[发明专利]流场识别方法、装置、电子设备、介质和程序产品

权利要求书

1.一种流场识别方法，包括：

获取流场内的数据点坐标以及时间信息，所述流场包括目标障碍物体，所述数据点坐标为以所述目标障碍物体为坐标原点的坐标；

基于神经网络模型识别所述数据点坐标在目标时间的流体参数，其中，所述神经网络模型的输入包括所述数据点坐标和所述时间信息，所述神经网络模型的损失函数包括控制方程的损失函数，所述控制方程为与所述流场对应的控制方程，所述目标时间为所述时间信息表示的时间。

2.根据权利要求1所述的方法，其中，所述数据点坐标包括水平方向的水平坐标和竖直方向的竖直坐标，所述流体参数包括如下至少一项：

所述流场内的流体在所述水平方向的移动速度、所述流场内的流体在所述竖直方向的移动速度和所述流场内的流体受到的压强。

3.根据权利要求2所述的方法，其中，所述控制方程包括如下至少一项：

质量守恒方程、所述水平方向的动量守恒方程和所述竖直方向的动量守恒方程；

其中，所述质量守恒方程内的常数与所述流场对应，所述质量守恒方程用于表示所述数据点坐标在所述目标时间质量守恒；

所述水平方向的动量守恒方程的常数与所述流场对应，所述水平方向的动量守恒方程用于表示所述数据点坐标在所述水平方向上动量守恒，所述水平方向上动量守恒为在所述目标时间在所述水平方向上动量守恒；

所述竖直方向的动量守恒方程的常数与所述流场对应，所述竖直方向的动量守恒方程用于表示所述数据点坐标在所述竖直方向上动量守恒，所述竖直方向上动量守恒为在所述目标时间在所述竖直方向上动量守恒。

4.根据权利要求1至3中任一项所述的方法，其中，所述神经网络模型的损失函数为如下损失函数的加权和：

监督数据的损失函数、所述控制方程的损失函数、所述流场对应的初始条件的损失函数和所述流场对应的边界条件的损失函数。

5.根据权利要求1至3中任一项所述的方法，还包括：

基于数据点坐标集合在所述目标时间的流体参数，生成所述流场的可视化图像，所述数据点坐标集合为包含所述数据点坐标在内的多个数据点坐标的集合，所述可视化图像用于展示所述流场在所述目标时间的流体参数；

输出所述可视化图像。

6.根据权利要求1至3中任一项所述的方法，其中，所述目标障碍物体包括：

圆柱。

7.一种流场识别装置，包括：

获取模块，用于获取流场内的数据点坐标以及时间信息，所述流场包括目标障碍物体，所述数据点坐标为以所述目标障碍物体为坐标原点的坐标；

识别模块，用于基于神经网络模型识别所述数据点坐标在目标时间的流体参数，其中，所述神经网络模型的输入包括所述数据点坐标和所述时间信息，所述神经网络模型的损失函数包括控制方程的损失函数，所述控制方程为与所述流场对应的控制方程，所述目标时间为所述时间信息表示的时间。

8.根据权利要求7所述的装置，其中，所述数据点坐标包括水平方向的水平坐标和竖直方向的竖直坐标，所述流体参数包括如下至少一项：

所述流场内的流体在所述水平方向的移动速度、所述流场内的流体在所述竖直方向的移动速度和所述流场内的流体受到的压强。

9.根据权利要求8所述的装置，其中，所述控制方程包括如下至少一项：

质量守恒方程、所述水平方向的动量守恒方程和所述竖直方向的动量守恒方程；

其中，所述质量守恒方程内的常数与所述流场对应，所述质量守恒方程用于表示所述数据点坐标在所述目标时间质量守恒；

所述水平方向的动量守恒方程的常数与所述流场对应，所述水平方向的动量守恒方程用于表示所述数据点坐标在所述水平方向上动量守恒，所述水平方向上动量守恒为在所述目标时间在所述水平方向上动量守恒；

所述竖直方向的动量守恒方程的常数与所述流场对应，所述竖直方向的动量守恒方程用于表示所述数据点坐标在所述竖直方向上动量守恒，所述竖直方向上动量守恒为在所述目标时间在所述竖直方向上动量守恒。