[发明专利]一种纳米磁流体的磁场-渗流场耦合流动模拟方法及装置

权利要求书

1.一种纳米磁流体的磁场-渗流场耦合流动模拟方法，其特征在于，所述方法执行以下步骤：

步骤1：建立纳米磁流体的磁场-渗流场耦合流动方程，该方程使用如下公式表示：J＝σ(v×B)；其中，B为纳米磁流体产生的静磁场的磁场强度；σ为感应系数，取值范围为：0.2～0.5；v为纳米磁流体的流速；

步骤2：基于该纳米磁流体的磁场-渗流场耦合流动方程，建立模拟反馈模型，该模拟反馈模型接收输入的参数，对接收到的参数进行判断分析，得出参数类型；所述参数类型有三种，分别对应不同的纳米磁流体状态；所述纳米磁流体的三种状态分别为：电流-纳米磁流体状态，单磁体-纳米磁流体状态和电压-纳米磁流体状态；在判断参数类型对应为电流-纳米磁流体状态时，调整所述纳米磁流体的磁场-渗流场耦合流动方程为：其中，为纳米磁流体的电流变化值；在判断参数类型对应为单磁体-纳米磁流体状态时，调整所述纳米磁流体的磁场-渗流场耦合流动方程为：J＝σ(v×(B+B_r))；其中，B_r为纳米磁流体的磁体变化量；在判断参数类型对应为电压-纳米磁流体状态时，调整所述纳米磁流体的磁场-渗流场耦合流动方程为：其中，为纳米磁流体的电压变化值；

步骤3：建立调整模型，该调整模型，针对每一种类型的参数下对应的磁场-渗流场耦合流动方程模拟的最终结果进行准确率训练，以此来对后续输入的参数进行参数调整，使得最终的模拟结果接近准确值。

2.如权利要求1所述的方法，其特征在于，所述调整模型包括：多个神经结，其中每个神经结被连接到所述磁场-渗流场耦合流动方程模拟的最终结果及一个校正值；一组分配器，其中每个分配器被运行连接到所述磁场-渗流场耦合流动方程模拟的最终结果，以供接收相应的校正值，且被配置成从和所述输入值相关的所述多个校正值来选择一个或多个校正值；一组神经元，其中每个神经元具有至少一个输出且经由所述多个神经结的一个而和所述磁场-渗流场耦合流动方程模拟的最终结果的至少一个连接，由此产生神经元总和；以及值校正计算器，其被配置成接收期望输出结果，确定所述神经元总和与所述期望输出结果值的偏差，且使用所确定的所述偏差来修改相应的校正值，从而将所修改的所述相应的校正值值合计以确定所述神经元总和，使得所述神经元总和与所述期望输出结果值的所述偏差为最小化，由此训练所述神经网络。

3.如权利要求2所述的方法，其特征在于，所述值校正计算器确定所述神经元总和与所述期望输出结果值的偏差包括：设定一个权重函数，用w_i表示，将每个神经元总和与相对应的权重函数进行卷积运算，得到第一中间结果；设定一个激励函数，所述激励函数为：x为期望输出结果值的第一个值；设定神经元总和阈值为：Θ；将第一中间结果和该激励函数以及神经元阈值进行运算，得到前向神经网络的结果为：x_i为期望输出结果值的序列；计算前向神经网络的训练误差；由于本次训练的输出变量E为神经元总和与所述期望输出结果值的偏差，但模型训练后会产生一个预测值为O，故得出误差函数为：其中m代表神经元总和的数量，i表示第i个变量。

4.如权利要求3所述的方法，其特征在于，所述使得所述神经元总和与所述期望输出结果值的所述偏差为最小化的方法包括：反向传播更新权重w为让误差越来越小，提高模型预测的精确度，神经网络从输出层反向传播数据给输入层，重新调整权重w的值，直到模型误差达到最小后停止训练，完成模型创建。

5.如权利要求4所述的方法，其特征在于，所述磁流体由纳米磁性颗粒、基液和表面活性剂组成。