您所在的位置: 成果库 基于注意力和卷积神经网络编解码器的流场预测方法

基于注意力和卷积神经网络编解码器的流场预测方法

成果类型:: 发明专利,新技术

发布时间: 2023-07-03 19:00:50

科技成果产业化落地方案
方案提交机构:重庆市高新区| 陈点 | 2023-07-05 13:11:17

本发明具体涉及基于注意力和卷积神经网络编解码器的流场预测方法,包括:将符号距离函数图输入经过训练的流场预测模型,输出对应的流场预测图像;训练模型时:首先将包含符号距离函数图及流场真实图像的训练数据集输入流场预测模型;然后通过基于注意力机制和卷积神经网络的编码器提取符号距离函数图的图像特征,生成注意力特征图;进而通过融合映射模块将注意力特征图与符号距离函数图的攻角和马赫数融合,并映射生成高级特征图;随后通过解码器对高级特征图进行解码,生成流场预测图像;最后基于流场预测图像和流场真实图像计算训练损失,并通过训练损失优化流场预测模型的参数。

本发明能够提高流场预测的预测精度和预测效率。首先将包含符号距离函数图及流场真实图像的训练数据集输入流场预测模型;然后通过基于注意力机制和卷积神经网络的编码器提取符号距离函数图的图像特征,生成注意力特征图;进而通过融合映射模块将注意力特征图与符号距离函数图的攻角和马赫数融合,并映射生成高级特征图;随后通过解码器对高级特征图进行解码,生成流场预测图像;最后基于流场预测图像和流场真实图像计算训练损失,并通过训练损失优化流场预测模型的参数。

具体涉及基于注意力和卷积神经网络编解码器的流场预测方法,包括:将符号距离函数图输入经过训练的流场预测模型,输出对应的流场预测图像;训练模型时:首先将包含符号距离函数图及流场真实图像的训练数据集输入流场预测模型;然后通过基于注意力机制和卷积神经网络的编码器提取符号距离函数图的图像特征,生成注意力特征图;进而通过融合映射模块将注意力特征图与符号距离函数图的攻角和马赫数融合,并映射生成高级特征图;

创始团队由一群具有创新意识、拥有着共同的目标、有着不同的专业背景的朝气蓬勃的在校大学生组成。不同兴趣、不同学识背景的几个年轻人为了同一个目标汇集在一起,不同人的特长通过合作集中在一起使得每一个人都可以发挥出每一个人的最大优势同时随着项目进度的推进我们也会引进新人促进项目的发展,为团队注入新鲜的血液,保证团体始终保有创新意识和活力。

生成注意力特征图;进而通过融合映射模块将注意力特征图与符号距离函数图的攻角和马赫数融合,并映射生成高级特征图;随后通过解码器对高级特征图进行解码,生成流场预测图像;最后基于流场预测图像和流场真实图像计算训练损失,并通过训练损失优化流场预测模型的参数。

通过自主研发,组建研发团队,对用户进行调研,查阅文献了解市场需要,解决项目中的技术问题,确定项目总体方案设计,配置相关仪器设备,确保项目按计划进度实施。同时定期进行各项试验,改进技术方案及技术指标,完善工艺,规模生产。投入市场建立和完善市场营销网络。