摘要
本发明提供的一种涡旋重构与追踪方法,针对传统的涡旋重构方法在三维采样、伪匹配抑制等方面的缺陷,本发明通过对三维方向均进行了有效的涡轴匹配,兼顾三维采样效果,对各向同性的涡旋有着更好的重构效果;同时通过Liutex的矢量方向的约束特性,设置匹配时的物理约束条件,有效降低伪涡轴点匹配现象;利用图神经网络和强化学习,优化涡旋轴线匹配,提高三维重构精度,通过全局拓扑约束抑制伪匹配;通过对绝对旋转强度占优的涡轴点进行提取,实现直观观测到单一涡旋在流场中随时间演化时结构上的变化。
技术关键词
强化学习模型
节点
追踪方法
索引
重构
网格
训练样本集
邻域
极值
强度
标签
序列
线性变换矩阵
代表
基准
连续性
计算机
可读存储介质
标记
追踪装置