[发明专利]一种基于结构化网格的通道内流场重构方法

摘要

本发明公开了一种基于结构化网格的通道内流场重构方法，该方法用于从流动换热模型已知的几何参数、边界条件以及流体参数重构出包括温度场、压力场与速度场在内的流场数据。本发明通过采集流动换热模型的流场数据，将其转化为矩阵形式，建立GAN网络实现对流场数据的重构，实现了低时间成本，低计算成本，低经济成本下完整有效的流场重构技术。本发明计算快，易更改，可替代CFD技术进行换热装置的优化设计；可以获取完整的温度场、压力场以及速度场数据，有利于数据处理并研究整体的流动换热情况，相比于复杂的实验方法有着极大的优势。

主权项

1.一种基于结构化网格的通道内流场重构方法，其特征在于，包括以下步骤：1)获取流动传热模型数据需要采集的数据包括已知信息数据以及相对应的流场数据；其中已知信息数据包括几何尺寸信息，边界条件信息以及流体参数信息，任何需要变化的数据均能够作为输入数据，Input_n,i为某条件下流体通道的已知信息数据；流场数据包括网格节点位置信息，温度场信息，压力场信息以及速度场信息，针对每一种条件下的流体通道进行数值拟合计算，导出网格节点信息，获取初始流场数据Field⁰_n,j,g以及结构化网格节点位置信息Grid⁰_n,m,g，Input_n,i和Field⁰_n,j,g，Grid⁰_n,m,g一一对应；其中n＝1,2,3…,N，N为测量流体通道模型总数，i＝1,2,3...,I，I为已知参数总数，j＝1,2,3...,J，分别表示网格节点温度场，压力场与速度场，J为记录流场参数总数，g＝1,2,3...,G，表示网格节点，G为网格节点总数，m＝1,2,3，分别表示网格节点x坐标，y坐标，z坐标；2)流场数据预处理以及数据归一化通道内流动换热模型的结构化网格总能够表示为规则的矩阵形式，将初始流场数据Field⁰_n,j,g根据位置信息Grid⁰_n,m,g按照网格位置排序转化为可读取的矩阵格式Field_n,j,k,l,h，对应位置信息做相同的变换得到为Grid_n,m,k,l,h；其中k＝1,2,3...,K，K为x方向节点总数，l＝1,2,3...,L，L为y方向节点总数，h＝1,2,3...,H，H为z方向节点总数，若模型为二维模型，则H＝1，处理后的流场数据Field_n,j,k,l,h退化为四维数组；对所有的已知信息数据Input_n,i与处理后的流场数据Field_n,j,k,l,h进行归一化处理；3)针对流动换热模型数据划分训练集与验证集对于流场重构网络，输入为Input_n,i，将输入Input_n,i随机打乱，按照4：1的比例分为训练集(Input_n×0.8,i)_train与验证集(Input_n×0.2,i)_validate，对应流场数据同时分为(Field_{n×0.8,j,k,l,h})_train与(Field_{n×0.2,j,k,l,h})_validate，对应的网格数据同时分为(Grid_{n×0.8,m,k,l,h})_train与(Grid_{n×0.2,m,k,l,h})_validate；4)搭建流场重构网络首先，采用二维反卷积/三维反卷积构建一个生成器G Net，建立从已知数据Input_n,i到二维/三维流场数据Field_n,j,k,l,h的过程；其次，采用二维卷积/三维卷积构建一个判别器D Net，用于分辨真实原始流场与使用生成器G Net生成的重构流场；5)训练基于GAN的流场重构网络首先，从D Net网络开始训练，D Net希望能提高对真实流场与重构流场的分辨能力；紧随D Net网络的一次训练，进行G Net网络训练，此时希望重构流场能欺骗D Net网络，使得分辨网络分辨不出重构流场；经过G Net生成网络与D Net分辨网络之间的相互博弈获得成功的生成网络用于重构流场；6)流动换热模型流场重构首先根据步骤将输入的已知信息(Input_n,i)_test归一化化后传入生成器G Net，获得重构流场(Field_n,j,k,l,h)_test，根据重构流场(Field_n,j,k,l,h)_test与对应网格位置信息(Grid_n,m,k,l,h)_test计算流动换热模型相关热力学与流体力学参数。