一种嵌入降维物理特征的异构气动融合方法

本发明公开了智能流体力学技术领域的一种嵌入降维物理特征的异构气动融合方法，包括步骤一、数据预处理：过滤去除数据中的异常值，求出该研究对象分布载荷点处的梯度信息；步骤二、数据准备：整理气动状态数据和气动状态下的集中载荷和分布载荷，设置相应比例的样本集和训练集；步骤三、模型训练：构建异构多源融合神经网络并训练，收敛验证精度；步骤四、模型预测：使用训练好的模型同时预测集中载荷、分布载荷和压力分布信息。本发明新颖有效，通过充分利用气动模化过程中忽略的分布载荷信息，提取相关物理信息融入模型中，构建一种全新的融入降维物理特征的神经网络架构，有效降低模型对样本的依赖，提升模型精度并降低模型的不确定性。