多任务学习网络模型,并对模型进行训练测试,通过模型对各采样点处的向量进行二元分类并得到优化后的涡识别模型;S6、通过涡识别模型对待测流场进行涡识别。本发明以流场理论为基础,分析了流速和流场中涡的关系,利用局部速度与涡区的物理关系,设计了多任务学习涡识别网络,并运用该模型实现了三维流场中的涡识别,减少了计算涡量所需的时间,提高了三维流场的分割、识别效率。
技术关键词
多任务学习网络
识别方法
流速
神经网络参数
欧拉方法
速度
多层感知机
采样点
更新网络参数
样本
人工智能技术
定义
特征数
优化器
符号
数据
训练集
系统为您推荐了相关专利信息
结构损伤识别方法
时空特征学习
数字孪生模型
空间特征提取
时域特征提取
纳米
毛细管
成像组件
恒温加热箱
页岩油气开发技术
模式识别方法
模式识别模型
双向长短期记忆网络
信号特征
载波
凝汽器
垃圾焚烧电站
率预测方法
BP神经网络
冷凝管内冷却水